g534441921的博客

跨域情绪分类的自适应半监督学习Abstract1 Introduction2 Related WorkDomain AdaptationSemi-supervised Learning3 Model Description3.1 Notations and Model Overview3.2 Feature Adaptation3.3 Domain Adaptive Semi-supervisedLearning (DAS)Entropy MinimizationSelf-ensemble Bo

通过深度对抗性互学改进领域适应情绪分类AbstractIntroductionAbstract域适应情绪分类是指在已标记的源域上进行训练，以很好地推断未标记的目标域上的文档级情绪。大多数现有的相关模型包括一个特征提取器和一个情绪分类器，其中特征提取器致力于从两个领域学习领域不变特征，而情绪分类器只在源领域上进行训练，以指导情绪提取器。因此，他们缺乏一种机制来使用位于目标域的感应极性。因此，他们缺乏一种机制来使用位于目标域的感应极性。我们设计了一种新的深度对抗互学习方法，包括两组特征提取器、领域鉴别器、情

基于语义规则的胶囊网络跨域情感分类论文ABSTRACTI. INTRODUCTION论文ABSTRACTCapsuleDAR利用胶囊网络编码内在的空间的部分-整体关系，构成领域不变知识(domain invariant knowledge)，弥补了源域和目标域之间的知识缺口。此外，我们还提出了一个规则网络，将这些规则纳入到胶囊网络中，以提高全面的句子表示学习。I. INTRODUCTION现有的情绪分类方法可以根据所使用的知识和信息分为两类:基于词典(exicon-based)的方法和基于语料库

面向具有挑战性的NLP应用的可扩展和可靠的胶囊网络Abstract1 Introduction2 NLP-Capsule Framework2.1 Convolutional Layer2.2 Primary Capsule LayerAbstract阻碍胶囊网络发展以挑战NLP应用的障碍包括对大输出空间的低可扩展性和不可靠的路由过程。在本文中，我们介绍用于评估实例级路由进程性能的协议分数一个自适应优化器，以提高路线的可靠性胶囊压缩和部分路由提高胶囊网络的可扩展性。