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
2
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
特征和实例迁移相融合的跨领域倾向性分析
被引量：
1
1
作者
孟佳娜
于玉海
+1 位作者
赵丹丹
孙世昶
《中文信息学报》
CSCD
北大核心
2015年第4期74-79,143,共7页
在情感倾向性分析中,经常会发生由于领域知识的变化引起的分类精度下降的问题。为解决此类问题,该文提出了一种基于实例和特征相融合的知识迁移方法,首先通过三部图构建了源领域和目标领域的领域依赖特征词之间的关联,并得到一个公共的...
在情感倾向性分析中,经常会发生由于领域知识的变化引起的分类精度下降的问题。为解决此类问题,该文提出了一种基于实例和特征相融合的知识迁移方法,首先通过三部图构建了源领域和目标领域的领域依赖特征词之间的关联,并得到一个公共的语义空间来对原有的向量空间模型进行重建,然后再通过带偏置的马尔科夫模型,建立源领域和目标领域实例之间的关联,从而有效的将源领域学习到的情感倾向性知识迁移到目标领域中,高于其它方法的实验结果验证了算法的有效性。
展开更多
关键词
跨领域倾向性分析
迁移学习
偏置的马尔科夫模型
在线阅读
下载PDF
职称材料
归纳式迁移学习在跨领域情感倾向性分析中的应用
被引量：
2
2
作者
孟佳娜
赵丹丹
+1 位作者
于玉海
孙世昶
《南京大学学报（自然科学版）》
CAS
CSCD
北大核心
2016年第1期175-183,共9页
在解决情感倾向性分析问题中,传统的监督学习和半监督学习都是在训练和测试所用的数据来自相同分布的假设基础之上的,但在很多情况下不能满足这样的假设,这就产生了跨领域的情感倾向性分析问题.在跨领域情感倾向性分析中,提出一种基于...
在解决情感倾向性分析问题中,传统的监督学习和半监督学习都是在训练和测试所用的数据来自相同分布的假设基础之上的,但在很多情况下不能满足这样的假设,这就产生了跨领域的情感倾向性分析问题.在跨领域情感倾向性分析中,提出一种基于归纳式迁移学习的图模型,通过图模型建立源领域和目标领域数据之间的关联,使得源领域的数据通过图模型学习目标领域数据在特征和实例上的特点.同时,利用归纳式迁移学习方法使用少量的目标领域的已标注数据进行训练,从而提高了情感分类器在目标领域的分类准确率,极大地改进了跨领域情感倾向性分析的效果.在标准数据集上进行了实验,并与监督学习方法 SVM、半监督学习方向TSVM以及其它3种常用的迁移学习方法进行了对比,对比结果显示本文方法显著的高于SVM和TSVM,并在大多数数据集上优于其它3种迁移学习方法,实验结果表明该方法是有效的.
展开更多
关键词
归纳式学习
跨
领域
情感
倾向性
分析
迁移学习
图模型
在线阅读
下载PDF
职称材料
题名
特征和实例迁移相融合的跨领域倾向性分析
被引量：
1
1
作者
孟佳娜
于玉海
赵丹丹
孙世昶
机构
大连民族大学计算机科学与工程学院
出处
《中文信息学报》
CSCD
北大核心
2015年第4期74-79,143,共7页
基金
国家自然科学基金(61202254)
高校自主科研基金(DC201502030202
DC201502030405)
文摘
在情感倾向性分析中,经常会发生由于领域知识的变化引起的分类精度下降的问题。为解决此类问题,该文提出了一种基于实例和特征相融合的知识迁移方法,首先通过三部图构建了源领域和目标领域的领域依赖特征词之间的关联,并得到一个公共的语义空间来对原有的向量空间模型进行重建,然后再通过带偏置的马尔科夫模型,建立源领域和目标领域实例之间的关联,从而有效的将源领域学习到的情感倾向性知识迁移到目标领域中,高于其它方法的实验结果验证了算法的有效性。
关键词
跨领域倾向性分析
迁移学习
偏置的马尔科夫模型
Keywords
cross-domain sentiment analysis
transfer learning
biased Markov model
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
归纳式迁移学习在跨领域情感倾向性分析中的应用
被引量：
2
2
作者
孟佳娜
赵丹丹
于玉海
孙世昶
机构
大连民族大学计算机科学与工程学院
出处
《南京大学学报（自然科学版）》
CAS
CSCD
北大核心
2016年第1期175-183,共9页
基金
国家自然科学基金(61202254)
中央高校自主科研基金(DC201502030202
DC201502030405)
文摘
在解决情感倾向性分析问题中,传统的监督学习和半监督学习都是在训练和测试所用的数据来自相同分布的假设基础之上的,但在很多情况下不能满足这样的假设,这就产生了跨领域的情感倾向性分析问题.在跨领域情感倾向性分析中,提出一种基于归纳式迁移学习的图模型,通过图模型建立源领域和目标领域数据之间的关联,使得源领域的数据通过图模型学习目标领域数据在特征和实例上的特点.同时,利用归纳式迁移学习方法使用少量的目标领域的已标注数据进行训练,从而提高了情感分类器在目标领域的分类准确率,极大地改进了跨领域情感倾向性分析的效果.在标准数据集上进行了实验,并与监督学习方法 SVM、半监督学习方向TSVM以及其它3种常用的迁移学习方法进行了对比,对比结果显示本文方法显著的高于SVM和TSVM,并在大多数数据集上优于其它3种迁移学习方法,实验结果表明该方法是有效的.
关键词
归纳式学习
跨
领域
情感
倾向性
分析
迁移学习
图模型
Keywords
inductive learning
cross-domain sentiment analysis
transfer learning
graph model
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
特征和实例迁移相融合的跨领域倾向性分析
孟佳娜
于玉海
赵丹丹
孙世昶
《中文信息学报》
CSCD
北大核心
2015
1
在线阅读
下载PDF
职称材料
2
归纳式迁移学习在跨领域情感倾向性分析中的应用
孟佳娜
赵丹丹
于玉海
孙世昶
《南京大学学报（自然科学版）》
CAS
CSCD
北大核心
2016
2
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
