基于pu-learning的同行评议文本情感分析

最近几年逐渐出现了对同行评议文本情感分析的研究，包括通过同行评议文本预测审稿人的推荐状态的任务。现有模型融入了论文本身或摘要信息，采用神经网络学习论文或摘要的高层表示，结合同行评议文本预测审稿人的推荐状态，这使得模型变得非常复杂的同时结果却没有实质性的提高。为此，提出了OSA机制来提高情感分析模型中对观点句的关注度。具体来说，采用pu-learning从同行评议文本的前N个句子中学习观点句的特征，使每一个句子都得到一个观点句权重，将其应用于情感分析模型的倒数第二层，由此得到最终的预测结果。在ICLR2017—2018数据集上使用不同的情感分析模型对OSA进行了评估，实验结果验证了OSA的高效性，并在两个数据集上取得了优异的性能。     

ARES:用于预测的情感感知自回归模型

随着Web2.0的蓬勃发展,互联网上产生了大量由用户发表的评论,其中表达的观点看法对大众消费的影响越来越大,因此分析评论中蕴含的情感信息对产品销量的预测以及市场战略的调整有实际意义.针对这一问题,在分析图书销售领域网络评论特点的基础上,提出了相应的情感分析方法,首先利用词性列表及前缀词典完成极性词词典的自动抽取与构建,然后采用基于词典的方法对图书的评论内容进行情感分析及量化,最后通过将抽取的情感因素融合到自回归模型中,建立了新的预测模型——情感感知自回归模型(autoregressive emotion-sensitive model,ARES).实验结果表明,基于词典的分析方法能够有效地反映出评论自身的情感信息,并且融入了情感分析结果的模型在销量预测方面具有更好的准确性.     

基于SVM与距离加权计算的观点和持有者识别机制

本文介绍了一种基于SVM与距离加权计算的自动观点分析方法,主要包括观点自动检测与观点持有者自动抽取两方面内容。本文首先建立了与观点分析相关的一系列资源,如观点指示动词集等。利用这些相关的资源,采用SVM进行机器学习,从而完成观点的自动检测。在观点自动检测的基础上,以观点指示动词为指示器,采用距离加权计算的方法抽取给定句子中的观点持有者,并采用模式匹配的方法来对观点持有者进行短语扩展,从而使观点持有者的抽取结果得到进一步提高。     

基于示例的文本标题分类机制

文本分类有助于用户有选择地阅读和处理海量文本,给出了基于示例邀请魔王标题分类机制,它以具有确定分类标准的标题分类为应用前景,在计算标题与分类主题词表直接匹配的基础上,利用基于分类树的上位概念匹配机制和基于潜在语义空间的相似度判定,综合评价文本标题与类别的相关关系,其特点是充分利用上下文环境来确定标题与类别相关程度,而不是单纯地依赖于其共现信息。     

基于用户-标签-项目语义挖掘的个性化音乐推荐

个性化推荐系统面临的难题是推荐的准确性、多样性以及新颖性,同时其数据集存在稀疏、信息缺失(如用户描述、项目属性以及明确的评分)等问题.协同标注中的标签包含丰富的个性化描述信息以及项目内容信息,因此可以用来帮助提供更好的推荐.算法以二部图节点结构相似与重启型随机游走为基础,分析音乐社交网络Last.fm中用户、项目、标签两两之间的联系,首先构建音乐间及标签间的相邻关系,初步得到音乐推荐列表和间接关联音乐集合,然后按所提算法融合结果,重新排序,得到最终推荐列表,从而实现个性化音乐推荐算法.实验表明,在该数据集上,所提方法能够满足用户对音乐的个性化需求.     

信息自适应过滤的效用指标优化方法

自适应过滤是文本检索会议(TREC)过滤任务的重要子任务,也最接近真实的环境。对评测指标的优化是自适应过滤任务中非常重要的研究方向。论文以TREC的评测指标为目标函数,对在阈值调整中的极大似然估计法和局部优化法进行了比较分析,提出了结合极大似然估计法的局部优化方法,克服了采用单一方法的缺点,实验结果表明这个方法对提高过滤性能是有效的。     

蛋白质关系网络可视化系统的研究与实现

蛋白质关系网络的研究在生物医学领域中已成为一个热点。研究者通过对蛋白质关系网络进行分析和聚类,能够发现其中的复合体,进一步理解细胞组织原理。在对关系网络进行分析的过程中,将网络拓扑显示为图形,以直观地表示出关系网络的结构,便于对比聚类方法,辅助关系网络的研究。利用网络建模与可视化工具包JUNG设计并实现了一个蛋白质关系网络可视化系统,它能够解析多种格式的蛋白质关系网络数据,集成了几种有效的图聚类算法,并实现了一种基于蛋白质功能标注的发现复合体的聚类算法。用户能够通过二维网络视图方便地观察原始网络和聚类后的结果。     

基于共享近邻的自适应谱聚类

谱聚类是一种极具竞争力的聚类算法.相似度定义对谱聚类算法的性能有至关重要的影响.本文用两点的共享近邻数目表征局部密度,从而获知隐含的簇结构信息.将这一信息与自调节的高斯核函数结合,提出了基于共享近邻的自适应相似度及相应的谱聚类算法.它满足聚类假设的要求,具有局部密度的自适应性,能有效识别数据点之间的内在联系.典型人工和真实数据集上的实验结果证明了算法的有效性.