适应 BERT 进行连续学习的观点情感分类任务序列

Dec, 2021

适应 BERT 进行连续学习的观点情感分类任务序列

Adapting BERT for Continual Learning of a Sequence of Aspect Sentiment Classification Tasks

Zixuan Ke, Hu Xu, Bing Liu

TL;DR本研究提出一种基于胶囊网络的 B-CL 模型，通过前向和后向知识转移解决连续学习情感分类任务中的迁移学习和维持旧任务表现的问题，经过广泛的实验证明，该模型能够显著提高情感分类任务的性能。

Abstract

This paper studies continual learning (CL) of a sequence of aspect sentiment classification (ASC) tasks. Although some CL techniques have been proposed for document sentiment classification, we are not aware of any CL work on ASC. A CL system that incrementally learns a sequence of ASC

continual learning aspect sentiment classification transfer learning capsule network performance improvement

发现论文，激发创造

CLASSIC: 方面情感分类任务的持续性和对比性学习

本文研究了一种称为领域增量学习（DIL）的特定连续学习（CL）环境下，一系列方面情感分类（ASC）任务的 CL。该论文提出了一种名为 CLASSIC 的新模型，具有对比连续学习方法，使得在测试中不需要任务 ID，能够实现跨任务的知识转移和知识蒸馏。实验结果表明 CLASSIC 的高效性。

Dec, 2021

基于持续学习的大规模语言模型的提升在于基于方面的情感分析

提出了一种基于大型语言模型的连续学习（LLM-CL）模型，用于情感分析的方面判断（ABSA），通过设计领域知识解耦模块和领域知识热身策略，实现了目标域和历史领域的能力的同时学习，对 19 个数据集进行的大量实验证明，我们的 LLM-CL 模型获得了最新的最佳性能。

May, 2024

一种面向情感分类器的失效及自适应重新加权解决方案

本文提出了一种基于深度学习和自适应重新加权的方案来解决情感分类中的问题，实验证明该方案可以显著提高模型的效果。

Nov, 2019

BERT-ASC: 基于辅助句构建的隐式方面表示学习在情感分析中的应用

本文提出了一种基于辅助句子和 BERT-ASC 的方法，来解决在缺乏标注数据的情况下，针对文本中暗含的方面进行情感分析和分类的问题，并在真实数据集上进行了有效性验证和性能评估。

Mar, 2022

面向方面级别情感分析的渐进式自监督注意力学习

本文提出了一种渐进式自监督注意力学习方法，用于神经网络的方面级情感分类模型，该方法自动从训练语料库中挖掘有用的注意力监督信息来改善注意力机制，实验结果表明，该方法可以提高注意力机制，相对于现有的两个状态 - of-the-art 神经方面级情感分类模型具有明显的优越性。

Jun, 2019

基于局部和全局特征的方面情感分类的联合学习

该研究论文提出了一种基于局部和全局特征的模型，通过设计局部编码器和双级图注意网络，有效地对面向方面的情感分类进行建模，并在 SemEval 2014 和 Twitter 数据集上取得了最先进的性能。

Nov, 2023

RepCL: 持续文本分类有效表示探索

本研究采用基于回放的持续文本分类方法 RepCL，该方法利用对比和生成表示学习目标来捕获更多与类别相关的特征，并引入对抗式回放策略以缓解回放的过拟合问题。实验结果表明，RepCL 能够有效缓解遗忘，并在三个文本分类任务中取得了最先进的性能。

May, 2023

领域适应：基于 BERT 语言模型微调的方面 - 目标情感分类

本文阐述了将领域自适应的 BERT 语言模型与半监督建模进行结合达到最优的 Aspect-Target Sentiment Classification ，并通过不同的数据集得出短语级别情感分类的最新成果，并通过交叉领域验证比较了自适应 BERT 的性能。

Aug, 2019

主动式连续学习：在一系列任务中标记查询

研究了序列任务中主动持续学习（ACL）问题，其中每个任务都包括未标记数据池和注释预算，并发现了主动学习（AL）算法与 CL 算法之间的有效性和相互作用。实验揭示了忘却旧知识和快速学习 CL 和 AL 之间两个相反目标之间的权衡，并提出了一个遗忘 - 学习剖面来平衡 AL 和 CL 对课程增量方案的影响。

May, 2023

提高 BERT 对于基于方面的情绪分析的表现

本文介绍了基于深度学习模型 BERT 的两个模块 Parallel Aggregation 和 Hierarchical Aggregation，用于 Aspect-Based Sentiment Analysis 中的 Aspect Extraction 和 Aspect Sentiment Classification，改善了模型的性能。

Oct, 2020