关于企业发展与上市时机选择的思考——以阿里巴巴集团为例

文章对阿里巴巴集团从上市到退市到准备再上市的发展轨迹和时机选择分析入手,论述了阿里巴巴集团的发展战略。

基于双向门控循环单元和双重注意力的实体关系抽取

实体关系抽取在文本信息抽取中起着关键的作用。针对卷积神经网络出现文本数据特征丢失,循环神经网络梯度消失与长期依赖等问题,提出了一种基于双向门控循环单元和双重注意力的命名实体关系抽取方法。采用基于中文汉字n元笔画信息的词向量训练模型cw2vec和双向门控循环单元的方法,通过前向和后向传播的方式解决因遗忘而丢失句子特征信息的问题,再加入句子级别和字级别的注意力机制提高模型的精确度。实验表明,相比无注意力或单重注意力机制的方法,使用cw2vec模型训练的词向量库加上双向门控循环单元和双重注意力模型的准确率有所提高。

面向方面级情感分类与深度学习的分层网络模型

针对已有基于方面级别的情感分类通常只考虑独立的句子及关注每个句子的方面情感的问题,提出了一种基于方面情感分类的分层区域CNN-LSTM模型。与基于注意力机制LSTM和基于注意力机制CNN不同,通过分层关注机制将注意力集中在单词级别和句子级别上。采用一种新的基于分层CNN作为输入层,在整个评论中提取基于方面的长距离依赖特征,这种分层CNN和区域LSTM可以捕获与关注更深入更细粒度的信息,并且可以在预测过程中考虑句子内部和句子之间的关系。在多领域数据集上进行实验,结果表明,与仅使用单词向量基于方面情感分类的同类模型相比,所提出的模型性能更好。