基于信息几何和深度信念网络的情感分类

评论的情感分类吸引了自然语言处理社区的越来越多的关注。 通过将先验知识嵌入学习结构,分类器通常可以获得比原始方法更好的性能。 在本文中,我们提出了一种基于深度学习和信息几何的复杂算法,该算法将空间中所有训练样本的分布视为先验知识,并由深度信念网络(DBN)进行编码。 从信息几何学的角度,我们构造了分布在特征之间的测地线距离以进行分类。 分布的研究有助于DBN的训练,因为距离与分类中的错误率相关。 最后,我们使用专门用于情感分类的经验数据集评估我们的建议。 结果表明,我们的算法对现有方法进行了重大改进。