面向跨领域情感分类的自适应半监督学习
计算与语言
2018-09-05 v1
摘要
我们考虑跨领域情感分类问题，即从源领域学习一个情感分类器并将其泛化到目标领域。我们的方法在嵌入特征空间中显式地最小化源实例与目标实例之间的距离。在源与目标的差异被最小化后，我们通过整合半监督学习的思想来利用来自目标领域的额外信息，为此，我们联合采用两种正则化——熵最小化与自集成引导——以将未标记的目标数据用于分类器精炼。我们的实验结果表明，所提出的方法能更好地利用来自目标领域的未标记数据，并在多种实验设置下相比基线方法取得显著提升。
引用
@article{arxiv.1809.00530,
title = {Adaptive Semi-supervised Learning for Cross-domain Sentiment Classification},
author = {Ruidan He and Wee Sun Lee and Hwee Tou Ng and Daniel Dahlmeier},
journal= {arXiv preprint arXiv:1809.00530},
year = {2018}
}
备注
Accepted to EMNLP2018