基于关系门控图卷积网络的方面级情感分析

在方面级情感分析任务中,现有方法难以有效利用句法关系类型且性能依赖依存解析的准确性,为此提出注意力增强的关系门控图卷积神经网络（ARGCN）模型.该模型将双向长短时记忆（BiLSTM）网络学习得到的句子顺序特征与依存概率矩阵相结合构建单词图;利用关系门控图卷积神经网络（RG-GCN）和注意力增强网络（AAN）分别从单词图和句子的顺序特征中获取方面词的情感特征;拼接RG-GCN和AAN的输出作为方面词最终的情感特征.在数据集SemEval 2014、 Twitter上进行对比实验和消融实验,结果表明ARGCN模型可以有效地利用关系类型,减小依存解析准确性对模型性能的影响,更好地建立方面词和意见词的联系,模型准确率优于所有基线模型.     

京津冀水-能源-粮食耦合系统安全评价

为实现京津冀水-能源-粮食协同合作,从可靠性、协同性和韧性3方面选取31个指标构建水-能源-粮食耦合系统安全评价指标体系,分析了2000—2020年京津冀水-能源-粮食耦合系统安全水平,并基于Copula函数计算联合风险概率。结果表明：2000—2020年京津冀水-能源-粮食耦合系统安全指数整体呈现上升趋势,其中北京年均指数最高,达0.63,河北最低,仅为0.48;各区域间可靠性水平无显著差异,均呈现较差水平;人均水资源量、人均能源消费量、地下水供水占比、二氧化碳排放量等是影响水-能源-粮食耦合系统安全的主要障碍因子;京津冀可靠性、协同性和韧性三维联合达到较安全水平的概率为0.723,不均衡发展会影响整体水-能源-粮食耦合系统安全。