基于卷积神经网络的特定目标文本情感分析模型

在特定目标文本情感分析过程中,文本序列分类受标注方式的限制,导致分析结果的准确率和召回率较低.为了解决这个问题,构建了基于卷积神经网络的特定目标文本情感分析模型(文本分析模型).根据情感差异分析特定目标文本序列,在输入层将文本特征矩阵作为卷积神经网络语言模型的输入数据,拼接成词性序列矩阵;分段池化捕获文本序列不同的关键特征,并分类处理提取到的特征向量;加入dropout机制完成特定目标文本情感分类,确定文本中每个词的重要度信息,实现特定目标文本情感分析.实验结果表明,文本分析模型的准确率高于84%,召回率最大值为87%,能够有效实现特定目标文本情感分析.

基于多注意力卷积神经网络的特定目标情感分析

特定目标情感分析作为情感分析一个重要的子任务,近年来得到越来越多研究人员的关注.针对在特定目标情感分析中,将注意力机制和LSTM等序列性输入网络相结合的网络模型训练时间长、且无法对文本进行平行化输入等问题,提出一种基于多注意力卷积神经网络(multi-attention convolution neural networks,MATT-CNN)的特定目标情感分析方法.相比基于注意力机制的LSTM网络,该方法可以接收平行化输入的文本信息,大大降低了网络模型的训练时间.同时,该方法通过结合多种注意力机制有效弥补了仅仅依赖内容层面注意力机制的不足,使模型在不需要例如依存句法分析等外部知识的情况下,获取更深层次的情感特征信息,有效识别不同目标的情感极性.最后在SemEval2014数据集和汽车领域数据集(automotive-domain data,ADD)进行实验,取得了比普通卷积神经网络、基于单注意力机制的卷积神经网络和基于注意力机制的LSTM网络更好的效果.

一个针对遥感图像特定目标的自动识别系统

介绍了一个应用于自动识别遥感图像中的特定目标的原型系统 ,包括系统结构与识别流程 ,以及系统中所采用的基于直线特征的建模方法和图像与模型匹配算法。目标模型包括分类模型和表述模型两种 ,前者描述目标的类别属性 ,用来快速判断目标的存在性与大概位置 ;后者是对目标几何结构与物理特性的定量描述 ,用于鉴别同类目标中的特定个体。匹配算法中层次性地使用了几何的和物理的多种特征 ,并考虑了直线提取时可能出现的错误结果 ,具有较好的稳定性和较高的匹配效率。

基于指数小波分形特征的SAR图像特定目标检测

提出一种SAR图像特定尺寸、方向目标检测方法.根据指数小波对SAR目标边缘的选择性强化特性,对SAR图像进行方向指数小波滤波.基于滤波后的目标特性,定义指数小波分形特征(EWF).该特征依据SAR成像过程中目标尺寸、方向等先验性信息,实现对SAR图像特定目标检测.指数小波分形特征与传统的目标检测特征不同,它对目标尺寸、方向、背景对比度同时具有敏感性.基于MSTAR数据库的检测实验结果说明了EWF特征对尺寸、方向性SAR目标检测的有效性.

基于深度记忆网络的特定目标情感分类研究

特定目标情感分类不仅依赖于上下文信息,还需结合特定目标的特征信息,是一种细粒度的情感分析。针对特定目标情感分类提出了一种基于深度记忆网络的分类模型。该模型以双向LSTM和注意力机制为主干框架,从双向LSTM中抽取出目标的特征表示,将目标特征信息加入句子表示中,并加入多计算层(Hops)结构,用以挖掘句子和目标更深层次的情感特征信息,每个计算层的结构类似,共享参数。最后在SemEval2014和SemEval2016数据集上进行实验,取得了比其它基准模型更好的效果。

用于特定目标情感分析的交互注意力网络模型

特定目标情感分析旨在判别评论中不同目标所对应的情感极性。越来越多的研究人员采用基于神经网络的各种方法在特定目标情感分析任务中取得了较好的成绩。但大多数与目标相关的模型只关注目标对上下文建模的影响,而忽略了上下文在目标建模中的作用。为了解决上述问题,提出一种交互注意力网络模型(LT-T-TR),该模型将一条评论分为三个部分:包含目标的上文,目标,包含目标的下文。通过注意力机制进行目标与上下文的交互,学习各自的特征表示,从中捕获目标短语和上下文中最重要的情感特征信息。通过在两个标准数据集上的实验验证了模型的有效性。

基于自注意力门控图卷积网络的特定目标情感分析

基于特定目标的情感分析旨在预测句子中不同方面表达的不同情感倾向。针对之前利用循环神经网络(RNN)结合注意力机制的网络模型所带来的训练参数多且缺少对相关句法约束和长距离词依赖机制解释的问题,提出自注意力门控图卷积网络MSAGCN。首先,模型采用多头自注意力机制编码上下文词和目标,捕获句子内部的语义关联;然后,采用在句子的依存树上建立图卷积网络的方法获取句法信息以及词的依存关系;最后,通过带有目标嵌入的门控单元(GTRU)获取特定目标的情感。与基线模型相比,所提模型的准确率和调和平均值F1分别提高了1%~3.3%和1.4%~6.3%;同时,预训练的BERT模型也被应用到当前任务中,使模型效果获得了新的提升。实验结果表明所提出的模型能更好掌握用户评论的情感倾向。

基于混合多头注意力和胶囊网络的特定目标情感分析

特定目标情感分析旨在判断上下文语境在给定目标词下所表达的情感倾向。对句子语义信息编码时,目前大部分循环神经网络或注意力机制等方法,不能充分捕捉上下文中长距离的语义信息,同时忽略了位置信息的重要性。该文认为句子的语义信息、位置信息和多层次间的信息融合对该任务至关重要,从而提出了基于混合多头注意力和胶囊网络的模型。首先,使用多头自注意力分别在位置词向量基础上对上下文长句子和在双向GRU基础上对目标词进行语义编码;然后,使用胶囊网络在语义信息交互拼接基础上进行位置信息编码;最后,在融入原始语义信息基础上,使用多头交互注意力对上下文与目标词并行融合的方法得到情感预测结果。在公开数据集SemEval 2014 Task4和ACL 14 Twitter上的实验表明,该文模型性能较传统深度学习和标准注意力方法有显著提升,验证了模型的有效性和可行性。

基于深度记忆网络的特定目标情感分类

只基于注意力机制的深度记忆网络不能有效处理目标上下文情感依赖于具体目标的情况,为了解决该问题,提出了一个对目标敏感的深度记忆网络模型。该模型利用注意力机制来获取决定目标上下文情感的信息,然后通过交互模块将上下文情感表示和上下文与目标之间的交互信息融合成分类特征,最后分类得到目标的情感极性。在SemEval 2014 task4的两个数据集上进行实验,实现了比只基于注意力机制的DMN模型明显更好的F1值。实验结果表明,在解决上下文情感依赖于具体目标的问题时,考虑上下文与目标之间的交互信息是有效的。

基于CRT机制混合神经网络的特定目标情感分析

特定目标情感分析的目的是从不同目标词语的角度来预测文本的情感,关键是为给定的目标分配适当的情感词。当句子中出现多个情感词描述多个目标情感的情况时,可能会导致情感词和目标之间的不匹配。由此提出了一个CRT机制混合神经网络用于特定目标情感分析,模型使用CNN层从经过BiLSTM变换后的单词表示中提取特征,通过CRT组件生成单词的特定目标表示并保存来自BiLSTM层的原始上下文信息。在三种公开数据集上进行了实验,结果表明,该模型在特定目标情感分析任务中较之前的情感分析模型在准确率和稳定性上有着明显的提升,证明CRT机制能很好地整合CNN和LSTM的优势,这对于特定目标情感分析任务具有重要的意义。

一种用于特定目标情感分析的深度网络模型

基于注意力机制的长短期记忆(LSTM)网络在训练过程中需要耗费大量时间,且仅以句子作为网络输入难以有效区分同一句中不同目标的情感极性。为此,提出一种结合卷积神经网络(CNN)和区域LSTM的深度网络模型。通过区域LSTM实现特定目标的区域划分,在保留特定目标重要情感信息的同时,有效区分不同目标的特征信息,并利用CNN保留整个句子的情感信息。实验结果表明,该模型能有效识别不同目标的情感极性,相比传统网络模型具有更短的模型训练时间。

基于特定目标提议框的自适应跟踪算法

目前多数跟踪算法采用尺度遍历穷搜索策略应对目标的尺度变化,其跟踪性能和效率不佳。针对此问题,基于特定目标提议框提出一种自适应跟踪算法。对目标提议框生成算法进行改进,融入跟踪目标的尺度和位置信息,得到特定目标提议框并获取其特征。为确保跟踪的连续性,将自适应支持向量机作为跟踪模型,对特定目标提议框进行评分,得到目标位置。对均匀采样样本和特定目标提议框正负样本分类,进行模型更新。在OTB100数据库上进行对比实验,结果表明,与CNN-SVM、DeepSRDCF等算法相比,该算法能较好地适应目标的尺度变化和形变,有效提高跟踪效率。

卫星遥感影像特定目标的超分辨率重建算法

鉴于目前基于深度学习的超分辨率重建算法存在实际应用精度低、训练样本处理效果差等问题,提出了一种新的遥感影像超分辨率重建算法。该方法将飞机和机场作为特定目标样本集,创立混合降质模型实现数据预处理,通过引入全局和局部残差学习策略改进深度卷积神经网络结构,再采用卷积层与反卷积层的图像特征融合重建高精度目标。该模型在多个目标数据集中训练,并采用多种主观和客观评估方法测试,与目前主流方法展开对比。实验结果表明,在定量指标评估中,在不同缩放因子下,该方法的峰值信噪比和结构相似度相对Bicubic、SRCNN、SRGAN、RFANet、EDSR和MCSR方法有较高提升。在分辨率卡的主观视觉评价中,该方法的有效分辨率提升倍数明显高于其他方法。该方法对遥感影像特定目标的超分辨率重建中获取细节特征信息的能力更高,重建目标拥有更高精度和清晰度,有利于航天对地观测的高精度图像解译和信息研判。

特定目标定向与员工适应性行为的关系研究

现在企业面临着越来越复杂多变的环境,而员工在变化中的适应性行为对组织来说是非常重要的。通过理论分析,笔者发现员工的适应性行为与其自身的目标定向有很大的关系,在此基础上,本文针对不同的目标定向,提出不同的管理策略。

基于加速鲁棒特征的非特定目标跟踪算法研究

提出了将加速鲁棒特征SURF与混合匹配法相结合实现对非特定目标的跟踪,跟踪目标既可以是特定目标,亦可在跟踪过程中进行目标切换。首先提取目标图像和待匹配视频的SURF特征点并生成特征向量,然后采用欧氏距离和Hessian矩阵迹相结合确定特征点匹配对,实现目标的定位与跟踪。选用VS 2008平台进行仿真实验,结果表明,该算法既保持了跟踪目标的尺度不变性,又实现了跟踪过程的可控性。

多目标依存建模在特定目标情感分类中的应用

特定目标情感分类旨在准确判别句子中目标的情感极性,现有的方法大多只对单一目标进行分析,而忽略了同一句中多个目标之间存在的依存性。为了有效建模目标之间的依存性,该文提出一种基于多目标依存建模的图卷积网络模型。首先,通过注意力机制对目标进行上下文语义编码;然后,根据句子的依存句法树构建多目标依存图,再根据多目标依存图使用图卷积网络对多个目标之间的依存性进行建模;最后,利用生成的目标表示进行情感分类。该模型在SemEval 2014 Task4 Restaurant和Laptop两个数据集上进行实验,结果表明,该文模型相比基于标准图卷积网络的模型性能有显著提高,在特定目标情感分类任务中更具竞争力。

空间特定目标表面的双波段红外辐射特性调控方法

红外诱饵等空间特定目标是对抗红外探测的主要手段之一。随着双色制导技术的发展,红外探测灵敏度不断提升,目标识别能力不断增强,这对空间特定目标表面的双波段红外辐射的逼真性提出了要求。通过改变空间特定目标表面发射率控制其红外辐射强度的大小,使用数值仿真的方法进行计算,从而提出了对空间特定目标表面红外辐射特性的调控方法。此外根据所确定的表面发射率、可见光吸收及红外发射比例以及内热源功率,选择合适的表面材料以及热功率施加方法,在保证空间特定目标表面机械性能的同时,使空间特定目标满足光照及阴影区的双波段红外辐射特性要求,并进行模型的制作以及热真空实验,证明了理论计算的准确性。

基于LSTM-GCAE的特定目标情感分析

针对传统特定目标情感分析在模型输入前未能将上下文和目标词进行良好地融合以及在提取情感特征时未能有效地关注到特定目标等问题,提出了一种基于LSTM-GCAE的特定目标情感分析模型。首先,将上下文和目标词进行拼接得到融合词向量,采用LSTM对融合词向量进行编码,以捕获上下文语义信息;然后,通过带有目标词向量的门控卷积机制进一步提取关于目标词的情感特征;最后,通过softmax分类函数对特定目标进行情感极性分类。

一种针对特定目标的提议算法

Edge boxes是一种一般目标提议算法,为了提高其对特定目标提议的有效性,提出了一种改进的Edge boxes提议算法。Edge boxes算法通过对候选框评分得到候选区域,针对特定目标,改进了评分的依据。首先,提取目标的不同区域,得到被候选框完全封闭包围的轮廓在这些区域中的像素点,由各个区域的像素点的均值幅值构成特征向量;其次,计算各个候选框与目标的特征向量的差值,并将差值与被候选框完全封闭包围的轮廓的数量结合起来,作为评价各个候选框包含目标可能性大小的依据。所提算法在视频序列上进行了实验,精度至少提升了10.71%,验证了改进算法的有效性。

基于模糊Hopfield神经网络的特定目标的识别

基于模糊Hopfield网络研究提出了一种基于核的模糊Hopfield网络识别系统(BC FH NRS)。BC FHNRS先训练要识别的特定目标的核,使核能够代表特定目标,然后根据核对未知模式进行识别,判断该未知模式是否是特定的目标。给出了一种核的构造和训练方法,并以此为基础提出识别算法。该系统具有运算时间短、识别率和拒识率较高的优点。试验结果显示,BC FHNRS具有较好的特性。