一种基于知识蒸馏和领域对抗的跨任务跨领域方面级情感分类方法

本发明公开一种基于知识蒸馏和领域对抗的跨任务跨领域方面级情感分类方法。该方法主要包括两个关键部分：基于对抗学习的领域泛化研究和基于知识蒸馏的跨任务知识迁移策略。在领域对抗方面，在教师模型的训练过程中通过对抗学习技术实现领域泛化，使模型更好地适应不同领域的语言特征，提高在目标领域上的性能。在知识蒸馏方面，采用教师‑学生模型框架。通过从源任务进行篇章级情感分类中训练的教师模型向目标任务进行方面级情感分类的学生模型传递知识，从而解决目标任务上标签不一致的问题。在Amazon文档级情感分类数据集，餐厅和笔记本电脑两个方面级情感分类验证了在跨任务跨领域情感分析任务中取得了显著性能提升，优明显于基线方法。