融合核心句与依存关系的评价搭配抽取

评价搭配抽取是情感分析的基础任务之一。目前大部分抽取方法都是以依存句法分析为基础,但依存分析对中文评论文本的分析结果不稳定。针对此问题,提出了融合核心句抽取与依存关系的评价搭配抽取方法。该方法利用核心句抽取规则简化评论句结构,在此基础上进行依存句法分析,根据人工构建的依存关系模板进行评价搭配的抽取,并引入潜在评价搭配抽取规则抽取文本中省略评价对象的评价搭配。在中文酒店评论语料中进行试验,与基于依存分析的方法相比,该方法的F值提高约7%,证明了该方法的有效性。

基于最大熵模型的评价搭配识别

在分析酒店评论文本倾向性过程中,针对某些评价词语所产生的歧义性问题,提出一种基于最大熵的评价搭配识别的方法。该方法通过构建极性词表,挖掘出评价词语类别作为语义特征,将其与词、词性、距离、否定词特征结合构成最大熵的复合模板,采用最大熵模型进行评价搭配识别。实验结果证明,采用构建的最大熵复合模板进行评价搭配识别具有较高的准确率和识别性能。

面向中文客户评论的评价搭配识别研究

评价搭配识别是评论挖掘的研究热点之一。针对现有方法存在的不足,通过对真实语料的观察和分析,提出了一种基于语法模板的评价搭配识别方法。该方法借助HowNet和语法分析等资源和工具,从大规模的真实评论语料中自动获取反映评价搭配规律的候选语法模板,对候选模板进行泛化和遴选,通过生成的模板识别待分析的评论句的搭配关系。在手机和数码相机两种电子产品领域上的对比实验验证了该方法是有效的。

基于规则的评价搭配抽取方法

分析商品评论中评价对象和评价短语的词性和句法关系,提出一种使用规则模板进行评价搭配抽取的方法。通过词性、依存句法分析及语义依存分析结果,设计核心搭配抽取规则。引入COO算法及改进的ATT链算法,根据核心评价对象与短语的词性进一步制定识别完整评价对象与短语的规则模板,抽取评价信息。中文商品评论数据集上的实验结果表明,与最近距离方法、SBV极性传递方法和基于核心句的方法相比,该方法的F1值分别提升了43.98 %、36.30 %和24.83 %。

一种改进的基于核心句的评价搭配抽取方法

目前主流的评价搭配抽取方法以句法依存分析为基础,由于中文评价文本的不规范性,导致其句法分析结果不稳定,进而影响评价搭配的抽取效果。针对该问题,提出一种改进的基于核心句的评价搭配抽取方法。设计融合核心句和句法依存关系的评价搭配抽取方法,提高评价语句句法分析结果的稳定性,并且在处理复杂的评价语句时,加入对评价对象之间、情感词之间并列关系的分析。实验结果表明,该方法能提高召回率和准确率。

网络信息中评价搭配识别及倾向性判断

随着互联网技术的飞速发展,网络评论信息呈现爆炸式的增长,观点挖掘技术应运而生。评价对象与评价短语的抽取是观点挖掘中一项重要的任务。针对现有的基于模板方法存在人工参与过多、模板覆盖率不足、不能识别跨度较远的评价对象与评价短语等问题,提出了一种自动提取模板、利用概率进行评价搭配识别并能识别跨度较远的评价对象与评价短语的方法。通过引入同义词计算情感词的情感强度,综合考虑情感词与修饰词影响,完成倾向性判断。利用COAE2011的语料对上述方法进行了实验评价,并与两个baseline方法进行比较,取得了较好的实验结果。

基于句法分析的评价搭配抽取及其倾向性分析

提出一种新的基于句法分析的方法可以提取出评价搭配。通过对大量的商品评论进行句法分析,得到了常用的评论模式集合。依靠这些模式对评价搭配进行抽取。同时,构建了一种映射集合,可以映射出隐式评价对象。时于评价对象的倾向性判别,通过hownet构建了情感种子词典,采用SO-PMI方法计算出其极性,并计算出极性强度。实验结果表明,该方法对于评价搭配的抽取和极性分析具有较好的精确率和召回率。

面向细粒度意见挖掘的情感本体树及自动构建

该文定义了一种用于细粒度意见挖掘的情感本体树结构,并基于细粒度意见要素抽取技术提出本体树的自动构建方法。重点研究了评价搭配抽取算法、搭配倾向预测算法以及特征聚合算法,并在解决搭配倾向预测及特征聚合问题时引入了互联网资源的自然标注性。在COAE2011实验3评测数据集上的实验结果证明了该算法在评价搭配抽取、搭配倾向预测上都取得了很好的效果。

基于情感词汇与机器学习的方面级情感分类

为综合利用基于情感词典和基于机器学习的两类情感分类方法的优点,提出一种基于情感词汇与机器学习的方面级情感分类方法。通过选取少量情感倾向与评价对象无关的情感词汇对评价搭配进行情感分类;通过构建机器学习分类器,以评价短语对各类别的互信息占比作为分类器的分类概率权重,进行加权计算,选择加权后分类概率最大的类别作为评价搭配的情感倾向类别。在中文评论数据集上的实验结果表明,该方法能有效提高情感分类性能。

Parameters estimation of HIV infection model of CD4＋ T-cells by applying orthonormal Bernstein collocation method

The HIV infection model of CD4＋ T-cells corresponds to a class of nonlinear ordinary differential equation systems. In this study, we provide the approximate solution of this model by using orthonormal Bernstein polynomials （OBPs）. By applying the proposed method, the nonlinear system of ordinary differential equations reduces to a nonlinear system of algebraic equations which can be solved by using a suitable numerical method such as Newton＇s method. We prove some useful theorems concerning the convergence and error estimate associated to the present method. Finally, we apply the proposed method to get the numerical solution of this model with the arbitrary initial conditions and values. Furthermore, the numerical results obtained by the suggested method are compared with the results achieved by other previous methods. These results indicate that this method agrees with other previous methods.