中文微博情感分类的简单多标签排序算法

针对中文微博文本情感分类中每个样本最多只有两种有序情感标签的情形,提出了一种简单的多标签排序算法——TSMLR,该算法采用两步学习和两步分类的策略,通过学习情感标签之间的主次关系,对微博文本的情感进行分类并对情感标签进行排序。首先,将一个多标签排序问题转化为八个多类单标签分类问题,分别对主要情感标签和次要情感标签进行学习;然后,利用得到的分类模型对微博表达的情感进行两步分类,首先给出主要情感标签,再给出次要情感标签。通过在NLP&CC2014的中文微博文本情感分析评测数据集上进行实验,与校准标签排序方法(CLR)相比,TSMLR方法的准确度和平均精度分别提高了8.59%和9.28%,1-错误率相应下降了9.77%,而且TSMLR所需的训练时间相对较少。实验结果表明:TSMLR对标签之间顺序关系的学习能够有效提高对中文微博情感分类的准确率。     

基于Zxing的彩色QR码生成与识别方法

针对黑白条码数据容量小、信息嵌入能力不足等问题,在Zxing的基础上设计了一种彩色QR码的生成和识别方法。该方法利用2k种二进制组合对数据信息进行编码,对应k种不同的编码颜色,利用二进制值与十进制值之间的转换实现准确的颜色识别,编码颜色可任意选取,不需要利用参考颜色处理颜色模块边缘的混叠效应,计算复杂度大幅降低。实验结果表明,基于Zxing的彩色QR码不仅扩充了数据容量,而且保留了黑白QR码的可靠性和鲁棒性。