检索结果-维普期刊中文期刊服务平台

基于贝叶斯网的跨领域情感分析方法被引量：4: 1; 作者刘慧清郭延哺李维华《计算机应用与软件》北大核心 2020年第12期119-126,共8页; 基于机器学习的情感分析依赖于充足的标签样本。针对标签样本不足以及情感分类器存在的领域适应性问题,提出一种基于贝叶斯网的跨领域情感分析方法。基于贝叶斯网,对源领域和目标领域构建局部特征模型;研究局部特征模型的融合方法并构... 展开更多; 关键词跨领域情感分析贝叶斯网融合迁移; 在线阅读下载PDF 职称材料

结合预训练模型和数据增强的跨领域属性级情感分析研究: 2; 作者陈舸王中卿《计算机科学》北大核心 2025年第8期300-307,共8页; 属性级情感分析(ABSA)是一项细粒度情感分析任务,旨在识别文本中的具体属性并探测其情感倾向。针对ABSA模型因无法适应不同领域的语言风格而导致性能不佳以及目标领域缺乏标注数据的问题,提出了一种结合预训练模型的跨领域属性级情感分... 展开更多; 关键词跨领域情感分析预训练模型 T5 GPT; 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: 3; 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... 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

改进枢轴特征选择的跨领域情感分类被引量：3: 4; 作者梁俊葛相艳 +3 位作者张周彬熊馨邵党国马磊《计算机工程与设计》北大核心 2020年第11期3193-3198,共6页; 对跨领域情感分类任务中因标签样本不足以及不同领域中特征分布差异大导致分类准确率低的问题进行研究,提出一种改进特征选择的跨领域情感分类模型(IPFS)。利用词形还原解决文本中构建词袋模型中的特征冗余的问题,通过卡方检验算法选择... 展开更多; 关键词跨领域情感分析枢轴特征卡方检验词形还原神经网络; 在线阅读下载PDF 职称材料

题名基于贝叶斯网的跨领域情感分析方法被引量：4: 1; 作者刘慧清郭延哺李维华; 机构云南大学信息学院; 出处《计算机应用与软件》北大核心 2020年第12期119-126,共8页; 基金国家自然科学基金项目(61762090) 云南省应用基础研究计划重点项目(2016FA026) +1 种基金云南省创新团队项目(2018HC019) 云南大学研究生科研创新基金项目(2018226)。; 文摘基于机器学习的情感分析依赖于充足的标签样本。针对标签样本不足以及情感分类器存在的领域适应性问题,提出一种基于贝叶斯网的跨领域情感分析方法。基于贝叶斯网,对源领域和目标领域构建局部特征模型;研究局部特征模型的融合方法并构建全局特征模型;基于全局特征模型建立情感知识的迁移方法并训练分类器。在Amazon数据集上进行实验,结果表明,该方法在一定程度上提高了目标领域文本的情感分类精度,以及分类器在目标领域中的适应性。; 关键词跨领域情感分析贝叶斯网融合迁移; Keywords Cross-domain sentiment analysis Bayesian network Fusion Transfer; 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

题名结合预训练模型和数据增强的跨领域属性级情感分析研究: 2; 作者陈舸王中卿; 机构苏州大学计算机科学与技术学院; 出处《计算机科学》北大核心 2025年第8期300-307,共8页; 文摘属性级情感分析(ABSA)是一项细粒度情感分析任务,旨在识别文本中的具体属性并探测其情感倾向。针对ABSA模型因无法适应不同领域的语言风格而导致性能不佳以及目标领域缺乏标注数据的问题,提出了一种结合预训练模型的跨领域属性级情感分析方法。该方法利用预训练模型对目标领域文本进行标签生成,再利用大语言模型重新生成更具目标领域风格的自然语句,最后将生成的样本和源领域样本组合训练,以对目标领域进行预测。在SemEval语料库的restaurant和laptop数据集以及一个公开的网络服务评论数据集上进行实验,结果表明,与现有跨领域情感分析方法相比,所提方法在F1值上至少提升了5.33%,充分证明了该方法的有效性。; 关键词跨领域情感分析预训练模型 T5 GPT; Keywords Cross-domain ABSA Pre-training model T5 GPT; 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: 3; 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

题名改进枢轴特征选择的跨领域情感分类被引量：3: 4; 作者梁俊葛相艳张周彬熊馨邵党国马磊; 机构昆明理工大学信息工程与自动化学院; 出处《计算机工程与设计》北大核心 2020年第11期3193-3198,共6页; 基金国家自然科学基金项目(61462054、61732005、61672271、61741112) 云南省自然科学基金项目(2017FB098) +2 种基金云南省重大科技基金项目(2018ZF017)。; 文摘对跨领域情感分类任务中因标签样本不足以及不同领域中特征分布差异大导致分类准确率低的问题进行研究,提出一种改进特征选择的跨领域情感分类模型(IPFS)。利用词形还原解决文本中构建词袋模型中的特征冗余的问题,通过卡方检验算法选择领域间具有相同表征的枢轴特征作为领域间共享的桥梁,结合神经网络模型,完成跨领域情感分类任务。实验结果表明,IPFS模型与现有的相关模型相比取得了更好的分类效果。; 关键词跨领域情感分析枢轴特征卡方检验词形还原神经网络; Keywords cross domain sentiment analysis pivot feature chi-square test lemmatization neural network; 分类号 TP391.1 [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	基于贝叶斯网的跨领域情感分析方法	刘慧清郭延哺李维华	《计算机应用与软件》北大核心	2020	4	在线阅读下载PDF 职称材料
2	结合预训练模型和数据增强的跨领域属性级情感分析研究	陈舸王中卿	《计算机科学》北大核心	2025	0	在线阅读下载PDF 职称材料
3	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
4	改进枢轴特征选择的跨领域情感分类	梁俊葛相艳张周彬熊馨邵党国马磊	《计算机工程与设计》北大核心	2020	3	在线阅读下载PDF 职称材料