一种带有维度抽取的Pareto协同进化算法

保证评价的可靠性和有效性是协同进化算法面临的主要挑战.近期研究显示协同进化问题域内隐含存在着一个维度系统,决定了问题解的完整评价指标.分析了维度结构表现出的个体间特征收益关系,提出了一种在线维度抽取方法,并将其集成到协同进化算法中,在进化过程中,同步抽取问题的维度,建立维度系统,为个体提供准确评价,并指导选择和保优操作,以此确保进化稳定进展.抽象问题上的实验结果验证了本算法的可行性,并表明本算法在性能和维度抽取的准确性上均高于现存同类算法.

基于双向维度抽取的协同进化存档算法

为改进协同进化算法的可靠性和有效性,本文结合问题域内固有的维度结构特性,提出了一个基于双向维度抽取的存档算法.该算法简化了DECA中的维度抽取方法,并提出从测试个体和候选个体两端分别实施维度抽取(仅选取每个维度上代表当前进展的测试个体和带有维度信息特征的高性能候选个体保留存档),用于维持进化在各维度上的全局进展.实验表明,与同类算法相比,本算法使用的两个档案在进化中均保持了较小的存档量,性能高于其他同类算法.

中文产品评论的维度挖掘及情感分析技术研究

产品评论通常会描述产品的多个属性维度,单条评论中所描述的多个维度可能会有不同的维度情感。现实中,用户对产品不同的属性维度的关注度也不相同。反映到评论情感分析中,用户关注度越大的产品维度对评论的整体情感的影响也会越大。细粒度的评论维度挖掘和维度情感分析可以提供很多有价值的市场反馈信息和用户偏好信息。针对电商平台的中文产品评论文本,首先使用规则法抽取产品评论中所描述的维度信息,然后分别针对各个维度计算维度情感。进一步,提出了维度权重计算方法。最后,综合维度情感和维度权重计算评论的整体情感。使用来自于京东商城的真实评论数据集对所提方法进行了综合验证。实验结果表明,所提方法在维度挖掘、维度情感分析、维度权重计算以及整体情感分析方面具有很好的性能。