跨域情感分析领域推荐图：一项20领域研究的发现
计算与语言
2020-04-10 v1
摘要
跨域情感分析（CDSA）有助于解决目标领域标注数据不可用或不足场景下的数据稀缺问题。然而，对于选择从哪个领域（称为源领域）进行迁移的决策，至多凭直觉。本文中，我们研究文本相似度度量以促进CDSA的源领域选择。我们报告了在20个领域（所有可能的领域对）上使用11种相似度度量的结果。具体而言，我们比较了这些度量在不同领域对上的CDSA性能，以便在给定目标领域时能够选择合适的源领域。这些度量包括两种用于评估领域适应性的新度量，以辅助标注数据的源领域选择，并利用基于词与句子的嵌入作为无标注数据的度量。我们实验的目标是生成一张推荐图，为给定目标领域给出CDSA的K个最佳源领域。我们表明，我们的相似度度量返回的top-K源领域在不同K值下精度均超过50%。
引用
@article{arxiv.2004.04478,
title = {Recommendation Chart of Domains for Cross-Domain Sentiment Analysis:Findings of A 20 Domain Study},
author = {Akash Sheoran and Diptesh Kanojia and Aditya Joshi and Pushpak Bhattacharyya},
journal= {arXiv preprint arXiv:2004.04478},
year = {2020}
}
备注
12th Edition of Language Resources and Evaluation Conference (LREC 2020)