2024年7月,研究生团队博士生王乾龙和温志渊合作的论文 “Cross-Domain Sentiment Analysis via Disentangled Representation and Prototypical Learning”获情感计算领域顶级国际期刊 IEEE Transactions on Affective Computing 录用。
跨领域情感分析(Cross-Domain Sentiment Analysis, CDSA)旨在使用从标注的源领域数据中学习到的情感分类器来预测目标领域文本的情感极性。大多数现有研究主要采用对抗学习思路,在源领域和目标领域中学习领域不变的情感表示(domain-invariant sentiment representations)。然而,由于情感特定特征未被显式分离,模型可能会混淆领域特征与情感特征,导致影响其在目标领域的泛化能力。本文从解耦表示学习(disentangled representation learning)的角度解决CDSA任务,特别关注情感和领域语义的解耦表示。具体来说,我们通过两种不同的线性变换解耦出评论文本表示中的情感特定特征和领域特定特征。然后,我们引入了一个解耦损失,以防止情感特定特征捕捉领域相关信息。此外,我们利用目标领域的未标注数据,通过原型学习(prototypical learning)来提高所学习情感特定特征的质量。我们在广泛使用的CDSA数据集上进行了大量实验,结果表明所提出方法性能超越了所有基准方法,显示出其有效性和优越性。
方法架构图
IEEE Transactions on Affective Computing是情感计算领域的重要国际期刊,影响因子11.2,JCR Q1期刊,在中科院学术推荐列表(升级版)中为二区期刊,CCF-B类期刊。
论文信息:
Qianlong Wang, Zhiyuan Wen, Keyang Ding, Bin Liang, and Ruifeng Xu*. Cross-Domain Sentiment Analysis via Disentangled Representation and Prototypical Learning. IEEE Transactions on Affective Computing. 2024