Scifaro

中文

用于细粒度Twitter情感分析的多任务学习

信息检索 2017-07-13 v1 计算与语言机器学习

作者: Georgios Balikas , Simon Moura , Massih-Reza Amini

在 arXiv 上查看 ↗ PDF ↗ DOI ↗

摘要

传统的情感分析方法通过分别学习任务来解决诸如三元（3类）和细粒度（5类）分类等问题。我们认为此类分类任务相互关联，并提出了一种基于循环神经网络的多任务方法，通过联合学习它们而获益。我们的研究展示了多任务模型在这类问题上的潜力，并改进了细粒度情感分类问题上的state-of-the-art结果。

关键词

多任务学习情感分析细粒度分类 Twitter 循环神经网络三元分类最先进(state-of-the-art)

引用

@article{arxiv.1707.03569,
  title  = {Multitask Learning for Fine-Grained Twitter Sentiment Analysis},
  author = {Georgios Balikas and Simon Moura and Massih-Reza Amini},
  journal= {arXiv preprint arXiv:1707.03569},
  year   = {2017}
}

备注

International ACM SIGIR Conference on Research and Development in Information Retrieval 2017