Dynamic domain information modulation algorithm for multi-domain sentiment analysis

doi:10.1016/j.knosys.2025.114465

Dynamic domain information modulation algorithm for multi-domain sentiment analysis

2025-09-21

0

PRE

AI

岳春漪 (Chunyi Yue)

A

Ang Li

DOI：10.1016/j.knosys.2025.114465

原文链接

原文求助

摘要

En 中文

多领域情感分类旨在通过利用多个领域的标注数据，来提升受限于单领域有限标注数据的模型性能。同时训练领域分类器和情感分类器的模型已显示出其益处。在该框架中，领域分类充当辅助任务，为情感分析提供关键信息。通常假设情感分类任务的重要性在所有领域中保持一致。相比之下，领域分类任务则表现出差异性，因为领域信息对情感分析的影响因领域而异。这种差异性可通过可调权重或超参数来管理。然而，随着领域数量的增加，现有的超参数优化算法面临若干挑战，包括（1）高计算需求，（2）收敛困难，（3）算法复杂度增加。为高效生成情感分类所需的领域特定信息，我们提出了一种动态信息调制算法。具体而言，训练过程分为两个阶段。第一阶段，建立一个全局调制因子，用于控制所有领域中的领域分类任务比例。第二阶段，我们引入一种创新的跨领域平衡调制算法，以优化输入文本中嵌入的领域信息。这种优化通过基于梯度和损失的方法实现。实验结果表明，我们的方法在大多数领域中持续提升了性能，在16个Amazon领域中的10个上实现了0.3%–1.0%的提升，在5个Yelp领域中的3个上实现了0.5%–1.5%的提升，同时在其他领域中保持了与基线模型相当的性能。

Dynamic domain information modulation algorithm for multi-domain sentiment analysis

摘要

期刊

机构

引用论文