一种基于强化迁移学习的跨领域样本迁移方面级情感分类方法

本发明公开了一种基于强化迁移学习的跨领域样本迁移方面级情感分类方法。在跨领域方面级情感分类任务中，针对特定领域方面级情感分类任务重标签数据的稀缺性，提出了一种基于强化迁移学习的跨领域样本迁移方法。本发明首先采用句子级别样本迁移方法在数据层面上解决外部资源依赖与词语噪声过多的问题，同时将源领域低质量样本过滤。其次，在方法层面使用强化迁移学习来根据目标任务及源领域辅助任务的表现自动更新样本选择策略。最后，在训练层面将样本选择过程与目标模型的迁移训练过程联合训练，提高迁移模型的训练效率。实验结果表明，本发明提出的方法优于基线模型，有效提高了跨领域方面级情感分类的准确率。