融合概率类别特征增强的短文本分类

对短文本所含信息量缺乏而导致分类准确度难以提升的问题进行研究,提出一种融合概率类别特征增强的短文本分类网络模型FT_BDCNN。将N-gram处理后产生的N元词典通过TF-IDF分离出具有概率类别区分度的特征信息(FT模块);将向量化表示后的文本信息输入到改进后的特征提取模块中;将两个模块的输出进行特征融合,完成文本分类。实验结果表明,所提模型在THUCNews数据集上的F1值达到91.91%。FT模块可以与现有分类模型进行融合,提升模型的分类性能。

基于句法依赖增强图的方面级情感分析

方面级情感分析旨在分析句子中特定方面的情感极性,现有研究侧重于利用图神经网络建模上下文与方面的依赖信息,忽略了对上下文中情感词及其词性的挖掘和利用。为此,提出一种基于句法依赖的增强图(syntactic dependency enhancement graph, SDEG)模型,在原始句法依赖图上引入情感知识和词性信息,增强情感词权重和相关词性单词在上下文中的作用。使用双向长短期记忆网络和卷积神经网络捕捉句子的重点语义信息,通过图卷积神经网络建模句法依赖增强图,通过交互注意力机制生成特定方面的上下文语义和语法表示以进行情感极性分类。在多个公共基准数据集上的实验结果表明,所提模型在性能上有明显提升。

社交媒体的文化乱象及规制——再谈山东疫苗事件

社交媒体开放性、匿名性等特性,在自媒体高度发达的今天其影响不容忽视。在山东非法疫苗事件中社交媒体众声喧哗,这其中不仅有公众的焦虑恐慌害怕心理,也有社交媒体与网友"合谋"的狂欢式传播,以及公众对基层管理部门监管与信息公开的不信任。文章以山东非法疫苗事件为例,分析社交媒体在该事件中的文化乱象表现,并提出相应的引导和规制策略。

初探高职非英语专业英语教学创新模式

目前在中国的大多数高职院校,非英语专业的英语教学在培养国际化人才的过程中作用越来越重要。在广大高职院校中,从教师到学生普遍对于英语的重视程度也在不断提升。然而在高职院校毕业生面临就业时,有很多非外语专业的学生的英语能力与应用水平受到了严峻的挑战。很多人在高职英语考试中取得了一定的成绩,例如通过了CET3考试,但却无法处理日常与本专业相关的英语资料和商务交流。目前很多企业在招聘的过程中更倾向于外语专业而不是职业岗位所需的对口专业。这实际上为我们的高职非英语专业英语教学提出了更高的要求。