基于情感常识的情感分析

近年来,随着人工智能领域的蓬勃发展,计算机对于常识知识的需求逐渐增加。情感常识作为常识知识中的一部分,同样是当前情感计算领域的一个重要方面。鉴于情感词典结构与内容的局限性,该文设计了一种二元情感常识结构并以此为基础构建中文情感常识库。其构建过程首先通过知识提取获得情感常识知识候选集,再经过人工筛选与自动化扩展形成最终的情感常识库。在公开数据集上的实验结果表明,该文所构建的二元情感常识库有利于提高文本情感分析的精度。

基于生成对抗网络的控辩焦点识别

近年来,随着深度学习技术的不断发展,自然语言处理作为人工智能的一个重要分支,在许多垂直领域有了广泛的应用,如司法、教育、医疗等。在司法领域的庭审过程中,控辩双方往往围绕案件的争议焦点持有不同观点,而该焦点也是影响案件最终判决和量刑的关键所在,该文旨在识别并生成电子卷宗中的控辩焦点。由于控辩焦点的构成大多依赖对案情文本的分析概括,受此启发该文尝试将文本摘要的思想迁移到该任务中,结合生成对抗网络构建控辩焦点的生成模型,进而获得案件的控辩焦点。在裁判文书网的真实司法数据的基础上,开展了相关的实验。实验结果显示,所提出的模型对控辩焦点的识别精度有了一定幅度的提升。因此,该文对检察机关办案人员的庭前预案及案件审理有着一定的辅助作用与应用价值。

面向排名预测的电影媒体网站研究

结合排序学习方法,对电影排名预测任务进行研究。通过挖掘和分析电影媒体网站数据,完成对排名预测相关特征的抽取与扩展及排名标注的对齐和划分等,并提出面向电影媒体网站的排名预测模型。实验结果显示,该模型能有效地提高电影排名预测任务的性能,在为影视院线合理规划同期电影的上映时间及排片比例、为观影者提供优质热门的电影推荐等方面具有一定的应用价值。