计算机科学与探索

作者：陈洁, 李帅, 赵姝, 张燕平

单位：安徽大学 计算机科学与技术学院，合肥 230601

关键词：情感分析,三支决策,鲁棒性,多粒度特征表示,特征融合

文本数据在情感分类时往往会出现一些较难分类的模糊数据，这些模糊数据因其不确定性在模型训练时易出现过拟合现象，影响模型的鲁棒性。三支决策理论将初始样本划分为确定域和不确定域，模糊数据所在的不确定域如何选取合适特征表示以便下游任务，是目前三支决策情感分析模型面临的挑战。针对此挑战，提出一个基于三支决策不确定域特征表示的鲁棒性情感分析模型（UFR-SA）。首先，基于三支决策理论划分确定域和不确定域，针对不确定域中的模糊样本，定义异类样本点对，构造多粒度特征表示。其次，设计多特征融合模型，将多粒度特征表示送入多层感知网络，以融合各粒度特征优势。最后，对于确定域和不确定域的测试样本采用分而治之的策略，确定域数据用原始特征表示，不确定域中的模糊数据用融合后的鲁棒性特征表示。在SST-2、SST-5以及CR数据集上的实验结果表明，UFR-SA有效降低了模糊数据对模型的干扰，优于目前最好的模型性能。

来源：2023年第12期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2023年第12期