基于句式元学习的Twitter分类

摘要：

　　针对多类别的社交媒体短文本分类准确率较低的问题,提出一种学习多种句式的元学习方法,用于改善Twitter 文本分类性能。该方法将Twitter 文本聚类为多种句式,各句式结合原类标签成为多样化的新类别,从而原分类问题转化为较多类别的few-shot 学习问题,并训练深层网络学习句式原型编码。使用多个三分类Twitter数据检验本文方法Meta-CNN,结果显示该方法的学习策略简单有效,即便在样本数量不多的情况下,与传统机器学习分类器和部分深度学习分类方法相比,Meta-CNN 仍然能获得较好的分类准确率和F1 值。

关键词： 元学习 少次学习 情感分析 卷积神经网络

作者: 闫雷鸣 王超智 严璐绮 贺嘉会 吴宏煜

作者单位: 南京信息工程大学计算机与软件学院,江苏省网络监控工程中心,南京 210044

会议类型: 国际会议

会议名称: 2018自然语言处理与中文计算国际会议(NLPCC2018)

会议地点: 呼和浩特

会议语种:中文

页码: 1-8

在线出版日期: 2018-08-26（万方平台首次上网日期，不代表论文的发表时间）