基于对抗学习的讽刺识别研究

摘要：

　　为了克服现有讽刺识别方法的性能受到训练数据缺乏的影响，在使用有限标注数据训练的注意力卷积神经网络基础上，提出一种对抗学习框架，该框架包含两种互补的对抗学习方法。首先提出一种基于对抗样本的学习方法，应用对抗生成的样本参与模型训练，以期提高分类器的鲁棒性和泛化能力。进而，研究基于领域迁移的对抗学习方法，以期利用跨领域讽刺表达数据，改善模型在目标领域上的识别性能。在3 个讽刺数据集上的实验结果表明，两种对抗学习方法都能提高讽刺识别的性能，其中基于领域迁移的方法带来的性能提升更加显著； 同时结合两种对抗学习方法能够进一步提高讽刺识别性能。

关键词： 讽刺识别 对抗学习 注意力机制 卷积神经网络 对抗样本

作者: 张庆林 杜嘉晨 徐睿峰

作者单位: 哈尔滨工业大学(深圳)计算机科学与技术学院,深圳 518055

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: 1-9

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）