基于因果调整的跨领域情感分析领域泛化
计算与语言
2024-02-23 v1
摘要
领域适应已被广泛应用于跨领域情感分析，以将知识从源领域迁移到目标领域。然而，大多数方法是在目标（测试）领域已知的前提下提出的，这使得它们在无法总是获取未知测试数据的实践中无法很好地泛化。在本文中，我们关注跨领域情感分析的领域泛化问题。具体而言，我们提出了一种基于后门调整的因果模型，以解耦在处理领域偏移中起关键作用的领域特定与领域不变表示。首先，我们从因果视角重新思考跨领域情感分析任务，以建模不同变量之间的因果关系。然后，为了学习不变特征表示，我们使用后门调整来消除领域混淆因子（如领域知识）的影响。通过在多个同源和多样化数据集上的一系列实验，将我们的模型与最先进的领域泛化基线进行比较，展示了其优异的性能和鲁棒性。
引用
@article{arxiv.2402.14536,
title = {Domain Generalization via Causal Adjustment for Cross-Domain Sentiment Analysis},
author = {Siyin Wang and Jie Zhou and Qin Chen and Qi Zhang and Tao Gui and Xuanjing Huang},
journal= {arXiv preprint arXiv:2402.14536},
year = {2024}
}