【摘 要】
：
随着互联网技术的发展,越来越多的人乐意在网络平台中发表评论。随着时间的推移,网络平台产生并保存了大量的评论性文本信息。这些评论信息往往蕴藏着用户对某事件或某产品的倾向性观点及情感,对其进行情感分析,有助于网络舆情监控;也有助于商家改进产品质量,提高服务水平。在文本情感分析方法中,粗粒度的句子级情感分析只能得到文本的整体情感,无法得到所评论对象不同方面或属性的情感信息。而细粒度的方面级情感分析可获取
论文部分内容阅读
随着互联网技术的发展,越来越多的人乐意在网络平台中发表评论。随着时间的推移,网络平台产生并保存了大量的评论性文本信息。这些评论信息往往蕴藏着用户对某事件或某产品的倾向性观点及情感,对其进行情感分析,有助于网络舆情监控;也有助于商家改进产品质量,提高服务水平。在文本情感分析方法中,粗粒度的句子级情感分析只能得到文本的整体情感,无法得到所评论对象不同方面或属性的情感信息。而细粒度的方面级情感分析可获取评论文本中每个方面或属性的情感信息,从而可对舆情、商品和服务进行更精准的分析。本文针对方面级情感分析展开研究,主要研究内容及贡献如下:（1）现有方面级情感分析较少考虑到词语之间在句法上的关系,这会较难的为方面词匹配合适的情感词,降低了方面级情感分析的性能。为此,提出了基于距离图卷积网络的方面级情感分析模型。首先,设计了具有残差连接的双层双向长短期记忆网络用于提取句子上下文;然后设计了语法距离权重模块可以根据句法依赖树得到词语的语法距离权重,并根据词语之间的句法关系构建邻接矩阵;最后利用图卷积网络结合句子上下文、语法距离权重以及句法邻接矩阵提取方面的情感特征,实现方面级情感分析。实验结果表明,在Twitter、Laptop14和Restaurant14数据集上,与现有模型相比,准确率分别提高1.4%、1.9%和1.7%,MF1值分别提高1.5%、1.3%和1.6%。（2）研究基于多任务学习与BERT的方面级情感分析。现有的方面级情感分析较少考虑方面类别的隐式表达,即句子中没有给出明显的方面词语时的情感分析。为此,本文提出了基于多任务学习与BERT的方面级情感分析方法。首先,将句子与预设的方面类别输入到BERT模型,得到融合方面类别的句子表示,并将其输入到全连接层计算预设方面类别在句子中的权重。其次,将BERT输出的句子表示作为全连接层的输入,计算出每个词语的情感概率分布。然后将其与每个方面类别权重相乘求和,最终得到所有预设方面类别的情感,实现方面级情感分析。实验结果表明,在Restaurant14和MAMS数据集上,与现有的模型相比,准确率分别平均提高2.5%和4.7%,MF1值分别提高了0.9%和5.5%。
其他文献
短文本的语义相似度计算任务是自然语言处理中的基础任务之一,在文本匹配、推荐系统、文本生成等领域都有广泛的应用场景和技术研究需求。现有技术建模手段主要是通过基于字符匹配度的数学算子建模与基于单词向量的神经网络建模。这两种方式都是基于单一特征建模,文本相似度计算结果依赖于带标记的数据量和单一特征。单一特征的建模方法难以满足文本相似度计算对特征多样性的需求,从而导致网络模型难以进一步提升推理结果的准确性
无人物流运输车是集合了外部智能感知、自动执行等智能化技术的一种新型机器人,可以快速、高效地实现物料的无人运输、搬运等任务,是目前物流和工业自动化的重要组成部分,使用合理的调度和规划算法,能够提高物料周转率以及降低物流成本。本文以面向企业内部物流的多AGV调度为主要研究内容,通过优化任务队列,最小化运输距离,进一步减少运输成本,提升效率。同时考虑到企业内部数据安全,基于工业区块链辅助存储实现系统用户
目标检测是图像处理领域的重要一环,在生产生活中具有广泛的应用前景。目标检测的核心任务是识别图片中目标的类别和位置,但在日常的图像中,不同目标之间存在巨大的尺度差异,如何准确的将大尺度目标和小尺度目标全部识别出来是目标检测所面临的一个有挑战性的问题。基于此,本文针对目标检测中的多尺度问题进行了研究。本文的主要工作如下:（1）针对目标检测中多尺度特征信息不足的问题,使用包含多级信息的多级多尺度特征,提
图像在人们日常生活中起着举足轻重的作用,是人们获取信息的主要来源之一。当人们使用拍照机设备拍照的时候,由于场景光照亮度、拍摄设备等原因,得到的图像都会出现对比度低、能见度差和ISO噪点高等问题。这样的图像细节信息不明显,降低了图像的实用性。因此,人们提出了大量的方法改变图像的对比度,使图像的细节明显,提高图像的质量和使用价值。多数的这些方法在增强图像时,通常会出现过度增强、部分细节丢失等问题。而且
随着定位装备的广泛应用,轨迹数据量高速增长。通用伴随模式挖掘聚焦时空维度上的运动对象高相似度行为路径发现问题,基于大规模轨迹数据设计高效准确地通用伴随模式挖掘方法对发现用户偏好、构建新商业模式等具有重要意义,同时也极具挑战。一方面,海量且不断增长的轨迹数据要求通用伴随模式挖掘框架应具有良好可扩展性,单机挖掘框架并不适用。另一方面,在现有通用伴随模式的分布式挖掘框架中,存在对数据输入的质量、轨迹数据
现今,与无人机相关的技术发展十分迅速,尤其是利用无人机搭载高清摄像头获取影像数据,已被广泛应用,但是单幅无人机图像无法展示一个完整区域的具体内容。为了获取分辨率更高、视场角更大的无人机影像,本文对无人机影像拼接技术进行了研究,并利用GPU框架对拼接过程进行加速。另外,在雾天环境下进行无人机航拍会极大地影响图像的成像质量,而且会出现图像特征信息模糊的问题,这可能导致之后无法正常地进行特征点提取。本文
无线传感器网络（Wireless Sensor Networks,WSNs）得益于现代信息、计算、无线通信等技术的迅速发展,因其传感器节点微型、低功耗等优势,已成为当代人们日常生活重要的部分。然而,由于微型廉价的传感器节点在存储、通信和计算等方面资源有限,且在恶劣的环境下容易被破坏,从而导致网络通信受阻。因此,有效地延长网络的生命周期,提高节点的能量效率显得十分重要,而合理的传感器节点部署方法不仅
瞬变电磁法是一种建立在电磁感应原理基础上的有源测量方法,根据测得的瞬变电磁信号分析地电体之间的电阻率差异,进而达到探测地下地质体的目的。然而,瞬变电磁信号容易受到各种噪声的影响,尤其是在信号的晚期测道处,噪声可能会淹没有效的瞬变电磁信号,导致信号的利用受限,影响对深部目标的探测。瞬变电磁信号降噪是指利用各种方法,尽可能地压制噪声,提取有效的瞬变电磁信号,以便后续的处理。目前的瞬变电磁信号降噪方法大
移动通讯和互联网技术的不断进步,以及云计算、大数据等一系列新兴技术的蓬勃发展致使网络空间加速变革,拓扑结构愈发复杂导致网络流量持续爆炸式增长,而且,屡见不鲜的网络攻击事件使得网络安全问题首当其冲。网络安全态势感知技术能够弥补传统安全防护技术的缺陷,通过获取引发网络态势发生变化的态势要素,对其进行安全评估分析,从而及时发现网络攻击威胁与异常,并对网络变化趋势进行预测。它旨在从宏观角度出发,系统、整体
人机对话是自然语言处理领域最具挑战性的任务之一,也是未来实现人机共融社会的基础。近年来,得益于深度学习技术的发展和大数据时代积累的海量数据,基于神经网络的对话生成方法受到了学术界和工业界越来越多的关注。目前基于深度学习的生成式对话模型大多以最大似然估计为训练目标,这种方法容易产生内容单一且不含有意义信息的通用回复。情绪的感知和表达在人与人的交流中起着重要的作用,然而现有的研究主要集中在话语的语义理