采用生成对抗网络的金融文本情感分类方法

发布时间：2024-04-25 03:53

　　针对目前金融领域文本存在标注资源匮乏的问题,提出一种基于生成对抗网络的金融文本情感分类方法.该方法以边缘堆叠降噪自编码器生成鲁棒性特征表示作为输入,在生成对抗过程中,通过向文本表示向量添加噪声向量再生成新样本,应用对抗学习思想优化文本特征表示.在公开的跨领域情感评论Amazon数据集和金融领域数据集上进行实验,并与基准实验对比,结果表明,该方法在平均准确率上有显著提升.

【文章页数】：6 页

【部分图文】：

图1基于生成对抗网络的跨领域文本情感分类模型

在跨领域文本情感分类任务中,生成对抗网络学习到源领域和目标领域共享的特征表示,若模型无法对样本数据隶属于哪个领域做出判别,那么可认为该模型学习到了两个领域共享的特征表示,利用该特征表示来构建情感分类器,提高跨领域情感分类器的性能.受文献[10]启发,本节提出的基于生....