基于非完备信息系统的评价对象情感聚类

该文利用领域本体对产品评论文本中的评价对象进行抽取和整合,在此基础上,建立产品性能的非完备信息系统,将特征的情感倾向寓于特征的权重计算之中。对非完备信息系统,给出了基于差别矩阵的启发式特征约简方法,通过特征降维处理,达到了减少特征的冗余度和数据稀疏性的目的。对降维后的非完备信息系统采用K-Means聚类算法,实现了评价对象情感聚类。为了验证该文提出方法的有效性,在真实汽车评论文本数据上进行实验, 实验结果表明,在对特征进行一定程度的降维后,仍表现出较好的聚类效果。     

基于BootStrapping的集成分类器的中文观点句识别方法

领域相关的大规模和高质量的标注训练数据是分类器性能的重要保证,而标注训练语料是一件费时费力的工作。该文提出了一种采用小规模标注语料识别中文观点句的方法。首先采用Bootstrapping方法扩展训练语料,分别训练贝叶斯、支持向量机和最大熵分类器。最后,通过给三个训练好的分类器赋权获得一个集成分类器。实验结果表明,集成后的分类器性能优于单分类器,并且该方法在使用部分标注训练数据的情况下也能取得与采用全部标注训练数据相近的实验结果。     

如何提高计算机教学的趣味性

当前中职学校普遍开设《计算机应用基础》课程,作为一门必修基础课,它的教学目标是让学生初步掌握计算机的知识,使学生掌握工作、学习和生活所必须具备的计算机基本技能,建立计算机相关概念和熟练地掌握在网络环境下操作计算机及获取和交流信息的能力,为今后进一步学习相关课程打下良好的基础。然而部分学生存在厌学问题,要想让学生学好计算机,关键在于如何培养学生的兴趣,让计算机教学充满活力。本文分析了提高计算机教学趣味性的意义,并探讨了提高计算机教学趣味性的措施。