期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于词向量预训练的不平衡文本情绪分类
被引量：
8
1
作者
林怀逸
刘箴
+2 位作者
柴玉梅
刘婷婷
柴艳杰
《中文信息学报》
CSCD
北大核心
2019年第5期132-142,共11页
深度学习中处理不平衡问题的方法多为代价敏感和采样。该文在词向量迁移的基础上提出预训练任务选择方法。用利于小类别区分的预训练词向量来初始化目标模型,并结合均衡过采样充分利用样本信息保持模型在大类别上的精度,使模型提取的文...
深度学习中处理不平衡问题的方法多为代价敏感和采样。该文在词向量迁移的基础上提出预训练任务选择方法。用利于小类别区分的预训练词向量来初始化目标模型,并结合均衡过采样充分利用样本信息保持模型在大类别上的精度,使模型提取的文本特征在大小类别上具有公平性,从特征层面实现了平衡效果。实验结果表明,在文本情绪分类任务中,对比过采样方法,该方法在大部分无严重过拟合情况下有更好的平衡效果。当存在较严重过拟合时,该方法在目标分类数为三时平衡效果显著,并通过实验验证了预训练方法可与代价敏感方法相结合提升平衡性能。
展开更多
关键词
不平衡分类
情绪分类
均衡过采样
预训练词向量
在线阅读
下载PDF
职称材料
题名
基于词向量预训练的不平衡文本情绪分类
被引量：
8
1
作者
林怀逸
刘箴
柴玉梅
刘婷婷
柴艳杰
机构
宁波大学信息科学与工程学院
郑州大学信息工程学院
出处
《中文信息学报》
CSCD
北大核心
2019年第5期132-142,共11页
基金
NSFC-通用技术基础研究联合基金(U1636111)
国家自然科学基金(61761166005)
+1 种基金
宁波市科技计划项目(2017C50018
2016D10016)
文摘
深度学习中处理不平衡问题的方法多为代价敏感和采样。该文在词向量迁移的基础上提出预训练任务选择方法。用利于小类别区分的预训练词向量来初始化目标模型,并结合均衡过采样充分利用样本信息保持模型在大类别上的精度,使模型提取的文本特征在大小类别上具有公平性,从特征层面实现了平衡效果。实验结果表明,在文本情绪分类任务中,对比过采样方法,该方法在大部分无严重过拟合情况下有更好的平衡效果。当存在较严重过拟合时,该方法在目标分类数为三时平衡效果显著,并通过实验验证了预训练方法可与代价敏感方法相结合提升平衡性能。
关键词
不平衡分类
情绪分类
均衡过采样
预训练词向量
Keywords
imbalance classification
emotion classification
balanced over-sampling
word vector pretraining
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于词向量预训练的不平衡文本情绪分类
林怀逸
刘箴
柴玉梅
刘婷婷
柴艳杰
《中文信息学报》
CSCD
北大核心
2019
8
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
