基于BERT-CNN中间任务转移模型的短文本讽刺文本分类研究

摘要：

讽刺现象的识别分类可以影响到情绪分析、意见挖掘、文本分类等多个自然语言处理领域应用的性能,对这一任务的研究有助于提高网络舆情监测的准确性,优化人工和时间成本.本研究基于网络评论中短讽刺文本的特点,采用了深度学习中迁移学习的方法,结合已有的BERT预训练模型,提出了一种基于BERT-CNN中间任务转移模型的短文本讽刺识别分类模型,利用完成中间任务训练进行权重参数微调后的BERT模型将目标文本向量化,将得到的文本向量通过对应卷积核进行特征提取,最后通过Softmax函数完成分类.实验结果表明本文提出的模型在短文本讽刺识别分类上有较好的效果.

关键词：深度学习、自然语言处理、迁移学习、讽刺识别分类

所属期刊栏目：13

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：156-160