基于BLSTM与方面注意力模块的情感分类方法

基于方面的情感分析已广泛应用于文本信息挖掘,但在句子情感极性模糊或包含多个不同方面情感极性时难以准确提取特征信息,削弱了情感极性分类效果。为解决该问题,提出一种结合双向长短记忆网络和方面注意力模块的情感分类方法。利用多个方面注意力模块同时对不同方面进行独立训练,使每个方面信息与注意力操作互不影响,各自进行注意力参数的学习与调整,以充分提取特定方面的隐藏信息,从而更准确地识别不同方面的情感极性。在SemEval数据集上的实验结果表明,该方法相对现有的基准情感分析方法,可有效提升分类精确率、查全率与F1值,优化情感分类效果。

基于多特征模型融合的社交评论分析

随着社交网络的日益庞大,各类评论信息产生的渠道和数量也飞速增长,通过人工阅读所有评论来了解口碑情况变得日益困难,所以构建一个精准的口碑评论分值预测模型对商家和用户来说都显得日益重要。文章旨在对真实口碑评论数据进行分析挖掘和多维度特征提取,并构建一个基于多特征的加权融合模型对口碑评论的评分值进行预测。通过实验证明,在当前数据基础上,该模型可以有效地对口碑评论进行预测,相比传统方法,效果更好。

基于XGBoost的用户定位与商铺推荐

随着互联网的高速发展,期间衍生出了一系列改变人们生活的技术产物。互联网移动支付的迅速普及,我们享受到越来越多的生活便利。其中推荐系统最具代表性,它的出现使得人们不再像过去那样通过搜索引擎从海量的数据中查找自己所需要的信息,而是根据推荐系统主动提供的物品信息进行选择。这一局面的改变,得益于人们不断地在推荐算法上进行研究而取得的成果。在真实生活中,当用户在商场环境中打开手机的时候,存在定位信号不准、环境信息不全、店铺信息缺失、不同店铺空间距离太近等挑战,因此,如何精确地判断用户所在商铺是一个难题,这也是这一方面推荐系统的难题之一。文章研究了基于XGBoost的用户定位与商铺推荐。

中垂面谱特征的提取和建模

头相关传输函数表征了声源到耳的传输特性,在虚拟声重放及其相关领域具有广泛的应用.针对头相关传输函数的多维特征,提出了基于独立成分分析的中垂面谱特征的提取和建模方法,并采用主观辨别实验验证了模型的听觉有效性.计算结果表明,中垂面的平均谱失真随着展开阶数的增加呈逐渐下降的趋势,前6阶独立成分的计权组合可有效表征中垂面谱的主要特征.实验结果表明,在±45°的仰角范围内,文中提出的中垂面谱模型不会引起听觉感知的畸变.