改进特征选择的神经结构对应学习跨领域情感分类方法

授权

摘要

本发明涉及改进特征选择的神经结构对应学习跨领域情感分类方法，属自然语言处理领域。首先，选取亚马逊评论数据集中不同的两个领域，作为源域和目标域，对源域、目标域数据进行预处理，获取源域和目标域的文本内容，其次，对文本进行词形还原，消除冗余特征，并对文本进行向量化处理，得到文本初始特征；通过卡方检验特征选择方法筛选出枢轴特征，作为跨领域任务中的枢轴特征，其余特征为非枢轴特征；再利用得到的枢轴特征，通过神经结构对应学习对两个领域的非枢轴特征进行枢轴特征预测得到特征迁移；利用源域文本的初始特征和迁移特征来训练logistics分类器，并用目标域的文本特征和迁移特征来进行测试，进而得到目标领域的分类结果。

基本信息

专利标题：

改进特征选择的神经结构对应学习跨领域情感分类方法

专利标题（英）：

暂无

公开（公告）号：

CN110489753A

申请号：

CN201910751457.9

公开（公告）日：

2019-11-22

申请日：

2019-08-15

授权号：

CN110489753B

授权日：

2022-06-14

发明人：

相艳梁俊葛余正涛线岩团熊馨许莹

申请人：

昆明理工大学

申请人地址：

云南省昆明市五华区学府路253号

代理机构：

代理人：

优先权：

CN201910751457.9

主分类号：

G06F17/27

IPC分类号：

G06F17/27 G06K9/62