Page 30 - 《软件学报》2026年第4期

赵传君 等: 基于高质量样本选择的跨领域方面级情感分析 1471

Empirical Methods in Natural Language Processing. Austin: ACL, 2016. 606–615. [doi: 10.18653/v1/D16-1058]
[48] Goodfellow I, Pouget-Abadie J, Mirza M, Xu B, Warde-Farley D, Ozair S, Courville A, Bengio Y. Generative adversarial networks.
Communications of the ACM, 2020, 63(11): 139–144. [doi: 10.1145/3422622]
[49] Devlin J, Chang MW, Lee K, Toutanova K. BERT: Pre-training of deep bidirectional Transformers for language understanding. In: Proc.
of the 2019 Conf. of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Vol. 1
(Long and Short Papers). Minneapolis: ACL, 2019. 4171–4186. [doi: 10.18653/v1/N19-1423]
[50] Chen X, Wan XJ. A simple information-based approach to unsupervised domain-adaptive aspect-based sentiment analysis. arXiv:
2201.12549, 2022.
[51] Yu JF, Gong CG, Xia R. Cross-domain review generation for aspect-based sentiment analysis. In: Findings of the Association for
Computational Linguistics: ACL-IJCNLP 2021. ACL, 2021. 4767–4777. [doi: 10.18653/v1/2021.findings-acl.421]
[52] Li JJ, Yu JF, Xia R. Generative cross-domain data augmentation for aspect and opinion co-extraction. In: Proc. of the 2022 Conf. of the
North American Chapter of the Association for Computational Linguistics: Human Language Technologies. Seattle: ACL, 2022.
4219–4229. [doi: 10.18653/v1/2022.naacl-main.312]

附中文参考文献
[3] 吴震, 戴新宇. 基于语法和语义分割的跨领域方面级情感分类. 中国科学: 信息科学, 2023, 53(7): 1299–1313. [doi: 10.1360/SSI-2021-
0166]
[4] 赵传君, 王素格, 李德玉. 跨领域文本情感分类研究进展. 软件学报, 2020, 31(6): 1723–1746. http://www.jos.org.cn/1000-9825/6029.
htm [doi: 10.13328/j.cnki.jos.006029]
[5] 庄福振, 罗平, 何清, 史忠植. 迁移学习研究进展. 软件学报, 2015, 26(1): 26–39. http://www.jos.org.cn/1000-9825/4631.htm [doi: 10.13328/
j.cnki.jos.004631]
[6] 陈壮, 钱铁云, 李万理, 张婷, 周燊, 钟鸣, 祝园园, 刘梦赤. 低资源方面级情感分析研究综述. 计算机学报, 2023, 46(7): 1445–1472.
[doi: 10.11897/SP.J.1016.2023.01445]
[7] 孙绪壮. 基于实例迁移学习的跨领域方面级情感分析方法研究 [硕士学位论文]. 太原: 山西财经大学, 2025.
[8] 吴炳潮, 邓成龙, 关贝, 陈晓霖, 昝道广, 常志军, 肖尊严, 曲大成, 王永吉. 动态迁移实体块信息的跨领域中文实体识别模型. 软件学
报, 2022, 33(10): 3776–3792. http://www.jos.org.cn/1000-9825/6305.htm [doi: 10.13328/j.cnki.jos.006305]
[9] 李诗晨, 王中卿, 周国栋. 大语言模型驱动的跨领域属性级情感分析. 软件学报, 2025, 36(2): 644–659. http://www.jos.org.cn/1000-
9825/7156.htm [doi: 10.13328/j.cnki.jos.007156]
[11] 赵光耀, 吕成国, 付国宏, 刘宗林, 梁春丰, 刘涛. 基于领域特有情感词注意力模型的跨领域属性情感分析. 中文信息学报, 2021,
35(6): 93–102. [doi: 10.3969/j.issn.1003-0077.2021.06.010]
[27] 毛达展, 李华勇, 邵艳秋. 半监督跨领域语义依存分析技术研究. 中文信息学报, 2022, 36(2): 22–28. [doi: 10.3969/j.issn.1003-0077.
2022.02.003]
[30] 平瑞, 周水生, 李冬. 高度不平衡数据的代价敏感随机森林分类算法. 模式识别与人工智能, 2020, 33(3): 249–257. [doi: 10.16451/
j.cnki.issn1003-6059.202003006]

作者简介
赵传君, 博士, 副教授, CCF 专业会员, 主要研究领域为情感计算, 迁移学习.
孙绪壮, 硕士, 主要研究领域为自然语言处理, 情感计算.
康璐, 硕士生, 主要研究领域为情感计算.
李旸, 博士, 副教授, 主要研究领域为情感分析, 人工智能.
王素格, 博士, 教授, 博士生导师, CCF 专业会员, 主要研究领域为自然语言处理, 情感分析.
李德玉, 博士, 教授, 博士生导师, CCF 高级会员, 主要研究领域为数据挖掘, 粒计算, 机器学习.