检索结果-内蒙古大学图书馆

情报杂志 2024年第3期43卷 150-156,9页

作者：熊思斯滕宇胡珀华中师范大学计算机学院武汉430079 国家语言资源监测与研究网络媒体中心武汉430079

[研究目的]网络问政已成为新时代主要的政民互动方式之一。通过充分挖掘网络政民互动内容的特征,可以了解民众的民意诉求,亦可以及时发现地方政府部门工作中有待改善之处。[研究方法]根据框架理论,采用自然语言处理技术挖掘中部超大城... 详细信息

[研究目的]网络问政已成为新时代主要的政民互动方式之一。通过充分挖掘网络政民互动内容的特征,可以了解民众的民意诉求,亦可以及时发现地方政府部门工作中有待改善之处。[研究方法]根据框架理论,采用自然语言处理技术挖掘中部超大城市领导留言板互动内容中的语言特征、内容特征及行为特征,并分析不同特征间的潜在关联。[研究结论]研究表明,语言特征方面,民众留言弱者框架的占比最高,抗争框架所占比例较低。政府偏好使用描述话语和共情话语,规则话语的使用频次较低。内容特征上,各项领域内容特征与城市统计年鉴相应数据存在关联性,能够客观反映各领域存在的问题,且通过聚类能够有效发掘热点议题和实体辅助政府回应。行为特征方面,民众投诉/求助类留言比例与人均地区生产总值具有相关性。政府回复的行为特征与民众留言的内容特征存在潜在关联,其中政府行为的处理类型受民众留言的内容特征影响最大,缺乏关注语言特征和行为特征。

关键词：政务新媒体网络问政留言板民众留言政府回复政府行为情感分析主题聚类

来源：评论

学校读者我要写书评

暂无评论

融合事理知识的群体性事件演化预测

引用

情报杂志 2024年第11期43卷 158-164页

作者：张敏跃罗蓉胡珀华中师范大学人工智能与智慧学习湖北省重点实验室武汉430079 华中师范大学计算机学院武汉430079 国家语言资源监测与研究网络媒体中心武汉430079

[研究目的]当前,由社会矛盾和冲突所引发的网络群体性事件对公共安全构成了严重威胁,预测群体性事件的演化趋势对提升社会危机的防范与治理能力至关重要。[研究方法]提出了一种融合事理知识的群体性事件演化预测方法。该方法首先利用大... 详细信息

[研究目的]当前,由社会矛盾和冲突所引发的网络群体性事件对公共安全构成了严重威胁,预测群体性事件的演化趋势对提升社会危机的防范与治理能力至关重要。[研究方法]提出了一种融合事理知识的群体性事件演化预测方法。该方法首先利用大语言模型蕴含的丰富事件知识及模型强大的生成能力来构建初始的事理图谱,通过结合真实新闻报道来验证图谱内容;其次,将事理图谱与图神经网络模型相结合,以获得更充分的事件语义表示;最后,基于上下文事件与候选事件间的语义相似度来预测未来可能发生的事件。[研究结论]研究表明,所提方法在事件演化预测的准确性和可解释性方面均显著优于参与比较的其他方法,验证了事理知识融合对揭示群体性事件演化模式的可行性和有效性。

关键词：群体性事件事件预测事理图谱事理知识融合大语言模型图神经网络

来源：评论

学校读者我要写书评

暂无评论

一种基于双模态的睡眠分期研究

引用

郑州大学学报(理学版) 2025年第3期57卷 81-87页

作者：王亚群杨青文斗王莹王翔宇华中师范大学人工智能与智慧学习湖北省重点实验室湖北武汉430079 华中师范大学计算机学院湖北武汉430079 国家语言资源监测与研究网络媒体中心湖北武汉430079

现有研究普遍专注于单个信号,忽略了多模态信号在特定睡眠阶段提供的睡眠信息,以及提取睡眠信号时,随着网络的加深导致重要信息丢失,从而降低模型分类的能力。针对上述问题,设计了一种基于脑电图(electroencephalogram,EEG)、眼电图(ele... 详细信息

现有研究普遍专注于单个信号,忽略了多模态信号在特定睡眠阶段提供的睡眠信息,以及提取睡眠信号时,随着网络的加深导致重要信息丢失,从而降低模型分类的能力。针对上述问题,设计了一种基于脑电图(electroencephalogram,EEG)、眼电图(electrooculogram,EOG)的深度神经网络模型,以端到端的方式进行睡眠分期,称为MCNN-LSTMs模型。多尺度卷积神经网络(multiscale convolutional neural network,MCNN)用于提取脑电信号和眼电信号的特征,双层长短期记忆(long short-term memory,LSTM)神经网络对提取到的特征进行融合,然后输入分类器进行睡眠分期。在公共数据集Sleep-EDF上评估了所设计的方法在睡眠分期上的性能。实验表明,使用两种通道(EEG-EOG)时,在Sleep-EDF-20数据集上的分类准确率最高为92.60%,在Sleep-EDF-78数据集上的分类准确率最高为91.10%,优于单通道信号以及其他对比方法。所提方法验证了多种信号对睡眠分期的有效性,并为研究睡眠分期提供了重要思路。

关键词：睡眠分期多模态卷积神经网络多层网络 LSTM

来源：评论

学校读者我要写书评

暂无评论

基于情感词典和堆叠残差的双向长短期记忆网络的情感分析

引用

计算机应用 2022年第4期42卷 1099-1107页

作者：罗浩然杨青华中师范大学伍伦贡联合研究院武汉430079 华中师范大学计算机学院武汉430079 国家语言资源监测与研究网络媒体中心武汉430077

情感分析作为自然语言处理(NLP)的细分研究方向经历了使用情感词典、机器学习和深度学习分析的发展过程。针对使用一般化的深度学习模型作为文本分类器对于特定领域的网络评论类型的文本的分析的精准度较低,训练时发生过拟合现象以及情... 详细信息

情感分析作为自然语言处理(NLP)的细分研究方向经历了使用情感词典、机器学习和深度学习分析的发展过程。针对使用一般化的深度学习模型作为文本分类器对于特定领域的网络评论类型的文本的分析的精准度较低,训练时发生过拟合现象以及情感词典覆盖率低、编纂工作量大的问题,提出了基于情感词典和堆叠残差的双向长短期记忆(Bi-LSTM)网络的情感分析模型。首先,借助情感词典中情感词的设计覆盖“教育机器人”研究领域内的专业词汇,从而弥补Bi-LSTM模型在分析此类文本时精准度的不足;然后,使用Bi-LSTM和SnowNLP来降低情感词典的编纂体量。长短期记忆(LSTM)网络的“记忆门”“遗忘门”结构可以在保证充分考虑评论文本中的前后词语的关联性的同时,适时选择遗忘一些已分析词语,从而避免反向传播时的梯度爆炸问题。而在将堆叠残差的Bi-LSTM引入后,不仅使得模型的层数加深至8层,而且还使残差网络避免了叠加LSTM时会导致的“退化”问题;最后,通过适当设置和调整两部分的得分权重,并将总分使用Sigmoid激活函数标准化到[0,1]的区间上,按照[0,0.5],(0.5,1]的区间划分分别表示负面和正面情绪,完成情感分类。实验结果表明,在“教育机器人”评论数据集中,所提模型对于情感分类准确率相较于标准的LSTM模型提升了约4.5个百分点,相较于BERT提升了约2.0个百分点。综上,所提模型将基于情感词典和深度学习模型的情感分类方法一般化;而通过修改情感词典中的情感词汇并适当调整深度学习模型的结构和层数,所提模型可以应用于电子商务平台中各类商品的购物评价的精确情感分析,从而帮助企业洞悉消费者的购物心理和市场需求,同时也可以为消费者提供商品质量的一种参考标准。

关键词：双向长短期记忆网络购物评论情感分析堆叠残差情感词典

来源：评论

学校读者我要写书评

暂无评论

基于非对称空间特征的脑电信号情感分析研究

引用

计算机工程与科学 2025年第5期47卷 921-930页

作者：王莹杨青王翔宇张勇华中师范大学计算机学院湖北武汉430079 华中师范大学国家语言资源监测与研究网络媒体中心湖北武汉430079 华中师范大学人工智能与智慧学习湖北省重点实验室湖北武汉430079

大脑的不对称性会对脑电情感分析产生影响,但是目前很多研究对此特性缺少考虑。结合大脑空间的不对称性,提出了一种混合模型,该模型利用多尺度卷积神经网络提取大脑左右不对称的脑电空间特征,然后使用双向长短期记忆神经网络提取时序特... 详细信息

大脑的不对称性会对脑电情感分析产生影响,但是目前很多研究对此特性缺少考虑。结合大脑空间的不对称性,提出了一种混合模型,该模型利用多尺度卷积神经网络提取大脑左右不对称的脑电空间特征,然后使用双向长短期记忆神经网络提取时序特征,最后,通过多头自注意力机制学习特征之间的关系。该模型在公开的DEAP数据集上进行实验验证,唤醒维度分类准确率和F 1值分别为93.11%和93.46%,效价维度分类准确率和F 1值分别为92.12%和93.27%。该模型在公开的MAHNOB-HCI数据集上进行实验验证,唤醒维度分类准确率和F 1值分别为98.58%和97.98%,效价维度分类准确率和F 1值分别为98.76%和98.25%。结果表明,在脑电情感识别上该模型具有一定优势,同时通过消融实验证明了非对称空间层的重要性。

关键词：脑电情感识别非对称空间特征多尺度卷积神经网络双向长短期记忆神经网络多头自注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于改进StackCNN网络和集成学习的脑电信号视觉分类算法

引用

郑州大学学报（工学版） 2024年第5期45卷 69-76页

作者：杨青王亚群文斗王莹王翔宇华中师范大学人工智能与智慧学习湖北省重点实验室湖北武汉430079 华中师范大学计算机学院湖北武汉430079 华中师范大学国家语言资源监测与研究网络媒体中心湖北武汉430079

针对直接使用图像诱发的脑电信号进行视觉分类的现有研究少,并且视觉分类的平均准确率低等问题,设计了一种卷积神经网络(CNN)和集成学习相结合的方法,用于学习脑电信号相关的视觉特征表示。通过在StackCNN网络中加入K-max池化方法,解决... 详细信息

针对直接使用图像诱发的脑电信号进行视觉分类的现有研究少,并且视觉分类的平均准确率低等问题,设计了一种卷积神经网络(CNN)和集成学习相结合的方法,用于学习脑电信号相关的视觉特征表示。通过在StackCNN网络中加入K-max池化方法,解决在提取脑电特征时信息丢失的问题,并结合Bagging算法增强网络的泛化能力,该方法称为StackCNN-B。采用基于残差神经网络(ResNet)回归对图像进行分类,验证StackCNN-B方法在图像分类上的性能。消融实验及与现有研究对比实验的结果表明:所提方法识别准确率较高,在学习脑电信号的视觉特征表示上的平均准确率达到99.78%,在图像分类上的平均准确率达到96.45%,与Bi-LSTM-AttGW方法相比,平均提高了0.28百分点和2.97百分点。研究结果验证了脑电信号可以有效地解码与视觉识别相关的人类大脑活动,也表明所提出StackCNN-B模型的优越性。

关键词：脑电图视觉分类卷积神经网络 Bagging算法 ResNet网络

来源：评论

学校读者我要写书评

暂无评论

《中文信息处理发展简史》述评

引用

汉江师范学院学报 2022年第1期42卷 103-106页

作者：饶琪华中师范大学文学院/国家语言资源监测与研究网络媒体中心湖北武汉430079

中文信息处理是自然语言处理在汉语上的映射,中文信息处理的发展水平决定了中文智能的程度。国内开展中文信息处理研究具有较长时间,对已有的相关研究进行系统的梳理与总结十分重要。这项研究主要对科学出版社出版的《中文信息处理发展... 详细信息

中文信息处理是自然语言处理在汉语上的映射,中文信息处理的发展水平决定了中文智能的程度。国内开展中文信息处理研究具有较长时间,对已有的相关研究进行系统的梳理与总结十分重要。这项研究主要对科学出版社出版的《中文信息处理发展简史》进行述评。

关键词：中文信息处理发展述评

来源：评论

学校读者我要写书评

暂无评论

基于CNN和Bi-LSTM的脑电波情感分析

引用

应用科学学报 2022年第1期40卷 1-12页

作者：朱丽杨青吴涛李晨李铭华中师范大学人工智能与智慧学习湖北省重点实验室湖北武汉430079 华中师范大学计算机学院湖北武汉430079 华中师范大学国家语言资源监测与研究网络媒体中心湖北武汉430079

针对目前大多数脑电波情感识别方法存在的依赖手动特征提取等问题,提出一种基于卷积神经网络(convolutional neural network,CNN)和双向长短时记忆(bidirectional long short-term memory,Bi-LSTM)网络的混合模型。首先将一维数据转换... 详细信息

针对目前大多数脑电波情感识别方法存在的依赖手动特征提取等问题,提出一种基于卷积神经网络(convolutional neural network,CNN)和双向长短时记忆(bidirectional long short-term memory,Bi-LSTM)网络的混合模型。首先将一维数据转换为二维数据,采用CNN提取空间特征;然后将一维数据输入Bi-LSTM,获取时间特征;最后将融合的空间和时间特征输入Softmax分类器,得到最终分类结果。在DEAP数据集上的实验结果表明:CNN和Bi-LSTM混合模型具有较好的分类性能,在效价度和唤醒度上的准确率分别达到88.55%和89.07%,是一种可行的脑电波情感分类模型。

关键词：脑电信号情感分类卷积神经网络双向长短时记忆网络深度学习

来源：评论

学校读者我要写书评

暂无评论

基于情感和主题的网络仇恨言论检测研究

引用

软件导刊 2025年

作者：陈卓张茂元郑萌华中师范大学人工智能与智慧学习湖北省重点实验室华中师范大学计算机学院国家语言资源监测与研究网络媒体中心华中师范大学人工智能教育学部

随着社交媒体的发展，隐藏性仇恨言论因其间接表达和模糊性成为检测难点。传统方法虽在显性仇恨言论检测中表现良好，但在识别隐含歧视和敌意方面能力有限，尤其在主题与文本关系建模上存在不足。为此提出了一种基于方面情感特征提取的... 详细信息

随着社交媒体的发展，隐藏性仇恨言论因其间接表达和模糊性成为检测难点。传统方法虽在显性仇恨言论检测中表现良好，但在识别隐含歧视和敌意方面能力有限，尤其在主题与文本关系建模上存在不足。为此提出了一种基于方面情感特征提取的师生蒸馏模型（ESTD）。该模型采用T5作为教师模型，RoBERTa作为学生模型，通过知识蒸馏优化软标签分布，提升隐藏性仇恨言论的检测能力。学生模型结合主题信息提取方面情感分析（ABSA）特征，并使用DF-Net双通道结构融合全局语义与局部情感信息，通过跨通道注意力机制提高情感特征提取精度。实验结果显示，ESTD在多个数据集上的准确率和F1得分均优于现有方法，特别是在处理隐藏性仇恨言论时表现出更高的鲁棒性和精度。该方法具备良好的扩展性，适用于舆情监测等领域，为复杂语义和情感建模提供新思路。

关键词：隐藏性仇恨言论方面情感师生框架知识蒸馏文本主题

来源：评论

学校读者我要写书评

暂无评论

基于生成对抗网络的脑电波去噪处理研究

引用

软件导刊 2023年第5期22卷 14-22页

作者：文斗杨青王亚群李晨李铭华中师范大学计算机学院华中师范大学人工智能与智慧学习湖北省重点实验室国家语言资源监测与研究网络媒体中心湖北武汉430079

脑电波采集过程往往会包含生理噪声和外部噪声,外部噪声目前可以通过滤波进行消除,去除生理噪声通常采用的方法是自适应滤波器、空间滤波和主成分分析,但这些方法需要一定的信号作为先决条件,并且去噪性能有限。近年来,深度学习技术开... 详细信息

脑电波采集过程往往会包含生理噪声和外部噪声,外部噪声目前可以通过滤波进行消除,去除生理噪声通常采用的方法是自适应滤波器、空间滤波和主成分分析,但这些方法需要一定的信号作为先决条件,并且去噪性能有限。近年来,深度学习技术开始运用于脑电波去噪,而且在去噪性能上得到了一定提升。鉴于在生成对抗网络(GAN)的判别器和生成器博弈过程中,生成样本具有逐渐向真实样本逼近的特点,设计一种基于卷积神经网络(CNN)的生成对抗网络模型,用于消除脑电波生理噪声中的肌源性噪声和眼源性噪声,同时在GAN的生成器网络中引入新的损失函数,使去噪后的数据与原始数据更加接近。设计的GAN-1D-CNN模型在去除肌源性噪声上的相关系数达到0.945,在去除眼源性噪声上的相关系数达到0.894。实验结果表明,GAN-1D-CNN模型对脑电波的去噪能力得到了增强,相关性能指标都优于现有基准数据集上的去噪方法。

关键词：脑电波生成对抗网络卷积神经网络去噪伪影消除

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：