[发明专利]一种基于领域对抗自适应的跨领域文本情感分类方法

摘要

本发明公开了一种基于领域对抗自适应的跨领域文本情感分类方法，该方法包括：输入源领域和目标领域样本的词向量矩阵、类别标签和领域标签；利用基于卷积神经网络的特征提取模块，提取样本的低层特征；在主任务模块构建基于源领域和目标领域分布一致性的约束，将低层样本映射到再生核希尔伯特空间，学习具有可转移性的高层特征；将源领域的高层特征输入类别分类器，在减小领域差异的基础上，保证分类器对样本具备类别判别性；在辅助任务模块构建基于对抗学习的领域不变性约束，将低层特征输入具有对抗性质的领域分类器，令分类器尽可能无法判别样本所属领域，从而提取具有领域不变性的高层特征，有效解决了源领域分类器到目标领域的迁移问题。

主权项

1.一种基于领域对抗自适应的跨领域文本情感分类方法，其特征在于：该方法包括以下步骤：步骤1，输入源领域和目标领域样本的词向量矩阵、情感类别标签和领域标签；步骤2，利用基于CNN的特征提取模块，提取源领域和目标领域样本的低层特征；步骤3，构建主任务模块，提取具有可转移性、对标签具有判别性的高层特征；步骤3.1，通过高斯核函数将低层特征映射到RKHS，在该空间中利用MMD度量源领域和目标领域样本的距离；步骤3.2，将源领域高层特征作为训练数据输入类别分类器；步骤4，构建辅助任务模块，将低层特征作为训练数据输入具有对抗性质的领域分类器，提取具有领域不变性的高层特征。步骤5，将目标领域样本输入已训练好的模型，输出文本数据情感类别的结果。