基于集成深度迁移学习的多源跨领域情感分类

作     者：赵传君 王素格 李德玉 ZHAO Chuanjun;WANG Suge;LI Deyu

作者机构：山西大学计算机与信息技术学院 计算智能与中文信息处理教育部重点实验室 

出 版 物：《山西大学学报(自然科学版)》 (Journal of Shanxi University(Natural Science Edition))

年 卷 期：2018年第41卷第4期

页      面：709-717页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081203[工学-计算机应用技术] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61573231 61632011 61672331 61603229) 山西省自然科学基金(201601D021076) 山西省研究生教育创新项目(2016BY004 2017BY004) 

主　　题：深度迁移学习 集成学习 多源领域 跨领域情感分类 

摘      要：传统的跨领域情感分类往往是实现单一源领域到目标领域的情感迁移,而在现实情况下,往往存在多个源领域的数据。文章从参数迁移和集成学习的角度,提出了一种基于集成深度迁移学习的多源跨领域文本情感分类方法。首先,使用字符向量增强的深度卷积神经网络模型,在单个源领域上训练情感分类模型,然后通过模型迁移的手段,实现源领域的情感知识到目标领域的迁移。通过深度特征抽取和模型迁移,有效提升了跨领域的特征表示能力。为了充分利用所有源领域信息,我们采用集成学习框架对训练好的迁移学习模型进行集成。通过在Amazon多领域的评论数据集上进行实验,验证了文章提出的框架对跨领域情感分类的正确率有一定提升。