中文微博情感分析研究综述

随着微博的风靡,与之相关的研究得到学术界和工商界的广泛关注。针对中文微博情感分析的研究进行综述。将中文微博文本情感分析分为三类任务:文本预处理、情感信息抽取和情感分类,对各自的研究方法和进展进行总结。其中情感信息抽取分为情感词、主题和关系的抽取,将微博主观文本情感分类方法归结为基于语义词典的情感计算和基于机器学习的情感分类。此外,从微博网站数据构成的角度出发,对情感分析做了延伸分析。最后总结微博情感分析的研究现状,并提出今后的研究方向。

基于微博搜索和SVM的股市时间序列预测研究

近年来,随着微博的快速发展,其海量信息的挖掘已经成为一个热门的学术焦点。本文针对微博数据挖掘在金融领域的应用提出一种基于微博搜索和SVM的股市时间序列预测方法。以微博搜索功能为基础,进行主题、未来倾向、情感三级分类,实现对微博平台上投资者情绪进行侦测,并计算相应的投资者看涨情绪指标和看跌情绪指标。将两个指标数据引入传统的基于股市历史数据的时序预测方法,形成基于SVM的多变量时序预测模型MTPH&BSI。经过样本训练、参数寻优、测试样本预测等过程,实验结果表明本文所构造的预测模型比传统基于历史数据的单变量时序预测模型具有更佳的预测性能和更好的泛化能力。本文对于研究微博等社会化媒体的服务能力具有借鉴意义。

大直径泥水平衡盾构施工参数对管片渗漏影响规律研究

文章针对大直径盾构施工中渗漏风险的控制问题,以盾构施工参数为研究对象,采用多评价策略融合方法提取渗漏关键特征,设计了基于关联规则的数据挖掘方法对关键特征进行组合分析和渗漏预测,得到了管片渗漏规律并进行了渗漏机理分析,提出了解决渗漏问题的施工参数优化方法。在工程实践中,以上海软土地层中大直径泥水平衡盾构施工的实测数据为例,对渗漏进行预测并优化施工参数,文章提出的施工参数优化方法能够有效减少渗漏发生率,提高施工质量。