基于社交媒体评论的广州市中心区综合公园游客感知

综合公园是城市中重要的绿色基础设施之一,获取游客对公园的感知特征及其影响因素,有助于为优化公园配置提供依据。使用2006–2022年的大众点评网数据,通过自然语言处理技术分析游客对广州市中心区10个综合公园的感知特征。结果发现:珠江公园的游客评分最高,东风公园最低;春、夏季的游客评论量更大,春、冬季的满意度最高;水体、植物、健身设施、古迹建筑、游乐设施、休憩场所类的景点更易被游客感知,而雕塑或科普类的景点感知较少;区位交通、门票、空气质量、内部设施及活动等是游客赋予公园积极评价的主要因素。建议采取完善园内服务配套设施、严格把关环境卫生、加大园内景点宣传、加强园区日常管理等措施,以提升公园空间品质。研究结果对广州市综合公园优化设施配置和提升服务水平具有重要意义。

融入主题特征的中越跨语言情感分类模型

越南语网络评论的情感分类是越南语事件观点分析的基础。越南语资源匮乏,标注困难,可借助中文标注语料进行跨语言情感分类,实现越南语评论的情感极性预测。但现有的跨语言情感分类模型忽略了主题信息对加强情感表征学习、减小语言差异的作用。为此,该文提出了一种融入主题特征的中越跨语言情感分类模型。将中文①和越南语的主题词分布作为外部知识引入模型,利用门控机制将主题表征与语义表征进行融合编码,并通过对抗过程使模型学习到语言分布差异最小的表征,最终完成情感分类任务。实验结果表明,该模型能更快拟合出语言分布差异,其宏F_(1)值较多个基线模型均有明显提高。

基于改进蚁群算法的集体垃圾邮件发送者检测研究

社交媒体评论对购物至关重要,但不良商家组织欺诈性评价者发布恶意评论,误导消费者。本文提出了一种名为IACOA的改进蚁群算法,通过评论投影图检测隐式社区,提高垃圾邮件发送者的识别精度。该算法在审查者投影图中执行,使用组和个人垃圾邮件指标评估意见垃圾邮件发送者组的怀疑度,并输出排名。该方法在预测精度上优于其他四种比较方法。