通过改变损失函数的方式，把语言学规则（情感词典，否定词和程度副词）融入到现有的句子级LSTM情感分类模型中。一、相关工作1、情感分类的神经网络模型近年来，出现了很多解决情感分类问题的神经网络模型，主要有：通过递归编码建立句子的语义表示，输入文本通常是树结构的，具体工作可参考：[Socher et al. 2011] Semi-Supervised
原创
2022-03-20 16:08:26
84阅读
通过改变损失函数的方式，把语言学规则（情感词典，否定词和程度副词）融入到现有的句子级LSTM情感分类模型中。一、相关工作1、情感分类的神经网络模型近年来，出现了很多解决情感分类问题的神经网络模型，主要有：通过递归编码建立句子的语义表示，输入文本通常是树结构的，具体工作可参考：[Socher et al. 2011] Semi-Supervised
原创
2021-05-20 23:29:38
341阅读
最近看了几篇nlp相关的顶会论文，又发现了一条提高文本分类精度的新思路，即增加外部的信息，就是这么简单的一句话，就蕴含了很丰富的道理，下面我来娓娓道来。常规的处理自然语言的方法（无论是统计语言模型方法还是神经网络语言方法）所分析的对象都是一句话或者一篇文档，也就是说我们得到的关于某句话的所有信息只能全部来自于这句话的文本内容（传统的论文创新无非就是在处理这些文本的方式上进行改变
转载
2021-05-07 18:18:14
313阅读
最近看了几篇nlp相关的顶会论文，又发现了一条提高文本分类精度的新思路，即增加外部的信息，就是这么简单的一句话，就蕴含了
转载
2022-04-11 10:15:11
122阅读
和过去写的《 融入了外部Linguistically信息的情感分析模型》博客提到的基本原理一样，今天要介绍的模型在进行情感分析的时候同样不仅仅只考虑单条的文本信息，也引入了外部的信息，只不过这个信息不再是Linguistically，而是context的。这篇博客参考了论文《Modeling Rich Contexts for Sentiment Classification with L
转载
2021-05-07 18:18:52
249阅读
目录前言传统常见的Free Lunch for Few-shot Learning: Distribution CalibrationLearning to Augment for Data-Scarce Domain BERT Knowledge DistillationMixText: Linguistically-Informed Interpolation of Hidden Space
