一种基于知识迁移的多领域情感分类方法及系统

本发明提供了一种基于知识迁移的多领域情感分类方法及系统。本发明从每个领域挖掘出先验频数作为领域知识，并基于本地字典将挖掘出的知识保存在知识库中，再使用存储在知识库中的知识修正目标领域的模型参数，最后基于修正结果利用训练好的情感分类器模型获得面向目标领域的情感分类预测结果。本发明充分考虑了多领域评论数据中蕴含的共性情感知识，以联邦学习的方式利用其它领域的知识来帮助目标领域的分类任务，从而提高目标领域的情感分类性能，避免了对领域原始数据的访问和使用，能够有效应对样本选择偏差、领域情感特异、数据隐私等问题，保障了各领域数据的隐私性和安全性，具有复杂度低、效率高、准确度高、安全性强、可实施性强的优点。