基于机器学习的在线评论倾向性分析

针对现如今激增的网络评论,本文对两家酒店的用户评论进行倾向性分析,分析各自的优缺点。首先爬取去哪儿网上南京如家和汉庭酒店的客户评论,针对原始语料,进行数据清洗预处理。然后将带有情感标签的评论作为输入变量,使用朴素贝叶斯分类器进行训练,使用此模型,对其余评论进行倾向性分析。最后对两家酒店的评论文本进行LDA主题挖掘。

基于ALBERT-BiLSTM-Att的微博评论情感分析研究

针对传统语言模型无法直接提取句子的双向语义特征,导致情感分类准确率较低的情况,提出一种结合预训练语言模型ALBERT、BiLSTM以及Attention机制的微博评论情感分析模型ALBERT-BiLSTM-Att。在公开数据集weibo_senti_100k上,经过五折交叉验证实验,ALBERT-BiLSTM-Att模型的准确率达到93.30%。

改进PSENet的自然场景文本检测方法

基于深度学习的检测方法在文本形状较规则的情况下,已经取得较好的检测结果,但对于倾斜以及弯曲的文本行仍有改进空间。文章在渐进式尺度扩展网络PSENet的基础上,通过使用Res2Net模块提取多尺度特征,并结合全局卷积网络GCN进行特征融合,来对原有模型进行改进。根据在SCUT-CTW1500和Total-Text数据集的实验结果对比,证明改进的算法有效可行。