基于二维坐标映射法的消费情感分类方法

针对中文消费评论的情感分类问题,构建了一种基于语料库的二维坐标映射法的情感分类方法。根据中文语言特点,首先提出了基于语料库的搜索方法,使搜索更有针对性;其次,定义了提取表达情感的中文短语的规则;第三,构造了某领域的最佳种子词选取算法;最后,构造了二维坐标映射算法,通过计算评论句子的坐标值,将其映射到二维直角坐标系中,判断句子的语义倾向性。选取亚马逊网站某商家1200条与牛奶相关的评论(好、差评各600条)进行实验,首先根据最佳种子词选取算法选取“很好漏”作为最佳种子词,再根据二维坐标映射算法判断评论的情感极性,实验的平均F值达到了85%以上。实验结果表明该算法可以对消费评论进行情感分类。     

对WTO争端解决机制的评价及其启示

综合了国内学者对WTO争端解决机制的各种评价,总结了WTO争端解决机制的进步和不足,为全面认识WTO的争端解决机制及其对中国的启示提供了较全面的途径。     

在可持续发展战略思维下对我国建设事业科技进步的几点意见与建议

通过对党的十六大报告提出的全面建设小康社会目标的分析 ,在可持续发展战略思维下 ,着重从我国经济建设的机遇与挑战、促进我国综合国力的提高、全面实现小康社会 ,进而实现现代化的进程和可持续发展的原则等四个方面对建设事业科技进步进行了全面分析。最后 ,从城镇规划、城市地下空间的开发与利用、建筑节能、建筑业信息化、防灾减灾、绿色建材、技术标准和政策研究等八个方面的立法建设、政策研究和关键技术的研发提出了意见和建议。     

中文网络评论观点词汇语义褒贬倾向性判断

由于网络评论信息的庞大,因此通过计算机自动识别出用户评论观点的褒贬倾向性具有重要意义。以基于HowNet的词汇语义相似度方法的词汇语义倾向性分析为基础,根据观点词的褒贬特性改进词汇语义相似度计算方法以适用于评论词汇的倾向性判断,并且考虑词汇与多个基准词相似度较小时弱化个别有价值的较大相似度,从而提高倾向性判断的准确率。实验结果表明,改进后的方法在计算观点词词汇语义相似度时更为合理,并且判断倾向性时准确率有一定的提高。     

基于梯度提升决策树的微博虚假消息检测

微博是信息共享的重要平台,同时,也成为虚假消息产生和推广的重要平台,虚假消息的传播严重扰乱了社会秩序。为了快速、有效地识别微博虚假消息,提出一种基于梯度提升决策树（GBDT）的虚假消息检测方法。首先,从评论的角度分析微博虚假消息和真实消息之间存在的差异,在此基础上提取评论中的文本内容、用户属性,信息传播和时间特性的分类特征;然后,基于分类特征,采用GBDT算法实现微博虚假消息识别模型;最后,在两个真实的微博数据集上进行验证。实验结果表明,基于GBDT的识别模型能有效提高微博虚假消息检测的准确率。     

浅谈“经评审的最低价中标法”

“经评审的最低价中标法”是国际上通行的一种具有较高市场效率的工程招标方法,它是一种理论上最优,实际中可操作的建设工程招标方法。其前提是必须经得起评审,满足招标文件的实质性要求且不得低干成本价,其核心是报价最低。执行“经评审的最低价中标法”的关键是详细评审。     

转型期中国城市“地方化”发展研究述评

地方化分权使大量决策权和公共财政开支从中央政府转移到地方政府,极大地激发了地方政府发展经济的积极性,是我国改革开放政策取得成功的重要基础.然而,地方化分权也将使地方集团利益的特征更加明显,地方政府之间的竞争日益激烈.研究者对"地方化"发展的研究视角应该从"分权"与"发展"转向"整合"与"协调",重点关注"地方-市场"关系下地方政府的职能角色,"国家-地方"关系下的权限划分及其运行机制的法定化、制度化和程序化,"地方-地方"关系下的组织协调和利益分配等.     

绿色照明工程与山地城市照明规划设计

对城市照明规划设计方法进行了深入研究,结合城市照明工程实践中的认识,建议了山地城市照明总体规划和详细规划设计方法,并通过城市照明规划设计与城市照明建设实现绿色照明工程的要求。     

基于评论主题分析的评分预测方法研究

推荐系统(recommender system)广泛应用于电子商务网站。目前流行的基于协同过滤的推荐算法利用用户的历史评分来预测用户对物品的喜好程度。随着互联网的发展,如今的电子商务网站越来越注重与用户的交互,于是产生了大量的用户生成内容(user generated content),如评论、地理位置、好友关系等。相对评分来说,用户对物品的评论从用户或者物品的各个角度具体表达了用户的观点。利用这些信息更有助于挖掘用户的喜好。该文提出一种基于词向量的方法挖掘用户评论信息,并结合协同过滤的方法设计新的推荐算法,来改善评分预测的效果。实验结果表明,该算法较大程度上提高了评分预测精度。     

由Logistic回归识别Web社区的垃圾评论

针对Web社区垃圾信息泛滥的问题,采用基于Logistic回归(LR)的分类器区分合法评论和垃圾评论,并和支持向量机(SVM)的性能对比。提出了相关度向量空间模型cVSM作为评论的文档表示模型,讨论了信息增益IG、互信息MI、χ2统计CHI、文档频率DF等不同特征抽取方法对模型的影响。实验结果表明,LR的训练时间不到SVM的1/10;DF和IG比MI和CHI表现更好;与传统的向量空间模型相比,使用cVSM显著提高垃圾评论识别能力。