【摘 要】
：
随着社交媒体和京东淘宝等在线交易方式的日益普及,越来越多的消费者开始评论他们所购买的产品。提取评论中的观点和情感词,可以帮助商家准确、客观地获得大量的用户评价,有利于提高产品质量,不断优化经营策略,增强竞争力。然而,这些评论数量巨大,单靠人的浏览和阅读很难系统地整理出所有用户的评价、并从中提取出有价值的信息。因此,如何运用自然语言处理技术从这些海量的非结构网络评论数据中挖掘出有用的知识和有价值的信
论文部分内容阅读
随着社交媒体和京东淘宝等在线交易方式的日益普及,越来越多的消费者开始评论他们所购买的产品。提取评论中的观点和情感词,可以帮助商家准确、客观地获得大量的用户评价,有利于提高产品质量,不断优化经营策略,增强竞争力。然而,这些评论数量巨大,单靠人的浏览和阅读很难系统地整理出所有用户的评价、并从中提取出有价值的信息。因此,如何运用自然语言处理技术从这些海量的非结构网络评论数据中挖掘出有用的知识和有价值的信息是研究者们迫切需要解决的问题。基于上述背景,本文在深入研究国内外情感分析相关理论与现有研究成果基础之上,针对细粒度情感分析问题,从方面术语提取和方面级情感分类两方面开展相关研究,具体研究内容与研究成果如下:（1）针对方面术语提取,提出一种基于注意力双层Bi Re GU模型的方面术语提取方法,并通过实验证明了其有效性。首先使用Bi Re GU学习文本特征表示,更好地捕捉词语间的长期依赖关系;然后在第一层Bi Re GU之后引入注意力机制,为文本中每个词语赋予不同的权重,得到融合特征后新的知识表示,再输入到第二层Bi Re GU中学习更加全局的文本特征表示,最后输入到CRF中进行方面术语提取,最终达到提升方面术语提取精度的效果。（2）针对方面级情感分类,提出一种基于改进迁移胶囊网络的方面级情感分类方法,并通过实验证明了其有效性。词向量序列分别经过加入注意力机制的迁移胶囊网络和transformer模型,达到保留原模型特征关联性的同时减少数据噪音的效果。然后,经过两个模型之后分别得到数据降噪之后的局部特征和全局特征,再将两模型输出结果进行拼接融合,以获得更加全面的特征信息,最终完成方面级情感分类的任务。
其他文献
伴随着社会科技与经济的迅速发展,汽车全面普及,汽车组成结构复杂且功能趋向智能化。由于使用规范性、组件寿命等未知因素,汽车故障类型呈现多样化。传统汽车排故基于维修人员的主观经验对故障现象依次排除,该方法排故效率较差且造成人力资源的浪费,设计相关系统智能诊断汽车故障具有重要应用价值。目前机器学习方法与深度学习方法均可实现汽车故障数据集分类,但机器学习方法存在分类准确率低、效果较差等问题,当前的深度学习
阿尔茨海默症（Alzheimer’s Disease,AD）是目前老年人比较容易患上的神经性疾病,患者将会丧失基本的日常生活能力且无法被治愈。轻度认知障碍（Mild Cognitive Impairment,MCI）是一种介于AD和认知正常（Normal Cognition,NC）之间的症状。MCI作为AD的早期阶段,对预防和干预病情的发展非常重要,因此准确诊断出MCI对AD的早期发现和治疗至关重
随着我国渔业经济的逐步发展,渔业产值的逐年上升,我国众多渔船的安全性受到关注。船舶交通服务系统（Vessel Traffic Service System,VTS）、甚高频数字交换系统（VHF Digital Exchange System,VDES）利用船舶自动识别系统（Automatic Identification System,AIS）等通信设备将在航船舶显示在电子海图上以进行监控和跟踪,
由于船舶自动识别系统（Automatic Identification System,AIS）本身固有的脆弱性问题,非法使用AIS设备的船舶频繁出现,严重影响了船舶航行安全。为保护海上AIS信道,保障AIS信息准确性和可信度,需要针对AIS甚高频数据链路（VHF Digtial Link,VDL）电文进行获取、分析和识别。为此,本文基于AIS大数据的智能分析,构建船舶信息多源识别模型,以剔除虚假信
“十四五规划”加快建设交通强国,对海事信息系统提出新的更高的要求,目前已有的处于独立或半独立状态的海事监控系统已不能满足航运发展的新要求。海事监管系统独立工作造成了系统之间协调性差、数据整合和信息交互能力差,海事监管工作量大、成本高、效率低、违章取证困难,监管人员不能很好地实时掌握海上现场态势和现场船舶状态。所以充分发挥各监控系统优势研发一体化的监控系统意义重大。本文分析了海事监管、海上违章取证、
视觉目标跟踪技术是当前计算机视觉领域中的一个研究热点,随着智能船的发展,视觉舰船目标跟踪技术被认为是智能船视觉感知的基本任务之一,根据海上监视视频进行船舶跟踪可提供各种海上运动信息,这将大大有利于远程海上交通管理和异地执法等。本文先对长期相关性跟踪（LCT）算法进行尺度估计和特征提取方面的改进,然后将改进后的算法应用在舰船目标跟踪场景下,依据舰船场景的特点对算法做进一步改进,使跟踪算法在舰船场景下
高光谱遥感是将成像科学和光谱分析相结合的多维信息获取技术,高光谱图像提供丰富的目标光谱和空间信息,为民用和军事等领域中的图像分类问题带来了新的技术突破。实际应用场景中,高光谱遥感成像技术存在以下问题:一是高光谱数据呈现高相关性、冗余问题,二是空间信息利用不足问题。本文针对高光谱图像分类面临的问题,开展基于稀疏活跃度的高光谱图像谱空分类方法研究。首先在光谱信息处理层面,基于表示模型的分类过程进行研究
文本分类是自然语言处理领域的一个经典任务。随着信息技术的高速发展,复杂多样的文本信息层出不穷,日渐丰富。如何对海量的文本数据进行准确分类,成为目前的研究热点。虽然传统的深度学习方法在文本分类任务上取得了一定的研究成果,但是探索更优越的文本分类方法仍然是研究者需要思考的问题。近期图神经网络进入了研究人员的视野,它在自然语言处理领域的各项任务中都表现出卓越性能。但是图神经网络没有充分考虑包含不同类型节
海岸带检测在海域使用管理领域具有重要价值,传统方式利用实地勘测费时费力,而遥感技术为其提供了有效解决手段。其中多光谱图像包含丰富的光谱信息而发挥重要作用。在海岸带区域中,海岸盐田和养殖池是两个重要的研究对象。两者在光谱和空间结构具有一定相似性,分别提取两者是一个挑战性难题。已有盐田提取算法仅能提取盐田的结晶池,无法有效提取蓄水池盐田,从而无法获得完整盐田信息,且其提取盐田结晶池会带来混浊水体的养殖
由于复杂的水下环境以及光在水中的衰减,相机拍摄的图像质量严重衰退,会出现色偏、模糊、对比度低等退化现象。这些退化的水下图像在显示和分析时存在一定的局限性,例如,模糊度高,色偏严重的水下图像会大大降低对海洋生物识别的准确率。因此,为了克服退化的水下图像的局限性,得到高质量的水下图像,水下图像增强技术显得尤其重要。基于该问题,本文在循环一致性对抗网络的基础上提出一个改进的生成对抗网络模型,该模型能在保