基于句式元学习的 Twitter 分类

摘要：

针对多类别的社交媒体短文本分类准确率较低问题, 提出一种学习多种句式的元学习方法, 用于改善 Twitter 文本分类性能.将 Twitter 文本聚类为多种句式, 各句式结合原类标签, 成为多样化的新类别, 从而原分类问题转化为较多类别的 few-shot 学习问题, 并通过训练深层网络来学习句式原型编码.用多个三分类Twitter 数据来检验所提 Meta-CNN 方法 , 结果显示, 该方法的学习策略简单有效, 即便在样本数量不多的情况下, 与传统机器学习分类器和部分深度学习分类方法相比, Meta-CNN 仍能获得较好的分类准确率和较高的F1值.

关键词：元学习、少次学习、情感分析、卷积神经网络

所属期刊栏目：55

资助基金：国家自然科学基金61772281, 61703212, 61602254

在线出版日期：2019-08-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：98-104