基于领域适应的词向量在情感分类中的应用

May, 2018

基于领域适应的词向量在情感分类中的应用

Domain Adapted Word Embeddings for Improved Sentiment Classification

Prathusha K Sarma, YIngyu Liang, William A Sethares

TL;DR该论文提出了一种将通用词嵌入的广度与领域特定词嵌入的特異性相结合的方法，通过使用规范相关分析 (CCA) 或相关的非线性内核 CCA 对应的单词向量进行对齐来形成称为领域自适应 (DA) 词嵌入，其评估结果表明，在用于标准或最先进的分类算法的输入特征时，DA 嵌入在情绪分类任务中显着优于通用和 DS 嵌入。

Abstract

Generic word embeddings are trained on large-scale generic corpora; Domain Specific (DS) word embeddings are trained only on data from a domain of interest. This paper proposes a method to combine the breadth of

word embeddings domain specific canonical correlation analysis sentiment classification sentence encoding

发现论文，激发创造

学习领域敏感和情感感知的词嵌入

该文介绍了一种新的方法，通过同时捕获情感语义和单词的域敏感性的信息来学习领域敏感且情感感知的词嵌入向量。实验结果表明，该模型在句子和词库级别上都提供了学习领域敏感和情感感知词嵌入向量的有效方法。

May, 2018

领域自适应的嵌入投影：多样领域情感分析联合建模

通过将领域适应问题视为嵌入投影任务，我们提出了一种新的方法，该模型可以将两个单域嵌入空间投影到一个双域空间，以预测情感分类，并在 20 个来源目标域对情感分类进行领域适应实验，并在高度背离的域中表现明显优于现有技术。

Jun, 2018

面向神经机器翻译的无监督领域自适应与领域感知特征嵌入

提出一种通过使用语言建模来学习领域感知特征嵌入，在多个实验中提高神经机器翻译性能的方法，该方法允许使用者指定特定领域的文本表示。

Aug, 2019

从未标记的语料库中诱导特定领域情感词典

通过使用领域特定的词向量和标签传播框架，结合少量种子单词，创造与手动资源相媲美的精准的领域特定情感词典，用于量化情感在时间和社区之间的差异，并在此基础上，提出了历史情感词汇表和社区特定情感词汇表。

Jun, 2016

通过因果调整实现跨域情感分析的领域泛化

本文研究领域适应在跨领域情感分析中的应用，提出基于背景调整的因果模型来解决领域转移问题，并在多个数据集上与现有方法进行了比较。

Feb, 2024

多域情感分析的数据选择策略

本文介绍了一个关于在情感分析中领域适应的研究。我们对领域相似度度量进行了广泛的研究，提出了新的表示方法、度量方法和数据选择。在推文和评论的大规模多领域适应设置中，我们评估了所提出的方法，并证明了它们一致地优于强随机和平衡的基线方法，而我们的选择策略优于实例级选择，并在大型评论语料库上获得了最佳分数。

Feb, 2017

利用适配器实现句子嵌入的高效领域自适应

使用适配器实现参数高效的领域适应方法，通过仅训练少量额外参数而不更新整个句子嵌入模型的权重，以实现句子嵌入在特定领域的适应。结果表明，在仅训练约 3.6% 的参数的情况下，使用适配器进行句子嵌入的领域适应可以获得与完全调整的模型性能相似的结果。

Jul, 2023

跨领域语义增强在检测抑郁语言中的综合实证分析

研究在数据量少的情况下，如何利用数据增强方法，将大规模预训练语料库中的词向量嵌入模型与特定领域语料库中的词向量嵌入模型相结合，以提高在抑郁语言检测任务中的表现，结果显示该数据增强方法可以显著提高模型性能。

Jun, 2021

基于指南针对齐的分布式嵌入，用于研究语料库间的语义差异

本文提出了一个通用框架，用于支持使用单词嵌入进行跨语料库的语言研究，其中可以比较从不同语料库生成的嵌入项，以找出语料库之间的含义对应和差异。该框架的核心组件是 CADE，重点解决了从不同语料库生成的嵌入项的对齐问题。经过实验，结果表明 CADE 在时间词嵌入，语言本地化和主题分析等各个领域都达到了最先进或更优异的性能。

Apr, 2020

用基于正则化的简单算法学习跨领域词嵌入

本文提出了一种基于不同领域文本的词嵌入学习方法，并通过多个下游 NLP 任务的实验，证明了该方法的有效性。

Feb, 2019