| 基于跨领域迁移的AM-AdpGRU金融文本分类 |
| |
| 作者姓名： | 吴峰 谢聪 姬少培 |
| |
| 作者单位： | 1. 南宁师范大学 师园学院, 广西 南宁 530226;2. 广西农业职业技术大学, 广西 南宁 530005;3. 中国电子科技集团公司第三十研究所, 四川 成都 610041 |
| |
| 基金项目： | 四川省重大科技项目（No.2017GZDZX0002）;2020年度广西高校中青年教师科研基础能力提升项目（2020KY54019）资助 |
| |
| 摘 要： | 针对当前基于深度学习的金融文本分类模型严重依赖于标记数据的问题,提出了一种基于跨领域迁移的AM-AdpGRU金融文本分类模型,通过学习相关领域数据的分类准则将其迁移到目标领域数据。AM-AdpGRU模型首先利用深度网络自适应来克服源领域和目标域之间数据分布差异导致的迁移损失,使得即使数据分布发生变化时模型也无需重构;然后利用注意力机制建立了目标域对源领域的特征选择机制,使得模型对源领域的注意力可以集中在与目标域相似性更高的部分。在公开的跨域情感评论Amazon数据集和SemEval-2017的Microblog金融数据集上进行了实验,将AM-AdpGRU模型与其他方法进行比较,结果表明AM-AdpGRU模型的分类平均准确性相对于其他模型有了显着提升。
|
| 关 键 词： | 金融文本分类 跨领域迁移 深度网络适应 源领域 目标域 特征选择机制 |
| 收稿时间： | 2021-05-30 |
|
| 点击此处可从《应用科学学报》浏览原始摘要信息 |
|
点击此处可从《应用科学学报》下载全文 |
|
