Page 8 - 《软件学报》2026年第4期

软件学报 ISSN 1000-9825, CODEN RUXUEW E-mail: jos@iscas.ac.cn
2026,37(4):1449−1471 [doi: 10.13328/j.cnki.jos.007521] [CSTR: 32375.14.jos.007521] http://www.jos.org.cn
©中国科学院软件研究所版权所有. Tel: +86-10-62562563

*
基于高质量样本选择的跨领域方面级情感分析

赵传君 1,2 , 孙绪壮 1 , 康 璐 1 , 李 旸 3 , 王素格 4,5 , 李德玉 4,5

1
(山西财经大学 信息学院, 山西 太原 030006)
(数据要素创新与经济决策分析山西省重点实验室 (山西财经大学), 山西 太原 030006)
2
3
(山西财经大学 金融学院, 山西 太原 030006)
4
(山西大学 计算机与信息技术学院, 山西 太原 030006)
5
(计算智能与中文信息处理教育部重点实验室 (山西大学), 山西 太原 030006)
通信作者: 王素格, E-mail: wsg@sxu.edu.cn; 李德玉, E-mail: lidy@sxu.edu.cn
摘 要: 跨领域方面级情感分析利用源领域的已标注样本来帮助训练目标领域上的方面级情感分析任务, 但并非
所有源领域样本均适合进行迁移训练, 部分样本会对迁移模型训练产生负迁移效应, 需要进行样本筛选工作. 现有
的跨领域实例迁移方法所考虑的迁移依据比较片面, 忽略了样本间的协同作用, 影响跨领域泛化性能. 为了解决方
面级情感分析任务中的特定领域训练样本匮乏与跨领域迁移中的样本筛选问题, 以多领域情感分析为开放环境,
结合高可信机器学习理论及建模中的领域适应方法, 提出一种基于高质量样本选择的跨领域方面级情感分析方法.
首先, 该方法分别设计了域间及域内高质量样本选择指标, 依次对源领域数据进行领域层面和样本层面的筛选, 兼
顾了两种样本选择粒度的优势. 其次, 全面地设计了源领域与目标领域间相似性的衡量指标, 并通过图神经网络进
行高效计算. 最后, 将多源领域迁移的场景纳入跨领域 ABSA (aspect-based sentiment analysis) 的讨论范围中, 设计
了域间联合适应性分数, 通过平衡领域特征的重合性与差异性来选择领域间协同性高的多源领域组合. 在涵盖 6
个领域的基准数据集上设计了跨领域迁移任务, 并在方面级情感分析的 3 种子任务上进行了实验来验证所提方法
的有效性.
关键词: 跨领域方面级情感分析; 高质量样本选择; 领域适应; 迁移学习
中图法分类号: TP18

中文引用格式: 赵传君, 孙绪壮, 康璐, 李旸, 王素格, 李德玉. 基于高质量样本选择的跨领域方面级情感分析. 软件学报, 2026,
37(4): 1449–1471. http://www.jos.org.cn/1000-9825/7521.htm
英文引用格式: Zhao CJ, Sun XZ, Kang L, Li Y, Wang SG, Li DY. Cross-domain Aspect-based Sentiment Analysis Based on High-
quality Sample Selection. Ruan Jian Xue Bao/Journal of Software, 2026, 37(4): 1449–1471 (in Chinese). http://www.jos.org.cn/1000-
9825/7521.htm

Cross-domain Aspect-based Sentiment Analysis Based on High-quality Sample Selection
3
1,2
1
1
4,5
ZHAO Chuan-Jun , SUN Xu-Zhuang , KANG Lu , LI Yang , WANG Su-Ge , LI De-Yu 4,5
1
(School of Information, Shanxi University of Finance and Economics, Taiyuan 030006, China)
2
(Shanxi Key Laboratory of Data Element Innovation and Economic Decision Analysis (Shanxi University of Finance and Economics),
Taiyuan 030006, China)
3
(School of Finance, Shanxi University of Finance and Economics, Taiyuan 030006, China)
4
(School of Computer and Information Technology, Shanxi University, Taiyuan 030006, China)

* 基金项目: 国家自然科学基金 (62376143, 62473241, 61906110); 山西省高等学校青年学术带头人项目 (2024Q018); 山西省基础研究计
划 (202303021211139)
本文由“高可信自适应机器学习”专题特约编辑王熙照教授、张敏灵教授、曹付元教授推荐.
收稿时间: 2025-04-09; 修改时间: 2025-06-30, 2025-08-15; 采用时间: 2025-08-20; jos 在线出版时间: 2025-09-02
CNKI 网络首发时间: 2025-11-21