融合情感特征的虚假评论检测方法

虚假评论的检测与治理,对净化网络环境具有重要的意义。针对现有的虚假评论检测方法收敛速度慢、准确率低的问题,提出一种融合评论情感特征的虚假评论检测方法。首先,基于预先构建的情感词典,设计情感特征抽取方法抽取情感特征;其次,引入 Transformer模型对融合情感特征后的嵌入表示提取特征向量;最后,将特征向量送入全连接层并利用 softmax函数实现真实评论与虚假评论分类。采用 Amazon数据集,设计实验验证了基于情感词典所提情感特征的有效性,在融合情感特征后准确率提升了1.19百分点;同时与深度学习ISTM方法相比,该方法检测准确率提高0.59百分点。     

基于异质集成学习的虚假评论检测

为了防止卖家的恶性竞争、保证电商平台能够公平交易、保护消费者的权益不受侵犯,针对虚假评论检测领域中数据集小、标注不准确等问题,基于亚马逊最新发布的虚假评论数据集对相关算法进行改进。考虑到Word2vec模型无法识别英语中的词对,提出了Bigram-Word2vec模型;提出“二分类加权硬投票法”以解决异质集成学习中分类器投票数相等的情况;针对异质集成学习中分类器权重设置问题提出“加权软投票法”。试验结果表明,文中对相关算法的改进取得了较为理想的结果。     

基于混合深度模型的虚假信息早期检测

针对一种信息特征进行检测方法在信息传播早期阶段提取的特征信息往往不充分,导致传播早期阶段检测准确率较低的问题,提出一个新颖的混合深度模型EGSI,模型由EXTRACT、GRU、SCORE和INTERATE 4个模块组成。EXTRACT通过卷积神经网络提取信息的传播路径特征,GRU通过门控循环单元捕获信息的文本特征和反馈特征,SCORE基于用户行为挖掘用户特征,INRERATE整合以上特征并预测出信息事件类标。EGSI通过整合信息最基本的4种特征(文本、用户、反馈、传播路径),从而可以在信息传播的早期阶段充分提取可用特征信息,进而较准确地检测出虚假信息。真实数据集的试验结果表明,模型在信息传播60 min内的准确率达到95.9%。相比基准方法,EGSI模型在检测虚假信息的准确率和时效性之间取得了较好的平衡。     

基于半监督学习算法的虚假评论识别研究

已有的虚假评论识别方法主要采用启发式策略或简单特征建模,针对这些方法的不足,提出使用机器学习方法识别虚假评论。首先整合计算语言学与心理语言学的知识对评论文本进行建模,使用全监督学习算法来评价不同特征建模的性能,选出最好的特征组合。为了提高识别性能,设计两种半监督学习算法充分利用大量的未标注文本。实验结果证实所提算法超过当前的基准。     

基于多特征融合的科学仪器工作状态检测方法

针对单一特征量状态检测的非鲁棒性,提出一种应用多特征融合技术的科学仪器工作状态检测方法。建立了条件约束方程组对基于圆内接直角三角形的圆检测算法加以改进。提出串并联混合结构模型,采用各特征量的模糊置信度作为模型输入,依据全局融合中心得出的综合置信度,决策出科学仪器工作状态指示灯的指示状态。EMX-SM7型电子探针的应用实验表明,该方法可以在多变的环境中准确可靠地完成在线检测任务。     

基于特征融合网络的花色布缺陷检测方法

在布匹缺陷自动化检测中,常用机器视觉方法依赖于人工设计的特征,难以检测复杂缺陷,而常用深度学习方法易受花色布图案干扰,检测准确率偏低。因此,提出了一种特征融合网络模型。该模型以Cascade R-CNN为基础框架,采用一种基于快速稳健特征算法(Speeded up robust feature, SURF)获得无干扰信息的差分特征图,并与原始缺陷图融合,获得更丰富的特征信息;采用可变形卷积提高特征提取能力。试验分析显示,相比Cascade R-CNN,该模型在检测准确率上有10.8%的提升。     

基于时空特征融合的动态手势识别

针对动态手势时间可变性和手势复杂空间关系等问题,提出融合时空特征的动态手势识别方法．基于动态手势视频的关键帧和手势关节点信息,计算得到角度特征、距离特征和轨迹特征．融合3类特征并利用SVM(Support Vector Machine)实现动态手势识别．实验表明,该方法更加完整地表述动态手势时空信息,运行时间更短,在UTD-MHAD数据集上识别率为96.47%,在中国交通警察指挥手势数据集上识别率为98.66%,识别效果较理想.     

基于上下文特征融合的代码漏洞检测方法

针对现有代码漏洞检测方法误报率和漏报率较高的问题,提出基于上下文特征融合的代码漏洞检测方法.该方法将代码特征解耦分为代码块局部特征和上下文全局特征.代码块局部特征关注代码块中关键词的语义及其短距离依赖关系.将局部特征融合得到上下文全局特征从而捕捉代码行上下文长距离依赖关系.该方法通过局部信息与全局信息协同学习,提升了模型的特征学习能力.模型精确地挖掘出代码漏洞的编程模式,增加了代码漏洞对比映射模块,拉大了正负样本在嵌入空间中的距离,促使对正负样本进行准确地区分.实验结果表明,在9个软件源代码混合的真实数据集上的精确率最大提升了29%,召回率最大提升了16%.     

基于特征融合的深度学习目标检测算法研究

通过研究卷积神经网络中的特征层级,发现高层特征图的分辨率低、语义信息强,低层特征图的分辨率强、语义信息较弱等问题.针对上述问题提出一种二次特征融合的目标检测算法,该算法在特征金字塔网络(Feature Pyramid Networks,FPN)的基础上对过渡特征重复使用并进行二次特征融合,使丰富的低层特征信息补充到高层...     

基于集成主成分分析的故障检测方法

针对核主成分分析(KPCA)和主成分分析(PCA)的一些不足,提出一种基于集成主成分分析的故障检测方法。该方法将PCA与KPCA结合,利用KPCA描述过程的非线性信息并提取核主成分,再利用PCA对原始信息和核主成分一同提取线性主成分,通过构造统计量T2和SPE(或Q)进行故障检测。在TE(Tennessee-Eastman)过程上的仿真研究表明,本文提出的方法较PCA和KPCA有更高的故障检测精度。     

一种基于雷达回波序列相关特征的目标检测方法

根据雷达回波序列中目标和噪声的相关特性不同,提出了一种新的目标检测方法．该方法能够用于检测低信噪比条件下的弱目标信号,实验结果证明了该方法的有效性和可行性．     

一种基于色度信息特征的人脸检测方法

介绍了一种新颖的人脸检测方法，该方法基于非统一背景下室内环境中单幅人脸图像的色度特征信息。该人脸检测算法是基于眼睛检测以及修正黄金比率（MGR），最后获取人脸。首先，获取脸部边缘，而修正黄金比率是用来提取包括眼睛、眉毛、鼻子和嘴巴的人脸部分，都是基于眼睛的位置。实验结果显示，该算法在检测正面人脸具有高精确性。     

基于多尺度特征预测的异常事件检测

传统异常事件检测方法面临着视频中物体大小变化、背景等问题的影响。为了解决该问题,提出了一种基于多尺度特征预测的异常事件检测方法。首先,利用空洞卷积提取不同大小感受野的特征并进行融合以解决物体大小变化的问题。然后,使用一种轻量化的通道注意力方法来减少无效背景信息的影响。最后,为了充分利用视频帧之间的上下文信息,采用深度特征预测模块根据历史时刻的特征预测当前时刻的特征,并根据预测特征与真实特征之间的差异进行异常判断。在USCD Ped2,UMN两个基准数据集上进行了实验,实验结果表明了该文方法的有效性。     

基于改进型自适应滤波器谐波电流检测方法

针对传统自适应最少方差算法收敛速度和精度受信噪比影响严重的问题,提出一种改进的变步长自适应算法,能使步长因子跟踪实际基频分量变化,极大地减少了噪声对算法收敛速度和精度的影响.利用自适应滤波的预测功能,消除了数字滤波本身所固有的延时性.仿真和实验结果表明该算法能提高电力谐波检测效果.     

赝品消费的社会学分析

作为一名后现代社会学家,布希亚让我们看见这个社会中消费的一面、时尚的一面的所拥有的巨大力量,他揭露了消费社会、生活世界所具有的符号化以及主体客体化、客体主体化的特征,反思了社会学理论在赝品消费这一现象中的指导意义.     

HSV空间特征和纹理特征的阴影检测算法研究

为了提高检测和跟踪算法的准确性,提出了一种基于阴影在HSV空间下的特点和纹理特征的阴影检测与去除算法。该算法针对阴影区域覆盖的地面和未被阴影区域覆盖的地面纹理特征基本不变的特点,先检查序列图像中的运动区域,然后在运动区域内,根据阴影在HSV空间下的特点和纹理特征对阴影进行检测与去除,为运动目标的后续处理排除阴影干扰。实验结果表明,该算法能够很好地抑制噪声,有效检测、去除图片中运动目标的阴影。     

基于双层HHMM的产品评论特征和情感分类

近年来,中文产品评论的特征情感分类是Web数据挖掘的重要研究内容之一.提出了一套完整的产品命名实体、特征词、情感词以及边界的标注规则,设计了多层次的混合标签模式;提出了双层HHMM(层级隐马尔科夫模型)结构,将词形标注和词性标注的特点进行融合;提出了基于词形标注的HHMM-1算法和基于词性标注的HHMM-2算法,实现复杂短语的自动标注.实验证明,双层HHMM模型起到了互补的作用,模型的查全率和F-score值均有较大提高.