跨领域文本情感分类研究进展

作     者：赵传君 王素格 李德玉 ZHAO Chuan-Jun;WANG Su-Ge;LI De-Yu

作者机构：山西财经大学信息学院山西太原030006 山西大学计算机与信息技术学院山西太原030006 计算智能与中文信息处理教育部重点实验室(山西大学)山西太原030006 

出 版 物：《软件学报》 (Journal of Software)

年 卷 期：2020年第31卷第6期

页      面：1723-1746页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61906110,61632011,61573231,61672331,61432011,61603229) 山西省高等学校科技创新项目(2019L0500) 山西省应用基础研究计划(201901D211414) 山西省高等学校优秀成果培育项目(2019SK036) 

主　　题：跨领域文本情感分类 领域适应 迁移学习 研究进展 

摘      要：作为社会媒体文本情感分析的重要研究课题之一,跨领域文本情感分类旨在利用源领域资源或模型迁移地服务于目标领域的文本情感分类任务,其可以有效缓解目标领域中带标签数据不足问题.从3个角度对跨领域文本情感分类方法行了归纳总结:(1)按照目标领域中是否有带标签数据,可分为直推式和归纳式情感迁移方法;(2)按照不同情感适应性策略,可分为实例迁移方法、特征迁移方法、模型迁移方法、基于词典的方法、联合情感主题方法以及图模型方法等;(3)按照可用源领域个数,可分为单源和多源跨领域文本情感分类方法.此外,还介绍了深度迁移学习方法及其在跨领域文本情感分类的最新应用成果.最后,围绕跨领域文本情感分类面临的关键技术问题,对可能的突破方向进行了展望.