基于监督对比学习和特征解纠缠的跨领域情感分类方法

本发明公开了一种基于监督对比学习和特征解缠的跨领域情感分类方法，包括：1、给定源域标记文本数据集和目标域无标签文本数据集；2、构建第一阶段的跨领域情感分类网络，并对数据进行处理，得到预测的二元情感标签概率分布和领域标签概率分布；3构建第一阶段的跨领域情感分类网络的第一联合损失，并使用梯度反向传播算法对第一阶段的跨领域情感分类网络进行优化，得到第一阶段初步训练后的跨领域情感分类模型；4、构建第二阶段的跨领域情感分类网络，得到新的二元情感标签概率分布；5、构建第二阶段的跨领域情感分类网络的第二联合损失，并进行第二次优化，得到高性能的跨领域情感分类模型。本发明可用于高精度的跨领域情感分类。