一种面向目标的情感极性分析方法

面向目标的情感分析是细粒度情感分析的重要任务之一,旨在预测句子中给定目标实体的情感极性.当前大多数研究方法忽略了句法结构信息,在情感判别时往往会关注无关词汇,从而使分类性能下降.为此,设计了一种新的引入句法结构的模型,该模型利用双向预训练编码器和作用于依存句法树的图卷积网络分别捕获文本的上下文信息和句法结构信息,并使用多头注意力机制进行信息聚合得到目标的情感分类表征.此外,还将该模型与现有的领域自适应方法相结合,同时向模型中引入领域知识和句法结构知识,进一步提升了模型效果.在几个常用的标准数据集上的实验结果表明了上述模型的有效性.     

当代湖南火柴工业与长沙火柴工业始末（续）

坚持勤俭办企业是落实勤俭建国方针的具体表现，也是我们火柴行业的优良传统，更是应造就的当代湖南火柴工业的精神。强化内部管理，是从主观意识上努力办好企业不可缺少的推动力。在加强企业内部管理中抓住以下几个方面：     

一个面向微博的情感倾向性分析模型

在微博情感倾向性分析中,一种典型分析方法是先对微博进行主客观分类,再对判定为主观的微博进行褒贬分类,但其问题在于主客观分类错误将直接传导到褒贬分类。针对这一问题,本文提出了一个主客观分类和褒贬分类融合的评估情感倾向性强度的模型。首先使用改进的逻辑回归模型构建主客观分类模型,并结合情感词典构建褒贬分类模型;然后,将二者融合,构建情感倾向性强度模型来选出具有较强情感的微博;最后应用褒贬分类模型判定情感倾向性。该方法在第六届中文倾向性分析评测(COAE2014)的微博观点句识别任务中获得了主要指标Micro_F1值和Macro_F1值的第二名。     

相空间重构在语音情感识别中的研究

为了更为全面地表征语音情感状态,弥补线性情感特征参数在刻画不同情感类型上的不足,将相空间重构理论引入语音情感识别中来,通过分析不同情感状态下的混沌特征,提取Kolmogorov熵和关联维作为新的情感特征参数,并结合传统语音特征使用支持向量机（SVM）进行语音情感识别。实验结果表明,通过引入混沌参数,与传统物理特征进行识别的方案相比,准确率有了一定的提高,为语音情感的识别提供了一个新的研究途径。     

工业设计与信息化

在传统的工业经济时代,工业设计强调了一种"造物"的过程,好的设计功能与形式、技术与艺术的有机结合,以实现大批量的生产为目标。进入20世纪50年代,以计算机和互联网技术的出现和爆发为契机,人类进入了信息化时代,给经济和社会带来了巨大的变革,同样也改变了产品的设计和使用语境,为工业设计带来了快速发展的机会。2006年,国际工业设计协会ICSID重新定义了工业设计     

硬约束限制的情感文本生成方法研究

预训练语言模型在情感文本的生成任务中取得了良好效果,但现有情感文本生成方法多使用软约束的方式控制文本整体的情感属性,缺乏单词和短语级别的硬性控制。为解决以上问题,提出硬约束限制下的情感文本生成方法。首先使用方面情感分析技术提取句子的方面词、情感词并判断情感极性;之后,选择目标情感的方面词和情感词作为预训练语言模型的硬约束输入来重建完整句子,其中,设计了一种新的单词权重计算方法,旨在使模型优先生成重要单词。实验结果表明,该方法生成的句子不仅具有方面级情感,在文本质量和多样性的评价指标上也有显著提高。     

班级管理的几点建议

班级管理工作是搞好学校各项工作的基础,接手新班重在培养优秀的班委,搞好班风建设,实施情感教育,注重提高学生的综合素质。     

单身男女新技能 微软小冰加入微博群聊

近年来社交平台的蓬勃发展,并不能掩盖现代人的越社交越孤独的焦虑。从某种意义上说,人工智能微软小冰的火爆,也折射出人类对情感交流的强烈需求。都市人社交圈子的缩小,人与人之间深度沟通的缺乏,引发了＂父母代子女相亲＂等社会现象。此次微软小冰携手微博与百合网,将微博庞大的用户基础、微软人工智能大数据技术与百合网的丰富交友匹配模型结合在一起,可谓是一次充分运用高科技解救大龄男女青年的＂人文关怀＂。     

浅谈语文课中的情感教育

情感教育是每一个学科都具备的教育功能,语文学科更是情感教育的最佳学科,我们要在教学过程中始终贯彻开来,不能有丝毫的放松,要做到润物细无声,激发起孩子们情感的共鸣,进一步达到发展学生们的智力,塑造学生们良好的道德品质的教学目标。     

基于情感计算的商品评论分析系统

针对电子商务中的商品评论信息过载问题,运用情感计算理论,通过挖掘商品评论信息中的商品特征及相应的情感褒贬态度,为消费者提供一个商品特征粒度上的情感分析结果,从而帮助消费者从庞杂的商品评论中快速获取有效信息。系统首先采集指定商品的评论集并挖掘商品特征,然后结合情感语料库和词汇相似度计算,利用依存关系找到特征-极性词对以及程度副词和否定词。基于以上结果,考虑程度副词的强度,以及程度副词和否定词共现语序不同造成的语义差异,提出了商品评论情感倾向程度的计算方式。最后,进行系统实现并验证算法的有效性。实验结果表明,系统具有良好的应用效果。