یادگیری تدافعی در شبکه های عصبی بازگشتی

در سال های اخیر نیاز به طبقه بندی متن توسط زبان هایی که از داده های برچسب دار به اندازه کافی برخوردار هستند، افزایش یافته است. از آنجا که در بعضی زبان ها با کمبود داده های برچسب دار به منظور ایجاد یک مدل طبقه بند مواجه هستیم، یک راهکار انتقال اطلاعات و دانش موجود در زبان های با داده های برچسب دار کافی در دامنه منبع به زبان های با داده های برچسب دار محدود در دامنه هدف است. در این مقاله روشی ارائه شده که در آن دانشی را از زبان انگلیسی که در آن داده های برچسب دار به اندازه کافی و فراوان موجود است، یاد می گیرد و آن را برای طبقه بندی متن زبان چینی که از داده های برچسب دار کمی برای ایجاد مدل برخوردار است، مورد استفاده قرار می دهد. مدل ارائه شده دارای دو شاخه مجزا، یکی طبقه بند احساسات و دیگری تفکیک کننده زبان های دو دامنه است. هر دو شاخه از مشخصه های مشترکی در دو زبان استفاده می کنند و داده ها را با استفاده از این مشخصه ها به گونه ای نمایش می دهند که طبقه بندی متن در سیستم چند زبانه را امکان پذیر کنند.

کلیدواژه ها:

طبقه بندی متن ، طبقه بندی احساسات ، یادگیری تدافعی ، انتقال یادگیری.