一种融合字词信息的中文情感分析模型

中文情感分析模型的文本表示通常只采用词粒度信息,这会导致模型在特征提取时丧失字粒度的特性,同时常用的分词方法的分词结果过于精简,也一定程度上限制了文本表示的丰富度。对此,提出了一种融合字粒度特征与词粒度特征的中文情感分析模型,采用全模式分词得到更丰富的词序列,经词嵌入后将词向量输入Bi-LSTM中提取全文的语义信息,并将隐层语义表示与对应字向量进行初步融合,增强词级信息的鲁棒性;另一方面将字向量输入多窗口卷积,捕捉更细粒度的字级特征信息。最后将字词粒度特征进一步融合后输入分类器得到情感分类结果,在2个公开数据集上的性能测试结果表明,该模型相比同类模型有更好的分类性能。

基于多级多尺度特征提取的CNN-BiLSTM模型的中文情感分析

情感分析作为自然语言处理(NLP)的一个研究子领域,在舆情监测方面起着非常重要的作用。在中文情感分析任务中,已有方法仅从单极、单尺度来考虑情感特征,无法充分挖掘和利用情感特征信息,模型性能不理想。针对这一问题,提出了一种多级多尺度特征提取的CNN-BiLSTM模型。该模型首先利用预训练好的中文词向量模型并结合嵌入层微调来获取词级特征;然后利用多尺度短语级特征表征模块和句子级特征表征模块来分别获取短语级和句子级特征,在多尺度短语级特征表征模块中,使用具有不同卷积核尺寸的卷积网络来获取不同尺度的短语级特征;最后使用多级特征融合方法将词级特征、不同尺度的短语级特征以及句子级特征进行融合形成多级联合特征,与单极、单尺度特征相比,多级联合特征具有更多的情感信息。在实验中,使用Accuracy,Precision,Recall,F1这4个评估指标对模型性能进行评估,并与包括支持向量机(SVM)在内的8种方法进行比较。实验结果表明,所提方法在4个评估指标中的得分均优于8种对比方法,证明了所提模型在多级和多尺度特征提取上的优势。

受限领域问答系统的中文问句分析研究

对用户所提问句的理解是受限领域问答系统实现的关键,该文提出一种基于本体和问句句型模板规则的中文问句分析方法,研究如何使用问句语义表征来表示问句分析的结果,将该方法应用于某受限领域问答系统中。实验结果表明,使用该方法进行中文问句分析,准确率达90%以上,可以在实际的问答系统中使用该方法。

基于权值算法的中文情感分析系统研究与实现

为了能够更加准确地对语句结构进行划分、对语句表达的内容进行判断,提出了一种全新的基于权值的计算算法,在完善中文分词的基础上对语句进行情感分析。首先利用中文分词算法对句式结构进行分割,然后依据词性对词库进行扩展,词库对句式中干扰词汇进行过滤,最后利用全新的权值计算算法对语句情感进行准确分析。经有效测试结果表明,情感分析准确率较高,并广泛适用于网络舆情分析等应用中。

基于词聚类特征的统计中文组块分析模型

提出了一种基于信息熵的层次词聚类算法,并将该算法产生的词簇作为特征应用到中文组块分析模型中.词聚类算法基于信息熵的理论,利用中文组块语料库中的词及其组块标记作为基本信息,采用二元层次聚类的方法形成具有一定句法功能的词簇.在聚类过程中,设计了优化算法节省聚类时间.用词簇特征代替传统的词性特征应用到组块分析模型中,并引入名实体和仿词识别模块,在此基础上构建了基于最大熵马尔科夫模型的中文组块分析系统.实验表明,本文的算法提升了聚类效率,产生的词簇特征有效地改进了中文组块分析系统的性能.

基于条件随机域和语义类的中文组块分析方法

为了解决中文组块分析精度不高和未利用词的语义信息的问题,提出了一种基于条件随机域模型和语义类的中文组块分析方法.该方法通过研究中文组块分析任务及其序列化特性,采用条件随机域模型融合不同类型特征,克服标记偏置问题,将语义词典中抽取的语义类特征应用到中文组块分析中,提高分析精度.实验表明,该方法取得了F值为92.77%的中文组块分析性能,实验进一步还表明了特征模板的选取和训练语料的规模对于分析性能的影响.

FOLFOX FOLFIRI方案治疗晚期大肠癌化疗疗效的中文文献分析

目的：研究晚期大肠癌使用FOLFOX或FOLFIRI方案全身化疗的疗效及安全性。方法：以＂肠癌、化疗＂为关键字,＂奥沙利铂、伊利替康＂或＂FOLFOX、FOLFIRI＂为二次检索关键字,搜索维普中文科技期刊数据库2000—2008年国内有关晚期大肠癌全身化疗的文献,并搜集所有文献信息,进行描述性分析。结果：共搜寻得到晚期大肠癌全身化疗有关FOLFOX、FOLFIRI方案文献283篇。最终有FOLFOX方案96篇、FOLFIRI方案16篇纳入分析。33篇提及中位生存期,30篇提及疾病进展时间。FOLFOX4方案有效率在26.1%-57.14%,FOLFOX6方案有效率在33.3%-48.6%,其他L-OHP＋CF/5-FU方案有效率在26.5%-60%。FOLFIRI方案有效率在12.5%-48.2%。结论：国内晚期大肠癌全身化疗FOLFOX、FOLFIRI方案疗效与国际相仿,然方案具体运用尚不规范,临床试验纳入样本量相对较少,缺乏大样本多中心的临床随机对照试验,影响结果。

面向深度学习的多维度中文网络舆情分析

针对目前中文网络舆情中的情感分类方法过于依赖人工特征选择,以至于其分类精度难以提升等问题,本文通过拟合人脑对具有较大复杂非线性的中文文本的理解,借助深度学习的方法构建多维度的网络舆情分析模型.在本文所提出的方法中,通过构造中文文本词向量解析模型和RAE深度学习模型来实现文本信息的高层特征提取和情感分类;而后结合LDA主题分析模型和时间序列模型实现多主题的舆情情感分析和舆情情感走势预测;最后,通过对"魏则西事件"的实证分析,验证了本文深度学习模型对中文文本舆情分析处理的优越性和合理性.

基于组合特征的中文版面分析方法

在对中、外文版面特点进行比较的基础上，指出了中文版面分析的困难所在，并有针对性地归纳出了相应的版面组合特征。利用这些特征，建立了一种以自底向上分析为主，同时融入自顶向下某些方法与结果的中文版面分析方法。实验结果表明，这种方法能够对比较规范的中文版面进行分析，具有较高的效率和较好的适应性。

中药治疗乳腺增生的中文文献分析

乳腺增生病是指临床上以乳痛、乳腺组织局部增厚或有多个大小不等的结节为主要症状，在病理上以上皮增生、纤维组织增生及部分以淋巴细胞为主的炎性细胞浸润为主要变化的疾病，其患病率有逐渐增高趋势。根据本病的征候学特点，祖国医学将其划归“乳癖”范畴。现代医学多采用激素类、维生素类药物及手术治疗，疗效不够理想。近年来，中医药治疗乳腺增生病已取得可喜进展，

中药治疗泌尿系统结石的中文文献分析

对文献报道中的治疗泌尿系统结石处方进行统计分析，为临床药物筛选和合理组方提供资料。方法：收集１９８３～１９９９年国内公开发表的中文期刊上报道的治疗泌尿系统结石的中药方剂，对方剂中中药使用频率、剂型及配伍情况进行统计分析。结果：①共检索到有关中药治疗泌尿系统结石的文献３２０篇，其中处方明确的中药方剂为２８８个，涉及中药２６９种。②方剂中使用频率列前１５位的中药依次为金钱草、海金砂、鸡内金、牛滕、滑石、石苇、甘草、车前子、冬葵子、瞿麦、木通、黄芪、琥珀、芍药和王不留行。③统计分析显示临床治疗泌尿系统结石方剂中中药配伍一般以９～１３种为宜。④中药治疗泌尿系统结石以汤剂为主。结论：中药治疗泌尿系统结石处方繁多、配伍复杂、疗效不一，如何确立疗效确实、组方合理的中药方剂有待进一步研究。

基于特征融合的中文文本情感分析方法

针对现有的中文文本情感分析方法不能从句法结构、上下文信息和局部语义特征等方面综合考量文本语义信息的问题,提出一种基于特征融合的中文文本情感分析方法.首先,采用Jieba分词工具对评论文本进行分词和词性标注,并采用词向量训练工具GloVe获取融入词性的预训练词向量;然后,将词向量分别作为引入Self-Attention的BiGRU和TextCNN的输入,使用引入Self-Attention的BiGRU从文本的句法结构和文本的上下文信息两个方面综合提取全局特征,使用TextCNN提取文本的局部语义特征;最后,将全局特征和局部语义特征进行融合,并使用Softmax进行文本情感分类.实验结果表明,本文方法可以有效提高文本情感分析的准确率.

一种处理结构化输入输出的中文句法分析方法

中文句法结构复杂,特征维数较高,目前已知最好的汉语句法分析效果与其他西方语言相比还有一定的差距。为进一步提高中文句法分析的效率和精度,该文提出一种采用二阶范数软间隔优化的结构化支持向量机(Structural Support Vector Machines,Structural SVMs)方法对基于短语结构的中文句法进行分析,通过构造结构化特征函数ψ(x,y),体现句法树的输入信息,并根据中文句子本身具有的强相关性,在所构造的ψ(x,y)中增加中文句法分析树中父节点的信息,使ψ(x,y)包含了更加丰富的结构信息。在宾州中文树库PCTB上的实验结果表明,该文方法与经典结构化支持向量机方法以及Berkeley Parser相比可取得较好的效果。

向上学习方法改进移进-归约中文句法分析

基于移进-归约的句法分析系统具有线性的时间复杂度,因此在大规模句法分析任务中具有特别实际的意义。然而目前移进-归约句法分析系统的性能远低于领域内最好的句法分析器,例如,伯克利句法分析器。该文研究如何利用向上学习和无标注数据改进移进-归约句法分析系统,使之尽可能接近伯克利句法分析器的性能。我们首先应用伯克利句法分析器对大规模的无标注数据进行自动分析,然后利用得到的自动标注数据作为额外的训练数据改进词性标注系统和移进-归约句法分析器。实验结果表明,向上学习方法和无标注数据使移进-归约句法分析的性能提高了2.3%,达到82.4%。这个性能与伯克利句法分析器的性能可比。与此同时,该文最终得到的句法分析系统拥有明显的速度优势(7倍速度于伯克利句法分析器)。

基于动作建模的中文依存句法分析

决策式依存句法分析,也就是基于分析动作的句法分析方法,常常被认为是一种高效的分析算法,但是它的性能稍低于一些更复杂的句法分析模型。本文将决策式句法分析同产生式、判别式句法分析这些复杂模型做了比较,试验数据采用宾州中文树库。结果显示,对于中文依存句法分析,决策式句法分析在性能上好于产生式和判别式句法分析。更进一步,我们观察到决策式句法分析是一种贪婪的算法,它在每个分析步骤只挑选最有可能的分析动作而丢失了对整句话依存分析的全局视角。基于此,我们提出了两种模型用来对句法分析动作进行建模以避免原决策式依存分析方法的贪婪性。试验结果显示,基于动作建模的依存分析模型在性能上好于原决策式依存分析方法,同时保持了较低的时间复杂度。

融合多结构信息的中文句法分析方法

句法分析是自然语言理解的一项基础技术,是迈向深层语言理解的基石。目前常用的句法分析方法的语法模型建立在上下文无关文法的假设上。事实上,短语结构树的节点之间具有很强的上下文相关性,充分利用结构信息,可进一步提高句法分析的准确性。融合了句法结构树中的多结构信息(在非终节点中增加父亲节点及左、右姐妹节点等标记)以加强语法规则的上下文约束,并采用结构化支持向量机的方法对句法进行了分析。实验表明,该融合多结构信息的句法分析方法可以消解结构歧义,提升句法分析精确率和F1值。

2004～2011年动脉自旋标记（ASL）研究中文文献分析

磁共振灌注成像是用来反映组织的微血管分布及血流灌注情况的磁共振新技术，可以提供血流动力学方面的信息。根据成像原理可将其分为三种类型，即对比剂首过灌注成像、动脉血质子自旋标记及血氧水平依赖对比增强技术。对比剂首过灌注成像目前应用最多，最广泛[1]。血氧水平依赖对比增强技术主要用于脑功能区定位研究[2]。动脉血质子自旋标记（arterialspinlabeling，ASLlMRI灌注成像是最近几年发展起来的MRI灌注新技术，该技术有望实现对脑、肺血流量（cerebralbloodflow，CBF）的绝对测量[3]，具有很大的发展前景，因而备受关注。

中文篇章级句间关系自动分析

篇章级句间关系分析包括语义单元的切分和各个单元之间的语义关系识别.已有的研究主要面向英文,到目前为止,尚无可用的中文篇章级句间关系自动分析系统发布.在中文篇章关系语料库的基础上,首次实现面向中文的篇章级句间关系自动分析系统,包括语义单元切分、连词识别、显式语义关系识别以及隐式语义关系识别等.实验结果显示:该系统在显式句间关系识别上F-score为89.8%,隐式句间关系识别上F-score为55.5%.

前列地尔的不良反应中文文献分析

目的收集中文文献中关于前列地尔的不良反应报道,探讨其不良反应的发生规律和特点。方法通过对中国知网数据库、万方数据库等进行检索,查找前列地尔相关不良反应文献,根据纳入与排除标准,收集符合纳入标准的文献,对出现的不良反应、适应证、用法用量、溶媒、疗程等进行分析。结果通过检索分析,前列地尔的不良反应发生率很低,占临床对照研究中总病例数的8.08%,且临床症状较轻微,主要是用药部位出现的静脉炎,头疼头晕、恶心呕吐和轻度胃肠道不适等,可以立即停药或停药后对症治疗,使其症状好转或消失,未有不良事件报道,但过敏性休克等严重不良反应也偶有发生,一旦发现应及时抢救,避免给患者造成不可逆的损害。结论在临床上使用前列地尔时要严格依照其药品说明书和用药指征合理应用,加强用药管理,尽可能避免出现不良反应,如若出现要及时进行适当的处理,使前列地尔在临床上的应用更加合理化。

单侧肺动脉缺如患者心电图分析（附1例报告和相关中文文献分析）

单侧肺动脉缺如（UAPA）是一种少见的疾病，该病的临床和心电图表现均缺少系统的描述，往往因认识不足而导致误诊。现报道1例UAPA并对有关UAPA中文文献进行复习，分析该病的临床和心电图表现。