AncomWiki

Feature Ensemble Plus Sample Selection: Domain Adaptation for Sentiment Classification

Properties1
description본 논문은 감정 분류(sentiment classification)의 도메인 적응(domain adaptation) 문제를 해결하기 위해 'Feature Ensemble Plus Sample Selection (SS-FE)' 접근법을 제안합니다. 이 방법은 특징 재가중치를 통한 라벨링 적응(labeling adaptation)을 위한 Feature Ensemble(FE) 모델과, 이를 보조하기 위한 PCA 기반 샘플 선택(P…

8 min read

Feature Ensemble Plus Sample Selection: Domain Adaptation for Sentiment Classification

Source

  • Evernote/IFTTT Feedly/Feature Ensemble Plus Sample Selection Domain Adaptation for Sentiment Classification.md

Summary

본 논문은 감정 분류(sentiment classification)의 도메인 적응(domain adaptation) 문제를 해결하기 위해 ‘Feature Ensemble Plus Sample Selection (SS-FE)’ 접근법을 제안합니다. 이 방법은 특징 재가중치를 통한 라벨링 적응(labeling adaptation)을 위한 Feature Ensemble(FE) 모델과, 이를 보조하기 위한 PCA 기반 샘플 선택(PCA-SS) 방법을 결합합니다. 실험 결과, 라벨링 적응과 인스턴스 적응(instance adaptation)을 종합적으로 고려한 SS-FE 접근법은 FE 또는 PCA-SS 단독 사용보다 유의미한 성능 향상을 보였습니다.

Key Points

  • 감정 분류의 도메인 적응 문제 해결을 위한 SS-FE 접근법 제안
  • Feature Ensemble(FE): 특징 재가중치를 통해 새로운 라벨링 함수 학습
  • PCA-based Sample Selection(PCA-SS): FE를 보조하는 샘플 선택 방법
  • 라벨링 적응과 인스턴스 적응의 종합적 고려로 기존 방법 대비 성능 향상

그래프 뷰

백링크