-
题名基于多任务联合训练的属性感知情感分类模型
被引量：2
- 1
-
-
作者
刘欣怡
过弋
-
机构
华东理工大学信息科学与工程学院
大数据流通与交易技术国家工程实验室(商业智能与可视化技术研究中心)
上海大数据与互联网受众工程技术研究中心
-
出处
《小型微型计算机系统》
CSCD
北大核心
2024年第7期1545-1551,共7页
-
基金
上海市科学技术委员会科技计划项目(22DZ1204903,22511104800)资助.
-
文摘
在大数据时代,信息包含大量值得被挖掘和分析的价值,对情感进行自动分类的需求成为了自然语言处理的热门领域之一.由于大型预训练语言模型参数较多,针对下游任务进行微调时需要大量有标注语料以及时间对模型进行训练.本文基于多任务联合训练的思想,提出了一种多任务属性感知情感分类模型.首先,该模型采用提示学习的策略将多属性文本拆解为多条单属性文本,并针对可用语料不足的问题使用多个提示拼接文本进行训练;其次,该模型设计了对属性进行分类的辅助任务模块,让模型能关注到文本中属性信息从而作出更准确的预测;最后,在四个常用的公开数据集上进行了实验,通过分析证明该模型能够有效提高属性级情感分类的性能.
-
关键词
数据挖掘
属性级情感分类
多任务学习
提示学习
BERT
-
Keywords
data mining
aspect based sentiment analysis
multi-task learning
prompt learning
BERT
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
