用于领域自适应的嵌入投影：多异质领域中情感分析的联合建模
计算与语言
2018-06-15 v2
摘要
情感分析的领域自适应具有挑战性，因为有监督分类器对领域变化非常敏感。该问题最突出的两种方法是结构对应学习和自编码器。然而，它们要么需要较长的训练时间，要么在高度分歧的领域上表现大幅下降。受跨语言情感分析近期进展的启发，我们提供了一种新颖视角，将领域自适应问题视为嵌入投影任务。我们的模型以两个单领域嵌入空间为输入，学习将它们投影到双领域空间，该空间被联合优化以（1）跨领域投影和（2）预测情感。我们在20个源-目标领域对上进行了情感分类的领域自适应实验，并在包括Amazon领域自适应数据集以及SemEval 2013和2016数据集在内的11个领域对上报告了新颖的SOTA结果。我们的分析表明，在相似领域上我们的模型与SOTA方法表现相当，而在高度分歧的领域上表现显著更好。我们的代码可在 https://github.com/jbarnesspain/domain_blse 获取。
引用
@article{arxiv.1806.04381,
title = {Projecting Embeddings for Domain Adaptation: Joint Modeling of Sentiment Analysis in Diverse Domains},
author = {Jeremy Barnes and Roman Klinger and Sabine Schulte im Walde},
journal= {arXiv preprint arXiv:1806.04381},
year = {2018}
}
备注
Accepted to COLING 2018