与算法为友:平台创意劳动者的算法情感与战术实践

本文置于人机传播视域,以算法民间理论与媒介可供性作为理论镜头,通过网络民族志与创作者深度访谈收集经验材料,分析了平台创意劳动者与算法互动时的情感认知与战术实践。研究表明创意劳动者对算法系统持正面情感,提炼了“益友”“良师”“助手”三种情感隐喻。他们积极学习、管理、共享算法知识,发展出平台算法的可教育性,并通过可见性游戏完成劳动阶层分化与再生产。创意劳动者对算法系统持正面情感的背后,需关注算法的黑箱设计及不透明性,这暗含了人与机器的权力关系及协调问题。研究启发了传播学者在技术、资本等宏观理论之外,关注更细化的、视野更多元的劳动者情感空间。

基于中文文本情感倾向算法培养计算思维的教学实践研究

人工智能纳入中小学课程体系,对于提升学生信息素养、普及全民智能教育、培养人工智能人才具有重要意义。以“情感分析”内容为例,基于情感词典的方式对中文文本情感倾向算法进行探究,培养学生的计算思维,使其体会人工智能在社会生活中的应用,并就如何深入地在信息技术常态化课程中开展人工智能教学进行探讨。

基于改进TF-IDF与BERT的领域情感词典构建方法

领域情感词典的构建是领域文本情感分析的基础。现有的领域情感词典构建方法存在所筛选候选情感词冗余度高、情感极性判断失准、领域依赖性强等问题。为了提高所筛选候选情感词的领域性和判断领域情感词极性的准确程度,提出了一种基于改进词频-逆文档频率(TF-IDF)与BERT的领域情感词典构建方法。该方法在筛选领域候选情感词阶段对TF-IDF算法进行改进,将隐含狄利克雷分布(LDA)算法与改进后的TF-IDF算法结合,进行领域性修正,提升了所筛选候选情感词的领域性;在候选情感词极性判断阶段,将情感倾向点互信息算法(SO-PMI)与BERT结合,利用领域情感词微调BERT分类模型,提高了判断领域候选情感词情感极性的准确程度。在不同领域的用户评论数据集上进行实验,结果表明,该方法可以提高所构建领域情感词典的质量,使用该方法构建的领域情感词典用于汽车领域和手机领域文本情感分析的F1值分别达到78.02%和88.35%。

算法情感:直播带货中的情绪传播

直播带货作为一种新兴的电子商务营销模式正处于高速发展期,其通常采用激情亢奋的情绪刺激用户,从而提升流量和交易数据,进而生成连接和激活"人货场"的新型传播场。直播带货从2016年发展至今,其传播特征主要包括:是渠道场景、用户流量和消费数据构筑的传播场;是以主播为中心节点的辐射传播,主播是"人货场"资源重叠的焦点;情绪传播生成高黏性用户群体,直播带货塑造虚拟亲密的消费关系。直播带货中的情绪传播主要包括愉悦情绪、情绪信任、情绪感染与分享、道德情绪和情绪表演。本文用"算法情感"归纳和反思直播带货中的情绪传播现象。"算法情感"既是大数据技术下用系统的方法描述和解决问题的平台策略机制,也是直播带货中推动流量数据、销售业绩的复杂人格特质。未来通过更充分、更智慧的交流沟通、知识分享和情绪表达实现高质量的网络生活,这或许也是用主流价值导向驾驭算法的应有之义。

基于社会情感优化算法的船舶转向避碰决策

针对多船会遇时转向避碰决策的难题,提出一种运用社会情感优化算法(Social Emotional Optimization Algorithm,SEOA)求取最佳转向避碰幅度的决策方法。基于国际海上避碰规则和良好船艺对转向行动的要求,分别对互见和不在互见两种情况,建立船舶转向避碰行动矩阵,根据目标船的相对方位和船舶类型确定转向避碰的行动向量,限定问题的求解空间。将船舶碰撞危险度和航程损失作为目标函数,在个体情绪值控制下迭代进化,求取全局范围内的最优转向避碰幅度。仿真结果表明,将社会情感优化算法用于船舶转向避碰决策是可行且有效的,能为船舶驾驶人员的决策提供支持。

社会情感算法优化神经网络的短时交通流预测

针对反向传播(BP)神经网络用于交通流预测易陷入局部最优且寻优速度慢的问题,采用了社会情感优化(SEO)BP神经网络的参数,以SEO中的个体为一个BP神经网络,以3种情绪为表现形式,通过个体间的合作竞争进行寻优。运用Levy、正态、柯西分布3种情绪随机选择策略,通过不同方式实现了以不同的概率选择不确定的情绪,使SEO中情绪更好地模拟人的正常心理变化。实验表明:该模型较其他模型更有利于搜寻全局最优解,能有效提高短时交通流的预测精度。

结合无功二次精确矩法的混沌社会情感优化算法的多目标无功优化

针对配电网无功优化的特点,提出一种新的方法。首先,采用无功二次精确矩法确定无功补偿点;然后建立以有功网损最小、电压偏差最小及静态电压稳定裕度最大的多目标无功优化模型,用模糊方法将多目标优化问题转化为单目标问题,并以最大、一般和最小3种运行方式模拟配电网的实际运行;接着在社会情感优化算法上引入情感强度定律,模拟人类情感变化以提高寻优精度;同时引入混沌扰动机制,来增强种群多样性以提高全局搜索能力;最后对IEEE 33节点配电网系统进行仿真分析,结果表明该优化方法可以有效地降低网损与提高电压质量。

基于社会情感优化算法的步进式同心圆无钟高炉布料控制研究

为实现无钟高炉布料精准化,建立了基于社会情感优化算法的步进式同心圆布料控制模型。在分析步进式同心圆布料工艺特点的基础上,选取溜槽倾角作为布料控制的主要参数,以料面形状误差为控制目标,建立了步进式同心圆布料优化控制的数学模型,设计了社会情感优化算法进行优化求解。最后将控制模型应用到2 580 m^3无钟高炉进行验证,并分析了社会情感优化算法解决步进式同心圆布料控制问题的优化性能。计算结果表明:基于社会情感优化算法的步进式同心圆布料控制方法能够准确地实现期望的炉料分布,与标准遗传算法和标准粒子群算法相比,社会情感优化算法在布料控制优化中显示出准确度高和收敛速度快的优点。

基于社会情感算法的分类模型设计

本文首先通对分类模型进行分析,由于分类规则容易理解、简单,因此分类问题拟采用分类规则表示,而社会情感优化算法是一种新的群智能优化算法,模拟了人类群体的决策过程,因此将社会情感算法应用于分类问题,针对连续属性建立分类模型。

基于LS-SO算法的情感文本分类方法

首先,基于点互信息与信息检索(PMI-IR)算法,提出一种Laplace平滑情感判定(LS-SO)算法,对情感词典与表情符号情感词典进行自动扩充,得到了具有一定规模、高质量的情感词典,包括基础情感词典、目标情感词典、网络用语情感词典、表情符号情感词典、否定词词典、疑问词词典、程度副词词典和连词词典.其次,通过细化文本语义分析规则计算文本情感值.实验结果验证了该方法的有效性.

基于二次插值法的社会情感优化算法

社会情感优化算法是一种模拟人类社会行为的新型群智能优化算法,算法中考虑了个体决策能力以及个体的情感对寻优结果的影响,因此算法的多样性比常见的群智能算法改善了很多,但是局部搜索能力还有待提高。二次插值法是一种局部搜索能力较强的搜索方法,把二次插值法引入社会情感优化算法,搜索效果会改善。通过使用测试函数对算法的优化性能进行测试,证明把二次插值法引入社会情感优化算法,可以使得社会情感优化算法的局部搜索能力增强,从而增强了社会情感优化算法的全局搜索能力。

基于语音与人脸表情信息的情感识别算法分析

情感识别是人们进行正常社会交往的重要基础,通过调整对方情感表达的客观内容,来使自己的情感识别具有准确性和完整性,从而能够及时掌握和了解对方的相关情况。人机交互领域的情感识别是指计算机具有相应的感知能力,可以通过观察人类的表情、行为和情绪情感来提前预判人类的情感状态,以此确保计算机可以与人类进行情感交流,最终实现友好的人机交互。本文通过简析语音与提取人脸表情信息,分析基于语音与人脸表情信息的情感识别算法,以期不断利用多模态的信息提高情感识别的效率。

用社会情感算法提取分类规则

由于分类规则容易理解、简单,因此分类问题拟采用分类规则表示,社会情感优化算法是一种新的群智能优化算法,模拟了人类群体的决策过程,因此将社会情感算法应用于分类问题,通过实验验证得到了比较好的结果。

语音情感识别分类算法研究综述

语音情感识别本质上是对语音情感的特征参数进行分类和模式识别,其核心问题在于寻找一个更为合适的语音情感识别算法.综述了语音情感识别算法的分类概况、常用的分类算法、研究中的困难与需要进一步研究的问题.最后展望了可能提高精度的先进识别模型.

基于特征选择和深度信念网络的文本情感分类算法

由于人类语言的复杂性,文本情感分类算法大多都存在因为冗余而造成的词汇量过大的问题。深度信念网络(DBN)通过学习输入语料中的有用信息以及它的几个隐藏层来解决这个问题。然而对于大型应用程序来说,DBN是一个耗时且计算代价昂贵的算法。针对这个问题,提出了一种半监督的情感分类算法,即基于特征选择和深度信念网络的文本情感分类算法(FSDBN)。首先使用特征选择方法(文档频率(DF)、信息增益(IG)、卡方统计(CHI)、互信息(MI))过滤掉一些不相关的特征从而使词汇表的复杂性降低;然后将特征选择的结果输入到DBN中,使得DBN的学习阶段更加高效。将所提算法应用到中文以及维吾尔语中,实验结果表明在酒店评论数据集上,FSDBN在准确率方面比DBN提高了1.6%,在训练时间上比DBN缩短一半。

基于社会情感优化算法的支持向量机参数选择

支持向量机(SVM)是广泛应用于分类和回归问题的机器学习方法。SVM做分类预测时的分类精度主要取决于参数的选择,参数选择不当将出现“过学习”或“欠学习”的情况,且容易陷入局部最优解。社会情感优化算法(SEOA)加入了人类情感因素,是一种新颖的智能优化算法,有着良好的全局优化能力。提出基于SEOA的SVM参数选择方法,同时优化核函数参数和惩罚参数。实验采用4组UCI数据集进行测试,并将SEOA算法与遗传算法、粒子群优化算法进行仿真测试结果对比。试验结果表明,SEOA较大地提高了SVM算法的寻优能力,收敛性较好,具有更高的分类精度和更少的搜索时间。

基于情感强度定律的社会情感优化算法

情感强度定律是在受到外界刺激作用时指导个体情感变化的理论基础。在社会情感优化算法的基础上引入了情感强度定律,考虑到情感在人类个体决策上所起的重要作用,我们对源于外界刺激的情感强度值进行了量化,使个体在自身认知和社会活动中表现了合理的自适应能力,完善了算法的全局、局部搜索协调能力。最后对算法的参数也做了分析和讨论。仿真实验结果表明,该算法有效地提高了求解的性能,能高效地解决高维复杂多模态优化问题。

基于模糊情感智能算法的动态电压恢复器研究

针对频繁发生的电网电压暂降问题,研究了一种基于模糊情感智能算法的动态电压恢复器。在以三单相H桥结构为动态电压恢复器拓扑核心的基础上,具体分析了情感智能控制算法,并将其应用于动态电压恢复器系统。为进一步提升动态电压恢复器补偿性能,引入模糊算法对情感智能控制器中的固定权值学习率进行调节,实现了控制器参数的优化,提高了动态电压恢复器的补偿响应速度及补偿精度。搭建MATLAB/Simulink仿真模型,对所提模糊情感智能算法进行验证,仿真结果表明,与基于无模糊情感智能算法及基于简化情感智能算法的动态电压恢复器相比,基于模糊情感智能算法的动态电压恢复器响应速度更快,补偿精度更高,并且具有较好的负载适应性及三相不平衡跌落补偿能力。

基于卷积神经网络与情感倾向点互信息算法的农产品情感词典构建

针对现有的情感词典无法精准地对在线农产品情感词进行捕捉分析的问题,通过对农产品在线评论进行分析,构建专用情感词典,创新地提出C-TF算法。首先,将卷积神经网络(CNN)与词频(TF)结合计算得出情感种子词,并利用文本词性标注进行词语过滤得到候选词;接着,利用情感倾向点互信息(SO-PMI)算法计算每个候选词与种子情感词的相似度从而对词语极性标注;最终,形成农产品情感词典。为验证所提词典的准确性,用构建的情感词典对不同平台的农产品评论进行情感分类。实验结果显示,与其他情感词典相比,在精确率、召回率和F1值3个评价指标上均提升了5.00以上个百分点。所构建的农产品情感词典对农产品情感分类效果更好,便于商家更准确地掌握消费者的情感倾向。

基于在线评论的情感分析研究探析

随着“互联网+”各行各业的发展,衍生了许多在线平台。用户乐于在在线平台中留下评论分享自己的感受,因此在线评论爆发式增长,且带来了广泛的影响,同时引来了广泛的学者关注和研究,其中很热门的一个研究方向就是如何从大量且价值密度低的在线评论中挖掘用户的情感信息。本文梳理了当下情感倾向分析研究任务的类型,基于在线评论的情感倾向分析方法、研究现状及存在问题,最后提出未来研究展望,旨在为着手文本情感倾向分析的学者及后续的文本情感倾向分析研究提供一定的启发。