.png){kind=icon}
返回
Multi-scale Convolutional Fusion with Contrastive Feature Alignment for Imbalanced Data Classification
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-031-97141-9_1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，随着社交媒體和評論平台等在線空間中用戶生成內容的爆炸式增長，自動文本分析對企業市場營銷和社會趨勢理解變得至關重要。反語對情感分析和意見挖掘構成顯著挑戰，因其表面意義通常與其真實意圖相矛盾，嚴重影響準確性。為此，我們提出了一種多尺度卷積融合與對比特徵對齊（MSCF-CFA）模型，旨在捕捉語義差異的同時有效處理不平衡數據分類。該模型整合了多尺度卷積融合（MSCF）以捕捉各種尺度的依賴關係，對比特徵對齊（CFA）利用對比學習增強類別特徵表示，並調整損失函數，旨在有效檢測反語獨有的複雜模式，同時解決數據不平衡問題。使用反語檢測數據集的實驗表明，MSCF-CFA在所有評估指標上均優於現有方法和處理不平衡數據的模型。此外，特徵可視化和消融研究證實，MSCF、CFA和損失函數調整顯著提升了類別分離度，使其成為模型有效性的關鍵組成部分。本研究證明了多層次特徵提取和對比學習在先進語言理解任務（包括反語檢測）中的有效性，並為進一步應用開啟了新的可能性。
Keyword:
Convolutional Neural Network
Feature Alignment
Contrastive Learning
Class Imbalance
Sarcasm Detection
期刊
N
IF:
0
论文数:
30
被引数:
0
机构
引用论文
Sarcasm Detection Using Multi-Head Attention Based Bidirectional LSTM基于多头注意力的双向LSTM讽刺检测.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏VDCL: A supervised text classification method based on virtual adversarial and contrast learning
PREAI
分享收藏Enhancing Cross-Lingual Sarcasm Detection by a Prompt Learning Framework with Data Augmentation and Contrastive Learning通过数据增强和对比学习的数据增强和对比学习的提示学习框架增强跨语言反讽检测Electronics
OAAI
ElectronicsIF0
OAAI分享收藏Enhancing detection of malicious profiles and spam tweets with an automated honeypot framework powered by deep learning基于深度学习的自动化蜜罐框架，用于提升恶意用户资料和垃圾推文的检测能力
PREAI
分享收藏
查看更多内容