检索结果-南通市图书馆

数据分析与知识发现 2024年第3期8卷 77-84页

作者：黄泰峰马静南京航空航天大学经济与管理学院南京211106

【目的】解决在样本量不足的情况下,使用预训练模型进行情感分类准确率偏低的问题。【方法】提出一种基于提示学习增强的情感分类模型pe-roberta,以roberta模型为基础,使用不同于传统微调方法的集成提示方法,通过提示帮助模型进一步理... 详细信息

【目的】解决在样本量不足的情况下,使用预训练模型进行情感分类准确率偏低的问题。【方法】提出一种基于提示学习增强的情感分类模型pe-roberta,以roberta模型为基础,使用不同于传统微调方法的集成提示方法,通过提示帮助模型进一步理解下游任务,改善模型对文本情感特征的提取能力。【结果】在多个公开的中英文情感分类数据集上的实验表明,少样本场景下模型的平均情感分类准确率为93.2%,相较于传统微调和离散型提示,准确率分别提升13.8%和8.1%个百分点。【局限】处理的数据模态仅限于文本形式,目标任务主要为情感二分类任务,没有做细粒度更高的情感分类任务。【结论】pe-roberta模型能够有效地进行文本情感特征的提取,在多个情感分类任务中取得较高的准确率。

关键词： pe-roberta 情感分类提示学习特征提取

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于提示学习增强的文本情感分类算法

引用

数据分析与知识发现 2023年

作者：黄泰峰马静南京航空航天大学经济与管理学院

[目的]解决在样本量不足的情况下，使用预训练模型进行情感分类准确率偏低的问题。[方法]本文提出了一种基于提示学习增强的情感分类算法pe(prompt ensemble)-roberta，以roberta模型为基础，使用不同于传统微调方法的集成提示方法，通... 详细信息

[目的]解决在样本量不足的情况下，使用预训练模型进行情感分类准确率偏低的问题。[方法]本文提出了一种基于提示学习增强的情感分类算法pe(prompt ensemble)-roberta，以roberta模型为基础，使用不同于传统微调方法的集成提示方法，通过提示帮助模型进一步理解下游任务，改善模型对文本情感特征的提取能力。[结果]在多个公开的中英文情感分类数据集上的实验表明，少样本场景下模型平均的情感分类准确率为93.2%，相较于微调，离散型提示而言，本模型准确率分别提升了13.8%和8.1%。[局限]本方法处理的数据模态仅限于文本形式，目标任务主要为情感二分类任务，没有做细粒度更高的情感分类任务。[结论]本文提出的pe-roberta能够有效地进行文本情感特征的提取，在多个情感分类任务中取得较高的准确率。

关键词： pe-roberta 情感分类提示学习特征提取

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：