面向网络新闻领域的评论情感极性分析

网络新闻评论情感分析对于互联网时代分析舆情、掌握民调具有重要意义。目前研究聚焦在评论自身的分析而忽略评论间的结构关系,因此利用该关系生成评论关系树,并基于评论关系树建立情感极性判别规则。将评论经过预处理后,同时采用基于扩展情感词典和支持向量机两种方法来进行情感极性分析,动态扩展了情感词典,设计了情感极性分类器。实验结果表明,在利用了评论结构关系之后,两种方法的分析准确率均较没利用该关系之前有了明显的提升。     

基于组合关系路径的知识图谱补全方法研究

现有的知识图谱补全方法往往只考虑直接连接的两个节点所组成的路径,忽略了节点与其他多个节点组成的关系路径所带来的信息。针对该问题,基于节点之间连接的方向,定义了在三节点结构下三种不同的关系路径连接模式,提出知识图谱中以三节点为主的组合关系路径补全模型（composite relational path completion,CRPC）。最后,在WordNet和FreeBase数据集上验证了该模型的准确性。     

基于FrameNet框架关系的文本蕴含识别

文本蕴含识别是处理自然语言中广泛存在的同义异形现象的一种有效途径。该文基于FrameNet中框架及框架之间的八种关系,结合WordNet中词汇间的语义关系,提出了一种文本蕴含识别方法。在给定文本T和假设H中词元激起的框架基础上,该方法利用深度优先搜索,在FrameNet框架关系图中,查询T和H中框架之间的上下位关系;再使用WordNet中语义关系比较二者的框架元素是否一致或相似。实验对RTE2007中50个文本对进行了测试,达到了76.6%的准确率,略高于RTE2007评测的最优结果。     

基于翻译和语义方法的情感词挖掘研究

随着互联网的扩展,网络上出现了越来越多的含有观点信息的主观性评论文本。挖掘这些文本中的情感词语并进行极性判别具有重要的现实意义和商业价值。为此,提出一种基于翻译方法的情感词提取方法,使用汉英机器翻译系统翻译汉语种子情感词典生成候选英语词语,根据WordNet提取候选英语词语的上下位词、同义词或反义词并将这些词语翻译成汉语,进而提取汉语情感词语。另外,依据SentiWordNet判别候选英语词语极性,并将候选英语词语极性映射到目标汉语情感词语上,进而达到判别汉语情感词语极性的目的。实验结果表明上述方法可以有效提高情感词的识别效率以及极性判别的准确率。     

一种基于修饰关系的自然语言语义分析方法

自然语言语义分析是自然语言处理技术走向深层应用的瓶颈。当前在概念、关系层次上的语义分析方法主要有两种:基于统计的特征向量抽取方法和基于语义词典(WordNet、HowNet等)的语义相似度计算方法。对于具体应用这两种方法都具有较大不足,前者由于统计模型的关系只适用于段落、篇章或多文档等粗粒度的语义分析,而不适合在句子词汇一级的应用;后者能方便处理实体概念之间的各种关系,但是如果想正确处理真实文本中的复杂修饰关系如概念与事件、概念与概念修饰、事件与事件修饰等关系,还需对语义词典和计算方法做进一步的扩展。提出了按照真实文本语句中词语之间修饰关系建立知识库,并设计了根据该知识库中已有修饰关系计算未知关系的算法;提出了可以依照修饰关系建立自然语言构句法的思路并给出了相关算法;最后给出了在语义分析系统上的实验,结果证明该方法是有效的。     

结合相关规则和本体加权图的查询扩展

针对现有信息检索系统查询性能的不足,提出了一种结合相关规则和WordNet本体信息的查询扩展方法.该方法借助相关规则挖掘和WordNet本体信息构建加权词语关系图,并根据加权图的结构和权重信息计算扩展词的重要性.查询时,从这个图中取原查询词的最邻近词作为扩展词来源,选取其中权重最大的p个词返回并进行二次检索.在实现算法的基础上,通过Lucene全文检索器进行实验,将所得的结果值F1与其他算法的结果作比较.比较结果表明,该方法比不作扩展的检索有约16.93％的性能提升.     

WordNet中概念语义相似度IC参数模型研究

给出了一个新的用于计算WordNet中概念的语义相似度的IC（信息内容）模型。该模型以WordNet的is_a关系为基础,只通过WordNet本身结构就可求出WordNet中每个概念的IC值,而不需要其他语料库的参与。该模型不仅考虑了每个概念所包含的子节点的个数,而且将该概念所处WordNet分类树中的深度引入到模型当中,使得概念的IC值更为精确。实验结果显示将该模型代入到多个相似度算法当中,可以明显提高这些算法的性能。     

基于DCNN分类的图像相关度度量

在衡量图像之间的相关度时,图像的物理特征（颜色分布、灰度值等）所能表达的内容可能并非十分全面,因此有必要参考图像视觉所包含的语义信息衡量图像之间的相关度。为此提出了一种基于深度卷积神经网络（deep convolutional neural network,DCNN）分类模型的度量图像相关度的方法,利用模型为图像绑定来自于WordNet的语义标签,并参照WordNet结构对标签进行过滤和扩展,利用概念集合计算图像相关度。与人工判定的样本数据作比较,Pearson相关系数峰值能够达到0.73,证明该方法在衡量图像相关度时具有一定的效果。     

嵌入不同邻域表征的方面级情感分析模型

方面级情感分析（ABSA）任务旨在识别特定方面的情感极性,然而现有的相关模型对结构不定的自然语句缺少对方面词上下文的短距离约束,且容易忽略句法关系,因而难以准确判定方面的情感极性。针对上述问题,提出嵌入不同邻域表征（EDNR）的ABSA模型。在该模型中,在获得句子语序信息的基础上,采用近邻策略并结合卷积神经网络（CNN）获取方面的邻域信息,减少较远无关信息对模型的影响;同时,引入语句的语法信息,增加单词之间的依赖关系;将上述两种特征融合后,使用Mask与注意力机制来特别关注方面信息,减少无用信息对情感分析模型的干扰。此外,为评价上下文和语法信息对情感极性的影响程度,提出一个信息评估系数。在5个公共数据集上进行实验的结果表明,与情感分析模型聚合图卷积网络-最大值函数（AGCN-MAX）相比,EDNR模型在数据集14Lap上的正确率和F1值分别提升了2.47和2.83个百分点。由此可见,EDNR模型可以有效捕获情感特征,提高分类性能。     

多关键字查询中LCA剪枝概念树的查询扩展技术研究

语义查询扩展中,关键一步是扩展词的选择方法和扩展词权重的计算。提出一种改进的LCA(局部上下文分析法):OLCA(Optimize Local Context Analysis)。OLCA应用于分权重的多关键字查询中,结合WordNet概念树,从语义和实际查询语料两方面对初始查询词进行扩展,并根据初始查询词中多个关键词的位置,结合扩展候选集中词间关系计算修正各扩展词的权重。实验证明,与单独基于统计或基于语义的查询扩展方法相比,其查准率和查全率均有较大提高。     

基于外联关系的隐式篇章关系推理

针对隐式篇章关系(implicit discourse relation)分类性能较低的问题,提出一种基于“外联”关系的无监督隐式篇章关系推理方法.该方法继承“显式指导隐式”的关系推理模式,针对每个待测“论元对”,在大规模外部数据资源中挖掘与其内容近似的显式“参考对”,借助“参考对”的显式关系推理隐式关系.特别地,该方法侧重挖掘2个论元中能够协同触发篇章关系的文字片段(即“外联”成分),以“外联”成分间的关系为参考,推理“论元对”整体的篇章关系.利用宾州篇章树库(Penn discourse treebank, PDTB)对这一推理方法进行评测.实验结果显示,该方法在隐式篇章关系推理性能上获得显著提升,识别精确率达到54.12%,与现有主流推理方法性能对比,识别精确率提升11.82%.     

Rough集理论在不完备信息系统中的扩充

Pawlak教授所提出的经典Rough集理论主要是针对完备信息系统的，利用了不可分辨关系这种等价关系来对对象进行了近拟和下近似分类，对于不完备信息系统的处理，需要对经典Rough集理论进行扩充，主要是对不可分辨关系进行扩充，目前已经有了基于容差关系，相似关系和量化容差关系等的扩充Rough集理论，但是，这些扩充也还存在一些局限性，将提出一种基于限制容差关系的扩充Rough集模型，并比较分析这些扩充Rough集模型之间的性能。     

空间关系推理的研究方法

空间关系推理在地理信息系统、空间数据挖掘、模式识别、机器人学、专家系统、图形与图像处理和自然语言理解等方面具有广泛的应用。近年来,国内外专家对空间关系推理进行了大量的研究,取得了一系列的研究成果。介绍了国内外在空间关系推理方面的研究方法和研究成果,并且进行了比较和分析,概括了已有方法的特点和不足,讨论了该领域未来的研究重点和难点。     

DECOMPOSITION PROBLEM OF FUZZY RELATIONS

The paper deals with a problem of decomposition of a binary fuzzy relation defined in the Cartesian product of a finite space. We propose an algorithm which produces the decomposition or indicates that the given relation is non-decomposable, within a finite sequence of steps.     

面向异质关系的社区挖掘

利用数据挖掘技术，并结合最优化理论知识，研究了基于文献数据的异质关系挖掘问题，应用最小分割最大化的关系抽取算法，挖掘具有共同研究兴趣的研究者社区。在此基础上实现了基于关系链的挖掘分析，解决了应用当中的实际问题，能够更好地辅助研究者进行研究工作。     

不完备信息系统中粗糙集理论的扩充

在指出已有的容差关系、相似关系和限制容差关系等扩充方法所存在的局限性的基础上,提出了一种新的二元关系——修正容差关系,得到了一种更加合理的扩充方法,并且推广了经典粗糙集理论中的上、下近似的主要性质。最后,通过一个具体例子,说明修正容差关系的扩充粗糙集理论对处理不完备信息系统更加合理有效。     

基于修正容差关系的扩充粗糙集模型

提出了一种基于修正容差关系的扩充粗糙集模型。该种模型既保留了限制容差关系扩充模型的优点,又丢弃了容差关系、相似关系和限制容差关系扩充模型的不足。通过实例,说明了基于修正容差关系的扩充粗糙集模型对处理不完备信息系统更加简便有效。     

MINIMAL AND MAXIMAL SOLUTIONS OF A DECOMPOSITION PROBLEM OF FUZZY RELATIONS

In this work we continue the study already begun in our foregoing paper, dealing with the decomposition problem or a binary fuzzy relation defined in the Cartesian product of a finite space. We characterize the whole set of the solutions of the max-min fuzzy relation equation which formulates the decomposition problem.     

A review of: “THE PARADIGM OF SELF-ORGANIZATION:” Current Trends in Self-Organization,edited by G. J. Dalenoort. Gordon and Breach,New York, 1989. xi + 332 pages

Preference Relations are a popular and powerful tool used by decision makers to provide their preference information in the process of decision making. Over the last decades, various types of preference relations have been developed, but they are scattered through the literature. The purpose of this paper is to present a comprehensive survey of preference relations. We also briefly discuss their properties and introduce some new preference relations. Finally, we put forward the directions of future research.     

基于混合特征的上下位关系验证方法

上下位关系的自动验证是知识获取中的一个关键问题。提出一种基于混合特征的迭代上下位关系验证方法,从语义、语境、空间结构角度,给出一组上下位关系特征,根据抽样数据分析,将所有特征转化为用于验证的产生式规则,利用这些规则对基于模式获取的上下位关系进行循环迭代验证。实验结果说明了该方法的有效性。