文献类型：期刊文章

作　　者：吴冬茵[1] 桂林[1] 陈钊[2] 徐睿峰[1]

机构地区：[1]哈尔滨工业大学深圳研究生院计算机科学与技术学院,广东深圳518055 [2]腾讯科技(深圳)有限公司,广东深圳518055

出　　处：《中文信息学报》

基　　金：国家自然科学基金(61370165);国家863计划(2015AA015405);深圳市孔雀计划技术创新项目(KQCX20140521144507925);深圳市基础研究项目(JCYJ20150625142543470);广东省数据科学工程技术研究中心开放课题(2016KF09)

年　　份：2017

卷　　号：31

期　　号：1

起止页码：169-176

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2017_2018、JST、RCCSE、ZGKJHX、核心刊

摘　　要：情感分析是自然语言处理领域的重要研究问题。现有方法往往难以克服样本偏置与领域依赖问题,严重制约了情感分析的发展和应用。为此,该文提出了一种基于深度表示学习和高斯过程知识迁移学习的情感分析方法。该方法首先利用深度神经网络获得文本样本的分布式表示,而后基于深度高斯过程,从辅助数据中迁移与测试集数据分布相符的高质量样例扩充训练数据集用于分类器训练,以此提高文本情感分类系统性能。在COAE2014文本情感分类数据集上进行的实验结果显示,该文提出的方法可以有效提高文本情感分类性能,同时可以有效缓解训练数据的样本偏置以及领域依赖问题的影响。

关 键 词：情感分析 深度表示学习  高斯过程 迁移学习  

分 类 号：TP391]