基于多特征融合的中文微博评价对象抽取方法

来源 :计算机应用研究 | 被引量 : 0次 | 上传用户:angelleosy
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
中文微博的评价对象抽取作为中文微博情感分析的基础任务,受到研究者的广泛关注,有着重要的研究价值。结合微博文本的特点,对微博文本进行预处理,利用句法分析构建包括名词、名词短语、微博话题在内的评价对象候选集,再分别利用SVM模型、加权模型实现多特征融合的筛选候选评价对象方法,所用特征包括语义角色信息、最小距离和词频。算法经实验证明有效,在对候选评价对象进行筛选后,采用SVM模型的F值达到0.357 3,加权模型的F值达到0.405 9。
其他文献
脑出血的严重并发症之一就早消化道出血,一旦发生,预后不良,死亡率明显升高。对所收治的脑出血患者均预防性常规使用“法莫替丁”,以防止主消化道出血的发生,并与未预防性使用“法
本文总结了264例急性胰腺炎患者中药高位保留灌肠的临床观察与护理。重点介绍在心理护理方面加强宣教向患者说明本病特点及中药高位保留灌肠治疗的必要性,在具体操作过程中,对药液
为了提升差分演化算法对局部最优的逃逸能力和避免早熟收敛,设计了一种邻域结构为复杂网络的差分演化算法(CNS-DE)。该算法将复杂网络上每一个节点定义为一个计算个体,节点间的连接关系决定了个体间的交互结构。CNS-DE的差分策略主要基于节点(个体)的邻居关系定义,该策略有利于保持群体的多样性,充分利用了群体分布特性。在函数寻优的经典数据集上,将CNS-DE与传统差分算法进行了对比。结果表明,该算法能
传统的人耳识别算法在人耳图像遮挡、噪声和人耳多姿态变化中表现出低识别率,近年来稀疏表示在模式识别领域中取得了很好的成果。决定稀疏分类器识别精确度的因素主要是稀疏解的稀疏度,而稀疏度的估计就是稀疏向量中非0元素的估计,即向量L_0范数。因此在人耳稀疏分类算法的研究中引入L_0范数稀疏约束。采取基于SRC(sparse representation-based classification)稀疏模型,
传统的基于项目的协同过滤算法离线计算项目相似性,提高了在线推荐速度,但该算法仍然不能解决数据稀疏性所带来的问题,计算出的项目相似性准确度较差,影响了推荐质量。针对这一问题,提出了一种结合类别偏好信息的协同过滤算法。定义了类别偏好相似性,采用类别偏好相似性方法为目标项目找出一组类别偏好相似的候选邻居,在候选邻居中搜寻最近邻,排除了与目标项目共同评分较少项目的干扰,从整体上提高了最近邻搜寻的准确性。在