一种基于立场阵营判定的评论信息情感分类方法

舆论热点事件发生时,网友会在社交媒体平台发表自己的观点和评论,为准确感知舆论场网民观点态势,针对网络社交媒体平台上网友对时事政治、重大热点事件等话题的评论信息,提出了一种基于立场阵营判定的评论信息情感分类方法。首先对评论信息涉及的评价对象立场阵营进行细分,在此基础上,构建情感分类模型,实现评论信息情感倾向的自动分类,达到准确感知舆论场网民的情感倾向的目的,从而为网络空间舆论风险评估、高危话题研判提供支撑。     

中文网络话题评论文本语义倾向分析

文本的情感倾向分析是一项具有较大实用价值的关键技术。文中主要针对短语级和句子级的情感倾向分析进行对比研究。采用情感粒度中的情感短语和情感句子模型,根据不同的短语搭配模式、语义依存关系方法的组合,对中文文本倾向性分析进行了研究。研究表明,采用选取合适短语搭配模式的方式,以情感句子为最小判断单位的倾向分析方法,并应用于网络话题的中文评论文本,能取得较好的倾向分析效果。     

基于主题模型的（Aspect，Rating）摘要生成方法研究

提出基于短语参数学习的主题模型TMPP（Topic Model based on Phrase Parameter ）对在线评论中被评价实体的aspect和与之对应的rating进行抽取．TMPP具有三个特点：1）评论用“短语袋”表示；2）将标准的LDA中表示文档-主题的参数扩展为（aspect，rating）集；3）融合了先验知识．介绍了TMPP模型参数的物理含义、模型的生成过程以及先验知识的获取和表示方法；阐述了在TMPP模型中引入方面集聚类使用先验知识的原因与好处、TMPP模型提取（方面，等级）对形成（aspect，rating）摘要的原理．以真实的在线产品评论数据集为实验对象，在实验过程中引入先验知识的方面识别分析和等级预测精度分析，列出了五类产品相关方面和对立的情感词的实验结果．通过与已有的基线方法比较，实验表明若评论集中每篇评论有一个总体等级，TMPP能产生高质量的（aspect，rating）摘要．     

基于双向循环神经网络的评价对象抽取研究

评价对象抽取的研究难点在于如何精确地表示大范围的上下文信息.本文针对微博观点句,采用了基于双向循环神经网络(BRNN)的方法来抽取评价对象并对评价对象的情感倾向进行判定.BRNN的隐藏层对上下文进行了抽象,如果经过良好地训练,就能在循环处理句子时有效地表示远距离的有序上下文信息,而无需对上下文窗口长度进行限定.本文选择了词、词性、依存句法树以及产品词典等特征构建了BRNN模型.通过实验发现,上述4种特征组合获得了最优实验结果,通过与CRF模型的对比,本文提出的方法在相互覆盖模式下F值比CRF模型高出0.61％,验证了本文方法的有效性.本文方法在COAE2015任务3的资源受限评测任务中,获得了最好结果.     

基于阅读理解的方面级情感分类方法

基于方面的情感分析(aspect-based sentiment analysis, ABSA)是情感分析(sentiment analysis,SA)中一个具有挑战性的子任务,它旨在识别针对特定方面的细粒度观点极性。由于评论文本有时很难分析出评论中商品的方面及对应的观点。文章提出了基于机器阅读理解的商品评论方面级情感分析方法,将方面级情感分类问题建模为机器阅读理解问题,微调了BERT(Bidirectional Encoder Representation from Transformers)模型,通过Attention与距离无关的特性来捕捉更长依赖的上下文信息,借助机器阅读理解架构捕捉文档级的上下文信息,也避免了实体或属性与观点匹配带来的误差。此外,提出的问题可以引入额外的信息,以提高观点抽取准确性,并在Semeval 2014 task4数据集上获得了较好结果。     

网络视频中的影视评论分析技术研究

本文提出了一种互联网影视评论分析方法,首先利用自动网页抓取技术和基于模板的信息抽取技术自动构建影视节目基本信息库,并自动获取影视节目的相关评论信息。然后利用前面构建的影视专业词典和中文分词技术对影视评论信息进行自动分词,并利用频繁项挖掘的方法自动发现电影评论中的频繁特征作为候选特征,结合情感词词典,得到电影的各个特征的情感倾向性分析结果。     

基于粗集理论的中文关键词短语构成规则挖掘

短语比词信息量更加丰富,更能够体现原文的主题,通常所说的关键词实际上多数为短语形式.然而目前的问题是关键词短语的自动标引缺乏统一的规则指导.本文利用粗集理论在数据泛化和知识约简方面的优势,对人工标注的人民日报关键词短语语料进行了挖掘,从而得到了中文关键词短语的若干构成规则.规则可以用于自动关键词抽取,也可以对手工关键词标引进行指导.实验结果表明获取的规则使关键词自动抽取的性能有较大改善.     

一种在线社交网络的自适应观点引导模型及实现

在线社交网络已成为信息传播的重要途径,给人们获取信息带来便利的同时,也为不良信息的扩散提供了温床。目前主流的在线社交网络都采用关键字匹配的方式屏蔽不良信息的发布,在阻止信息本身的同时,也屏蔽了与其相关的积极观点的传播。本文提出一种自适应的观点引导模型,实现对在线社交网络用户的观点引导。该模型首先分析网络用户对事件／事物的观点和情感倾向,确定其中观点消极的用户作为引导对象,然后向其推送与之关注点相近且情感相对积极的信息或用户,进行观点引导,同时引入反馈机制,根据引导对象的观点变化动态调整推送内容,以实现长期精确引导。基于该模型设计并实现了观点引导系统,包括引导信息模块、观点标注模块、推荐模块和反馈模块,实现了自动选择群体、自动识别群体情感倾向、自动选择和调整推送内容等功能。实验结果表明,该模型能够实现对在线社交网络用户的观点引导。     

基于LSTM网络的评价对象和评价词抽取

随着网络电商的兴起,越来越多的用户在网上对商品进行评价.所谓评价对象与评价词,指的是在产品评论中用户所表达的态度的对象以及所使用的极性词.本文将评价对象与评价词的抽取看做为序列标注任务,并介绍了如何使用循环神经网络解决序列标注任务.同时,还说明了循环神经网络的局限性,并使用LSTM对评价对象与评价词进行抽取.最后,本文还与基于规则的双向传播算法进行了对比.从实验结果可以看出,LSTM在评价对象与评价抽取任务上的性能较双向传播算法来说有非常大的提高.     

基于短语向量和主题加权的关键词抽取方法

现有关键词抽取算法缺乏对短语的有效表示,为抽取出更能反映文本主题的关键短语,本文提出一种基于短语向量的关键词抽取方法PhraseVecRank.首先设计基于LSTM(Long Short-Term Memory)和CNN(Convolutional Neural Network)自编码器的短语向量构建模型,解决复杂短语的语义表示问题.然后,利用短语向量对每个候选短语计算主题权重,通过主题加权排序提高关键词抽取的效果.在公共数据集和学术论文数据上的实验表明,本文提出的方法能够有效提取与文本主题信息相关的关键短语,同时利用自编码器构造的短语向量可以更好地表示短语的语义信息.     

Detection of pseudosinusoidal epileptic seizure segments in the neonatal EEG by cascading a rule-based algorithm with a neural network

This paper presents an approach to detect epileptic seizure segments in the neonatal electroencephalogram (EEG) by characterizing the spectral features of the EEG waveform using a rule-based algorithm cascaded with a neural network. A rule-based algorithm screens out short segments of pseudosinusoidal EEG patterns as epileptic based on features in the power spectrum. The output of the rule-based algorithm is used to train and compare the performance of conventional feedforward neural networks and quantum neural networks. The results indicate that the trained neural networks, cascaded with the rule-based algorithm, improved the performance of the rule-based algorithm acting by itself. The evaluation of the proposed cascaded scheme for the detection of pseudosinusoidal seizure segments reveals its potential as a building block of the automated seizure detection system under development.     

Modeling and Verification of a Sentiment Analysis System Using Aspect-Oriented Petri Nets

An increasing number of social media and networking platforms have been widely used. People usually post the online comments to share their own opinions on the networking platforms with social media. Business companies are increasingly seeking effective ways to mine what people think and feel regarding their products and services. How to correctly understand the online customers’ reviews becomes an important issue. This study aims to propose a method with the aspect-oriented Petri nets (AOPN) to improve the examination correctness without changing any process and program. We collect those comments from the online reviews with Scrapy tools, perform sentiment analysis using SnowNLP, and examine the analysis results to improve the correctness. In this paper, we apply our method for a case of the online movie comments. The experimental results have shown that AOPN is helpful for the sentiment analysis and verifying its correctness.     

汉语句法分析研究综述

句法分析是自然语言处理的基本问题,掌握句法分析的研究方法和研究现状是进一步深入研究的基础。首先介绍短语结构语法和依存语法的特点,对比基于规则、统计和组块的句法分析方法,并对汉语句法分析的现状和原因进行研究,最后指出汉语句法分析应采用多方法、多特征或多知识源相结合才能高效地进行分析。     

汉语句法分析研究综述

句法分析是自然语言处理的基本问题,掌握句法分析的研究方法和研究现状是进一步深入研究的基础.首先介绍短语结构语法和依存语法的特点,对比基于规则、统计和组块的句法分析方法,并对汉语句法分析的现状和原因进行研究,最后指出汉语句法分析应采用多方法、多特征或多知识源相结合才能高效地进行分析.     

Circuit Representation of Isotropic Chiral Media

A four-port cascaded circuit model, which we call a chiral cascaded circuit, is presented to represent an isotropic and lossless chiral media. Such a model is based on the concept of transmission line and characteristic transformers. Detailed analysis is given to the chiral cascaded circuit and constitutive parameters for the effective chiral media are derived. Both the theoretical calculations for the effectively isotropic chiral media and circuit simulation results for the real chiral cascaded circuit are given, which have excellent agreements. Such a circuit model provides an efficient way to realize chiral media using transmission-line circuits and may find potential applications in microwave technologies.     

Sentiment-based sub-event segmentation and key photo selection

The number of people collecting photos has surged owing to social media and cloud services in recent years. A typical approach to summarize a photo collection is dividing it into events and selecting key photos from each event. Despite the fact that a certain event comprises several sub-events, few studies have proposed sub-event segmentation. We propose the sentiment analysis-based photo summarization (SAPS) method, which automatically summarizes personal photo collections by utilizing metadata and visual sentiment features. For this purpose, we first cluster events using metadata of photos and then calculate the novelty scores to determine the sub-event boundaries. Next, we summarize the photo collections using a ranking algorithm that measures sentiment, emotion, and aesthetics. We evaluate the proposed method by applying it to the photo collections of six participants consisting of 5,480 photos in total. We observe that our sub-event segmentation based on sentiment features outperforms the existing baseline methods. Furthermore, the proposed method is also more effective in finding sub-event boundaries and key photos, because it focuses on detailed sentiment features instead of general content features.     

基于迁移学习的唐诗宋词情感分析

随着计算社会学的兴起,利用数据挖掘分析社会情感是近期的研究重点.当前的研究主要针对现代文本,对于古代诗歌这类短文本的情感分析相对较少.本文提出了一个基于短文本特征扩展的迁移学习模型CATL-PCO,通过分析诗歌情感对当时社会及文化进行进一步了解.该模型首先基于频繁词对对古文特征向量进行扩展,再通过迁移学习方式,建立三个分类器并投票得出最后的情感分析结果.CATL-PCO模型首先能够解决古文短文本特征稀疏的问题,在此基础上进一步解决由于现代译文信息匮乏所导致的古代诗歌情感分析困难问题,从而准确的分析古诗词情感倾向,从计算社会学的角度,增进对中国历史的认识.实验表明,当训练集为中国唐诗时,本文提出方法能够准确的对唐代诗歌进行情感分类,并能应用于唐代和宋代各个时期情感分析及代表流派分析.     

基于双语词典的微博多类情感分析方法

现有微博文本情感分析方法多面向单一语种语料,如：中文语料.但是,中英文搭配使用的表达习惯已逐渐成为个体意见表达的重要形式.本文提出一种基于双语词典的多类情感分析方法,通过构建双语多类情感词典对微博文本进行多分类语义倾向性分析,以便更准确有效捕捉群体意见,及时发现社会舆论倾向.通过与多数投票算法、支持向量机算法、基于余弦距离的K近邻分类算法相比,本文提出的基于双语词典的多类情感分析模型具有良好的分类效果,其在分类准确率、F1值等方面都有明显提高.     

中国社交信息的事件分析系统应用研究

随着网络社交媒体的迅速发展,微博覆盖的社会事件广泛多样,为了从由多个单点事件构成的复杂社会事件中发现与特定事件相关联同时具备时间和地点共性的信息,文中提出了中文社交信息的事件分析系统EASC。首先,该系统分别对事件的多个方面进行全景分析,包括事件的语义信息,时间和空间的趋势,公众情绪,隐藏的子事件,事件传播的关键用户以及用户的偏好等。然后,采用NoSQL技术实现各种各样的分析模型和微博管理。最后,对＂春节＂案例进行分析,验证了EASC的有效性,实现了关联信息的收集与汇总。该系统对进行关联信息的收集的活动,有一定的实用性和参考性。