基于域内对比学习的跨域情感分类
计算与语言
2020-12-08 v1 机器学习
摘要
对比学习（CL）作为一种强大的表示学习方法已取得成功。本文提出一种用于跨域情感分类的对比学习框架。我们的目标是诱导出域不变的最优分类器，而非进行分布匹配。为此，我们引入了域内对比学习与熵最小化。此外，我们通过消融研究发现，在标签分布偏移较大的情况下这两种技术表现不同，并得出结论：最佳做法是依据标签分布偏移自适应地选择其中之一。我们的模型在标准基准上取得的新最优结果显示了所提方法的有效性。
引用
@article{arxiv.2012.02943,
title = {Cross-Domain Sentiment Classification with In-Domain Contrastive Learning},
author = {Tian Li and Xiang Chen and Shanghang Zhang and Zhen Dong and Kurt Keutzer},
journal= {arXiv preprint arXiv:2012.02943},
year = {2020}
}
备注
10pages, 2 figures, accepted to NeurIPS 2020 Workshop on Self-supervised Learning. arXiv admin note: text overlap with arXiv:2010.16088