用于跨领域情感分类的分层注意力生成对抗网络
机器学习
2019-03-28 v1 机器学习
摘要
跨领域情感分类（CDSC）是领域自适应与情感分类中的一项重要任务。由于领域差异，在源领域数据上训练的情感分类器在目标领域数据上可能表现不佳。近年来，许多研究者使用深度神经网络模型处理跨领域情感分类任务，其中不少利用梯度反转层（GRL）设计对抗网络结构以训练领域共享的情感分类器。与这些方法不同，我们提出了分层注意力生成对抗网络（HAGAN），其交替训练生成器与判别器，以产生在情感上可区分但在领域上不可区分的文档表示。此外，HAGAN模型应用双向门控循环单元（Bi-GRU）将词与句子的上下文信息编码进文档表示。另外，HAGAN模型使用分层注意力机制优化文档表示并自动捕获枢纽词与非枢纽词。在Amazon评论数据集上的实验表明了HAGAN的有效性。
引用
@article{arxiv.1903.11334,
title = {Hierarchical Attention Generative Adversarial Networks for Cross-domain Sentiment Classification},
author = {Yuebing Zhang and Duoqian Miao and Jiaqi Wang},
journal= {arXiv preprint arXiv:1903.11334},
year = {2019}
}