多任务学习的多模式情感分析
使用CMU-MOSI数据库进行情感分析的单峰和多峰单任务，双任务和三任务学习模型。
在单任务模型中，我们执行回归实验以预测情绪得分。
在双任务模型中，我们执行多任务学习实验，这些实验以情感分数回归为主要任务，而强度或极性分类为辅助任务。
在三任务模型中，我们执行多任务学习实验，以情感得分回归为主要任务，强度和极性分类为辅助任务。
在多模式模型中，我们比较了早期融合，晚期融合，分层融合和张量融合网络。
这些代码适用于我们的ACL2018人类多峰语言计算建模研讨会论文：
@inproceedings{tian2018polarity,
title={Polarity and Intensity: the Two Aspects of Sentiment Analysis},
author={Tian, Leimin and Lai, Cather
2023-04-18 20:15:03
122KB
1
知识图谱表示学习的理论介绍，知识表示学习是知识图谱融合、计算推理、应用等的基础性关键技术，该ppt从几何空间角度对知识图谱向量嵌入表示进行了介绍。
2021-01-28 05:02:49
6.26MB
1