公开(公告)号：CN114429143A

公开(公告)日：2022-05-03

申请号：CN202210044125.9

申请日：2022-01-14

Applicant: 东南大学

Inventor： 吴含前 ,  王志可 ,  吴国威 ,  李露

IPC: G06F40/44 ,  G06F40/58 ,  G06F40/30 ,  G06F16/35 ,  G06N3/04

Abstract: 本发明提供了一种基于强化蒸馏的跨语言属性级情感分类方法，基于源语言语料训练一个教师网络，基于知识蒸馏框架将源语言语料中的属性情感信息迁移到目标分类器中；采用序列选择器根据特定的属性从目标翻译句子序列中选择属性情感相关的信息，向目标分类器提供去噪后的句子序列表示；使用自注意力层构建基于跨语言蒸馏的目标分类器，建模属性序列与去噪后的目标翻译句子序列间的细粒度交互。本发明缓解了翻译语料与真实语料之间的领域偏差问题，目标分类器具有更强的泛化能力。本发明能够充分利用源语言与目标翻译中有效的属性情感信息，同时更好地建模句子与属性之间的细粒度交互。本发明在情感分类的各方面性能都较基线方法有了一定提升。

公开(公告)号：CN114238636A

公开(公告)日：2022-03-25

申请号：CN202111529633.8

申请日：2021-12-14

Applicant: 东南大学

Inventor： 吴含前 ,  王志可 ,  王启鹏 ,  姚莉 ,  李露

IPC: G06F16/35 ,  G06F40/211 ,  G06F40/263 ,  G06F40/58 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于翻译匹配的跨语言属性级情感分类方法，该方法能够利用语料资源丰富的源语言提升语料资源稀缺的目标语言属性级情感分类的性能，包括领域分类和属性情感分类两部分，在模型构建过程中基于模型特征设置了模型的超参，包括多头自注意力层数量、梯度反转超参值等。领域分类利用领域判别器与语言编码器的对抗训练减小机器翻译导致真实语言与翻译语言的领域偏差问题，属性情感分类对属性序列表示和句子序列表示细粒度交互获得属性级句子表示，然后通过全连接层和softmax层获得最终情感预测结果。本发明提出的属性级情感分类模型构建代价小，并且对比试验验证结果表明，相较于其他模型，本发明提出的属性级情感分类模型结果最优。

公开(公告)号：CN114238636B

公开(公告)日：2024-12-06

申请号：CN202111529633.8

申请日：2021-12-14

Applicant: 东南大学

Inventor： 李露 ,  王志可 ,  王启鹏 ,  姚莉 ,  吴含前

IPC: G06F16/35 ,  G06F40/211 ,  G06F40/263 ,  G06F40/58 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/096

Abstract: 本发明公开了一种基于翻译匹配的跨语言属性级情感分类方法，该方法能够利用语料资源丰富的源语言提升语料资源稀缺的目标语言属性级情感分类的性能，包括领域分类和属性情感分类两部分，在模型构建过程中基于模型特征设置了模型的超参，包括多头自注意力层数量、梯度反转超参值等。领域分类利用领域判别器与语言编码器的对抗训练减小机器翻译导致真实语言与翻译语言的领域偏差问题，属性情感分类对属性序列表示和句子序列表示细粒度交互获得属性级句子表示，然后通过全连接层和softmax层获得最终情感预测结果。本发明提出的属性级情感分类模型构建代价小，并且对比试验验证结果表明，相较于其他模型，本发明提出的属性级情感分类模型结果最优。