面向方面级情感分析的渐进式机器学习
机器学习
2019-07-02 v2 机器学习
摘要
方面级情感分析(ALSA)的最先进解决方案建立在多种深度神经网络(DNN)之上,其功效依赖于大量准确标注的训练数据。遗憾的是,高质量的标注训练数据通常需要昂贵的人工劳动,因此在真实场景中可能无法轻易获得。本文中,我们基于最近提出的渐进式机器学习范式,提出了一种新颖的ALSA解决方案,该方案能够在无需人工标注工作的情况下实现有效的机器标注。它从ALSA任务中的一些简单实例开始,这些实例可由机器以高准确率自动标注,然后通过迭代因子图推断逐步标注更具挑战性的实例。在渐进式机器学习过程中,困难实例基于已标注简单实例所提供的估计证据确定性,以小阶段逐步被标注。我们在基准数据集上的大量实验表明,所提方案的性能明显优于其无监督替代方案,并且与最先进的有监督DNN技术相比也极具竞争力。
引用
@article{arxiv.1906.02502,
title = {Gradual Machine Learning for Aspect-level Sentiment Analysis},
author = {Yanyan Wang and Qun Chen and Jiquan Shen and Boyi Hou and Murtadha Ahmed and Zhanhuai Li},
journal= {arXiv preprint arXiv:1906.02502},
year = {2019}
}
备注
arXiv admin note: text overlap with arXiv:1810.12125