面向跨域情感分析的纯粹对比学习
计算与语言
2022-08-19 v1 人工智能
摘要
跨域情感分析旨在利用在源域上训练的模型预测目标域文本的情感，以应对标注数据稀缺的问题。以往研究多为基于交叉熵的方法，存在不稳定与泛化性差的问题。本文中，我们探索对比学习在跨域情感分析任务上的应用。我们提出一种带批内负样本的改进对比目标，使得同一类别的句子表示在潜空间中被拉近，而不同类别的表示被推远。在两个广泛使用的数据集上的实验表明，我们的模型在跨域与多域情感分析任务上均能取得最先进的性能。同时，可视化展示了将源域所学知识迁移至目标域的有效性，对抗测试验证了模型的鲁棒性。
引用
@article{arxiv.2208.08678,
title = {Mere Contrastive Learning for Cross-Domain Sentiment Analysis},
author = {Yun Luo and Fang Guo and Zihan Liu and Yue Zhang},
journal= {arXiv preprint arXiv:2208.08678},
year = {2022}
}