文献类型：会议

作　　者：闫雷鸣 王超智 严璐绮 贺嘉会 吴宏煜

作者单位：南京信息工程大学计算机与软件学院,江苏省网络监控工程中心,南京 210044

会议文献：2018自然语言处理与中文计算国际会议(NLPCC2018)论文集

会议名称：2018自然语言处理与中文计算国际会议(NLPCC2018)

会议日期：20180826

会议地点：呼和浩特

主办单位：中国计算机学会

出版日期：20180826

语　　种：中文

摘　　要：针对多类别的社交媒体短文本分类准确率较低的问题,提出一种学习多种句式的元学习方法,用于改善Twitter 文本分类性能。该方法将Twitter 文本聚类为多种句式,各句式结合原类标签成为多样化的新类别,从而原分类问题转化为较多类别的few-shot 学习问题,并训练深层网络学习句式原型编码。使用多个三分类Twitter数据检验本文方法Meta-CNN,结果显示该方法的学习策略简单有效,即便在样本数量不多的情况下,与传统机器学习分类器和部分深度学习分类方法相比,Meta-CNN 仍然能获得较好的分类准确率和F1 值。

关 键 词：元学习 少次学习  情感分析 卷积神经网络

分 类 号：G63]