基于句法分析和属性概率权重的跨语言情感分类算法

在篇章级情感分类研究方法中,算法常仅考虑情感的分布信息,忽略情感知识的语义信息,影响跨语言情感分类的准确率.针对上述问题,文中提出基于句法分析和属性概率权重的跨语言情感分类算法.首先,通过句法分析得到表征词语之间关系的依赖对,再将依赖对翻译到目标语言.然后,基于词典极性的分布信息与文档情感分类的相关性,将类别属性的语义权重特征融合到朴素贝叶斯分类方法中,实现新的分类方法.使用带标签的英文分类数据集作为训练语料,标准中文数据集作为测试语料进行实验,结果表明文中算法的有效性.

基于HFLTS中融合专家权重的群决策模型

针对犹豫模糊语言术语集多属性群决策(HFLTSMAGDM)问题,从平面坐标的角度出发建立了一类决策模型.在犹豫模糊语言术语集(HFLTS)中添加决策专家权重,进而构建一种加权的犹豫模糊语言术语集(WHFLTS);将WHFLTS转换为加权的区间值犹豫模糊集(WIVHFS),并对WIVHFS中的区间数(IN)进行测度,把IN的测度结果与其对应的决策专家权重以平面点坐标形式进行描述,在此基础上建立了2个犹豫模糊元(HFE)的大小比较规则及度量2个HFE的距离模型;分别定义了计算属性的整体权重、个体权重以及综合权重的计算方法,在属性的不同权重类别下皆采用Maclaurin对称平均算子集结HFE以获取各方案的综合属性值.案例分析表明,将WHFLTS转换为加权的犹豫模糊集并以平面坐标形式书写而建立的决策算法是可行的,且决策模型具有很好的稳定性.