基于互增强关系的自动文摘句子加权方法

针对自动文摘处理,提出一种新颖的自动文摘句子加权方法.该方法采用基于互增强关系(MRP)的迭代算法模拟句子和词之间的循环加权关系,计算句子权重.实验结果表明,基于MRP的迭代算法收敛速度快;与传统的自动文摘方法和MS Word Summarizer相比,所提出的基于MRP的句子加权方法可以使自动文摘系统具有更好的性能.

基于聚类与句子加权的欺骗性评论检测

消费者在购物前往往会参考产品评论,欺骗性评论容易误导顾客使其作出错误决定。现有检测欺骗性垃圾评论的方法大多采用机器学习方法,难以学习评论的潜在语义。因此提出一个基于聚类与注意力机制的神经网络模型学习评论语义表示。该模型使用基于密度峰值的快速搜索聚类算法找出词向量空间语义群,通过KL-divergence计算权重,然后综合句子中单词与单词所属的语义群得到句子表示。实验结果表明,该模型准确率达82.2%,超过现有基准,在欺骗性垃圾评论识别中具有一定使用价值。

基于句子情感加权算法的篇章情感分析

针对篇章级的文本情感倾向性分析准确率不高的问题,提出一种新的基于句子加权算法的篇章级文本情感倾向性分析方法.该方法将文本细化为句子的集合,在充分分析汉语中各种句子的句式结构特点的基础上,对复杂句采用新的情感判断规则判别情感,对简单句采用朴素贝叶斯算法判别情感,依据新提出的句子情感值的计算规则为每个句子赋予情感权值,最后依据此次研究提出的句子情感权值合成算法计算得出篇章级文本的情感倾向性.在实验中,使用本文所提出的方法对篇章级文本进行情感分析获得了较好的准确率、召回率和F值.实验证明,基于句子加权算法的情感分析方法要比传统的文本分类方法效率更高.

中文文本挖掘的动态文摘建模方法

中文文摘是自然语言处理领域的重要研究之一,尤其是基于理解的文摘中对时间特征的研究,更是引起了广泛的关注。本文抽取中文文本摘要的动态特征,进行文本挖掘和建模分析来体现时间特性。通过对中文动态多文档文摘系统框架和句子加权、特征抽取及句子选择等关键步骤的算法设计,实现动态文摘模型,并提出基于动态性能的中文文摘评测方法。实验证明该中文动态文摘技术及其评测算法在实际的文本挖掘过程中,能较好地获得可理解性的、具有时间延展性的摘要,具有一定的可行性和较高的研究价值。