基于对抗网络的文本对齐跨语言情感分类方法

摘要：

[目的]通过拉近共享空间中双语文本对的分布以提高跨语言情感分类的准确率.[方法]在情感知识迁移过程中,通过调整平衡系数同时对齐词对和文本对,并联合语言判别器生成对抗网络优化转换矩阵.此外,采用一种多特征融合的分层神经网络方法表示文本,同时兼顾单词和句子的上下文主题关联性,能够有效解决文本长距离特征依赖问题.[结果]在NLP&CC 2013标准数据集上的实验结果证明,所提方法的平均跨语言情感分类准确率达到83.66％,比基准模型平均提高2.30个百分点.[局限]只在中英文数据集上进行实验,在其他语言组合中的有效性需要进一步验证.[结论]通过提高双语文本相似度的方式能够有效提高跨语言情感分类的准确率.

关键词：词对齐、文本对齐、生成对抗网络、多特征融合、分层神经网络

所属期刊栏目：6

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61806072

在线出版日期：2022-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：141-151