第49卷第2期2023年2月ComputerEngineering计算机工程基于知识架构的持续学习情感分类方法王松1，买日旦·吾守尔1，古兰拜尔·吐尔洪1，薛源1，2（1.新疆大学信息科学与工程学院，乌鲁木齐830046；2.清华大学电子工程系，北京100084）摘要：当情感分类模型依次学习多个领域的情感分类任务时，从新任务中学到的参数会直接修改模型原有参数，由于缺少对原有参数的保护机制，降低了模型在旧任务上的分类准确率。为缓解灾难遗忘现象对模型性能的影响，并增加任务间的知识迁移，提出一种用于中文情感分类的基于知识架构的持续学习方法。在Transformer编码层中，采用任务自注意力机制为每个任务单独设置注意力变换矩阵，通过区分任务特有的注意力参数实现知识保留。在TextCNN的全连接层中，利用任务门控注意力(HAT)机制控制每个神经元的开闭，为每个任务训练特定的网络结构，仅激活对任务重要的神经元加强知识挖掘，提升分类效率与准确率。在JD21中文数据集上的实验结果表明，该方法的LastACC和负类F1值相比于基于HAT的持续学习方法分别提升了0.37和0.09个百分点，具有更高的分类准确率，并且有效缓解了灾难遗忘现象。关键词：持续学习；知识架构；情感分类；知识保留网络；知识挖掘网络开放科学（资源服务）标志码（OSID）：中文引用格式：王松，买日旦·吾守尔，古兰拜尔·吐尔洪，等.基于知识架构的持续学习情感分类方法［J］.计算机工程，2023，49（2）：112-118.英文引用格式：WANGS，MairidanWushouer，GulanbaierTuerhong，etal.Continuallearningmethodforsentimentclassificationbasedonknowledgearchitecture［J］.ComputerEngineering，2023，49（2）：112-118.ContinualLearningMethodforSentimentClassificationBasedonKnowledgeArchitectureWANGSong1，MairidanWushouer1，GulanbaierTuerhong1，XUEYuan1，2（1.SchoolofInformationScienceandEngineering，XinjiangUniversity，Urumqi830046，China；2.DepartmentofElectronicEngineering，TsinghuaUniversity，Beijing100084，China）【Abstract】Whenasentimentclassificationmodellearnssentimentclassificationtasksinmultipledomains，theparameterslearnedfromnewtaskswillmodifytheoriginalparametersofthemodel.Becauseaprotectionmechanismfortheoriginalparametersdoesnotexist，theclassificationaccuracyofthemodelonoldtasksisreduced.Toalleviatethecatastrophicforgettingof...
