检索结果-内蒙古大学图书馆

计算机工程与科学 2016年第11期38卷 2368-2374页

作者：林江豪周咏梅阳爱民王伟广东外语外贸大学语言工程与计算实验室广东广州510006 广东外语外贸大学思科信息学院广东广州510006

话题演进分析主要是挖掘话题内容随着时间流的演进情况。话题的内容可用关键词来表示。利用word2vec对75万篇新闻和微博文本进行训练,得到词向量模型。将文本流处理后输入模型,获得时间序列下所有词汇的词向量,利用K-means对词向量进行... 详细信息

话题演进分析主要是挖掘话题内容随着时间流的演进情况。话题的内容可用关键词来表示。利用word2vec对75万篇新闻和微博文本进行训练,得到词向量模型。将文本流处理后输入模型,获得时间序列下所有词汇的词向量,利用K-means对词向量进行聚类,从而实现话题关键词的抽取。实验对比了基于PLSA和LDA主题模型下的话题抽取效果,发现本文的话题分析效果优于主题模型的方法。同时,采集足够大量、内容足够丰富的语料,可训练得到泛化能力比较强的模型,有利于实时话题演进分析研究工作。

关键词：话题演进 word2vec PLSA LDA

来源：评论

学校读者我要写书评

暂无评论

汉语篇章依存结构的标注难点与处理

引用

中文信息学报 2020年第10期34卷 19-26页

作者：冯文贺徐钰仪李青春广东外语外贸大学语言工程与计算实验室广东广州510006 广东外语外贸大学中文学院广东广州510006

篇章依存结构一般表示为最小篇章单位(小句)间的支配与被支配关系,相比修辞结构等,其可以有效刻画最小篇章单位间的直接关系及其向心性。篇章依存结构的理论内涵及具体实践有待深入。该文结合汉语篇章依存结构语料库的标注实践,重点分... 详细信息

篇章依存结构一般表示为最小篇章单位(小句)间的支配与被支配关系,相比修辞结构等,其可以有效刻画最小篇章单位间的直接关系及其向心性。篇章依存结构的理论内涵及具体实践有待深入。该文结合汉语篇章依存结构语料库的标注实践,重点分析标注难点问题并给出处理方案,包括小句切分、小句关联、依存中心等重要分析任务。事实上,这些难点不仅是人工标注的难点,也是自动标注的难点,其处理不仅有利于指导构建高质量语料库,也有利于指导进一步的自动标注研究。

关键词：篇章结构篇章依存结构小句关联中心

来源：评论

学校读者我要写书评

暂无评论

分布式服务资源自适应弹性伸缩研究综述

引用

计算机科学与探索 2024年第10期18卷 2551-2572页

作者：胡程陈仕鸿广东外语外贸大学信息科学与技术学院、语言工程与计算实验室广州510006

分布式服务资源环境下,由于峰值负载的整体占比很小,大量服务资源长期处于低利用率甚至闲置状态。通过实现资源自适应弹性伸缩,在高负载时扩充服务资源以应对高需求,在低负载时将其缩减以降低开销,可显著提升系统能效并降低运作开销。... 详细信息

分布式服务资源环境下,由于峰值负载的整体占比很小,大量服务资源长期处于低利用率甚至闲置状态。通过实现资源自适应弹性伸缩,在高负载时扩充服务资源以应对高需求,在低负载时将其缩减以降低开销,可显著提升系统能效并降低运作开销。但实际负载通常具有很强的波动性,满足服务质量所需的服务资源持续变化,这给服务资源自适应弹性伸缩带来了巨大挑战。尽管现有的商用分布式平台已普遍具有一定的资源弹性伸缩能力,但它们的自适应能力有限、精准性不佳,存在很大提升空间。为促进该领域的研究与应用发展,就该环境下服务资源自适应弹性伸缩研究进行分类分析与探讨。分析并介绍了相应的研究背景及主要存在于需求评估与资源调整上的挑战;就该领域的国内外相关研究,依据其调整的资源对象分为三类,以此进行分类论述并比较了各研究工作的异同,且就各自的特点与效用进行了分析与总结;总述分析了这些研究工作并概括出一个全面而整体的实现,探讨了业界的应用现状、研究面临的挑战以及未来趋势。

关键词：并行与分布式计算分布式服务资源资源管理与分配自适应弹性伸缩

来源：评论

学校读者我要写书评

暂无评论

评价对象抽取研究综述

引用

自动化学报 2018年第7期44卷 1165-1182页

作者：蒋盛益郭林东王连喜符斯慧广东外语外贸大学信息科学与技术学院广州510006 语言工程与计算广东省社会科学重点实验室广州510006 广东外语外贸大学图书馆广州510420

近年来,细粒度情感分析因其在商业决策、舆情分析等领域的重要作用而受到学术界和工业界的广泛关注.评价对象抽取作为情感分析的基本任务之一,是进行细粒度情感分析的关键问题.本文针对评价对象抽取问题的起源、当前主流研究方法和趋势... 详细信息

近年来,细粒度情感分析因其在商业决策、舆情分析等领域的重要作用而受到学术界和工业界的广泛关注.评价对象抽取作为情感分析的基本任务之一,是进行细粒度情感分析的关键问题.本文针对评价对象抽取问题的起源、当前主流研究方法和趋势进行了梳理,首先详细阐述评价对象抽取问题的基本概念并对其进行形式化表示,然后结合近年来的研究对评价对象抽取方法进行归纳和总结,并重点分析基于频率、基于模板规则、基于图论、基于条件随机场和基于深度学习的评价对象抽取方法,随后回顾评价对象抽取的评测情况和可用的语料资源,最后分析评价对象抽取的若干难点问题,同时对评价对象抽取研究进展和发展趋势进行总结和展望.

关键词：评价对象抽取细粒度情感分析评测资源建设

来源：评论

学校读者我要写书评

暂无评论

小句识别所依赖的语段全局范围探究——基于预训练语言模型Bert的汉语小句识别

引用

语言文字应用 2022年第2期 111-121页

作者：冯文贺高子雄张文娟广东外语外贸大学外国语言学及应用语言学研究中心、语言工程与计算实验室广州510420 广东外语外贸大学广州510420

小句识别是篇章信息处理的基础问题。在语言学上,判断一个语段是否为小句,不仅依赖其内部结构,也依赖其在对外全局中的功能。问题是,识别小句一般依赖多大范围语段全局为好。本文基于汉语小句识别,对此探索。汉语小句一般以标点标记首尾... 详细信息

小句识别是篇章信息处理的基础问题。在语言学上,判断一个语段是否为小句,不仅依赖其内部结构,也依赖其在对外全局中的功能。问题是,识别小句一般依赖多大范围语段全局为好。本文基于汉语小句识别,对此探索。汉语小句一般以标点标记首尾,但并非所有标点都标记小句。本文将小句识别当成标点分类问题,将小句识别所依赖的全局范围归结为标点前后的语段个数,探测该范围大小与识别效果间关系。本文基于预训练语言模型Bert提取标点两侧语段的文本特征进行小句识别。实验表明,语段个数增多,识别效果增强,标点前后语段各达到4个效果最好;对识别效果的贡献,标点前侧语段大于后侧语段,双侧语段大于单侧语段;通过全局长度与前后语段特征权重的优化,最优模型小句识别效果F1值为95.19%。

关键词：小句识别篇章分析语段全局范围中文信息处理

来源：评论

学校读者我要写书评

暂无评论

面向微博的社会情绪词典构建及情绪分析方法研究

引用

中文信息学报 2015年第6期29卷 166-171,202页

作者：蒋盛益黄卫坚蔡茂丽王连喜广东外语外贸大学语言工程与计算实验室广东广州510006 广东外语外贸大学信息学院广东广州510006 广东外语外贸大学图书馆广东广州510420

该文旨在探索一种面向微博的社会情绪词典构建方法,并将其应用于社会公共事件的情绪分析中。首先通过手工方法建立小规模的基准情绪词典,然后利用深度学习工具Word2vec对社会热点事件的微博语料通过增量式学习方法来扩展基准词典,并结合... 详细信息

该文旨在探索一种面向微博的社会情绪词典构建方法,并将其应用于社会公共事件的情绪分析中。首先通过手工方法建立小规模的基准情绪词典,然后利用深度学习工具Word2vec对社会热点事件的微博语料通过增量式学习方法来扩展基准词典,并结合HowNet词典匹配和人工筛选生成最终的情绪词典。接下来,分别利用基于情绪词典和基于SVM的情绪方法对实验标注语料进行情绪分析,结果对比分析表明基于词典的情绪分析方法优于基于SVM的情绪分析方法,前者的平均准确率和召回率比后者分别高13.9%和1.5%。最后运用所构建的情绪词典对热点公共事件进行情绪分析,实验结果表明该方法是有效的。

关键词：微博社会情绪词典情绪分析

来源：评论

学校读者我要写书评

暂无评论

基于种子词的微博表情符情感倾向判定方法

引用

数据采集与处理 2017年第1期32卷 198-204页

作者：王伟周咏梅阳爱民林江豪陈昱宏曾文俊广东外语外贸大学思科信息学院广州510006 广东外语外贸大学思科信息学院广州510006 广东外语外贸大学语言工程与计算实验室广州510006 广东外语外贸大学财务处广州510420

情感倾向明显的表情符,容易通过人工进行标注.但是对于情感倾向不明显的表情符,多人手工的标注结果往往难以达成一致.因此,提出一种利用种子词自动判定表情符情感倾向的方法.该方法利用少量种子表情符自动标注情感倾向比较明显的表情符... 详细信息

情感倾向明显的表情符,容易通过人工进行标注.但是对于情感倾向不明显的表情符,多人手工的标注结果往往难以达成一致.因此,提出一种利用种子词自动判定表情符情感倾向的方法.该方法利用少量种子表情符自动标注情感倾向比较明显的表情符,生成表情符标注集;对于情感倾向不明显的表情符,利用种子情感词和已得到的表情符标注集构建模型,实现其情感倾向的自动判定.实验结果表明,本文方法在微博表情符情感倾向的自动判定上有很好的效果.

关键词：情感分类机器学习微博表情符种子词自动标注

来源：评论

学校读者我要写书评

暂无评论

一种基于LDA主题模型的评论文本情感分类方法

引用

数据采集与处理 2017年第3期32卷 629-635页

作者：王伟周咏梅阳爱民周剑峰林江豪广东外语外贸大学思科信息学院广州510006 广东外语外贸大学语言工程与计算实验室广州510006 广东外语外贸大学图书馆广州510006 广东外语外贸大学财务处广州510420

针对互联网出现的评论文本情感分析,引入潜在狄利克雷分布(Latent Dirichlet allocation,LDA)模型,提出一种分类方法。该分类方法结合情感词典,依据指定的情感单元搭配模式,提取情感信息,包括情感词和上、下文。使用主题模型发掘情感信... 详细信息

针对互联网出现的评论文本情感分析,引入潜在狄利克雷分布(Latent Dirichlet allocation,LDA)模型,提出一种分类方法。该分类方法结合情感词典,依据指定的情感单元搭配模式,提取情感信息,包括情感词和上、下文。使用主题模型发掘情感信息中的关键特征,并融入到情感向量空间中。最后利用机器学习分类算法,实现中文评论文本的情感分类。实验结果表明,提出的方法有效降低了特征向量的维度,并且在文本情感分类上有很好的效果。

关键词：评论文本情感单元潜在主题情感分析机器学习

来源：评论

学校读者我要写书评

暂无评论

基于局部密度的无监督作文跑题检测方法

引用

中文信息学报 2017年第6期31卷 205-213页

作者：李霞温启帆广东外语外贸大学语言工程与计算实验室广东广州510006 广东外语外贸大学信息科学与技术学院广东广州510006

针对现有的无监督作文跑题检测方法中,使用作文内容向量表示作文存在非主题词噪声所导致的相似度不准确问题,该文提出一种基于作文主题词抽取和局部密度阈值选择的无监督作文跑题检测方法。首先使用LDA主题生成模型挖掘待测作文的主题词... 详细信息

针对现有的无监督作文跑题检测方法中,使用作文内容向量表示作文存在非主题词噪声所导致的相似度不准确问题,该文提出一种基于作文主题词抽取和局部密度阈值选择的无监督作文跑题检测方法。首先使用LDA主题生成模型挖掘待测作文的主题词,并使用分布式表示向量寻找与题目词项语义相似的词,作为对作文题目的主题词扩展,在此基础上使用提出的切题度计算方法计算待测作文的切题度,并使用所提出的基于作文集切题度局部密度的阈值抽取方法动态选取切题阈值,进而实现一种无需训练集和主题无关的无监督作文跑题检测方法。在以英语为母语的学习者和以汉语为母语的学习者所写的8个作文集共9 381篇作文上的实验结果表明,该文提出的作文跑题检测方法能有效识别跑题作文,加入拼写检查预处理后,平均F1值为79.64%,单个作文题目下F1值最好为96.1%。

关键词：作文跑题检测主题词抽取切题度阈值选取

来源：评论

学校读者我要写书评

暂无评论

基于复合词生成的网络热点话题识别及描述算法

引用

图书情报工作 2016年第23期60卷 128-134页

作者：李霞王连喜路美秀刘汉锋刘俊延广东外语外贸大学语言工程与计算重点实验室广州510006 广东外语外贸大学信息学院广州510006 广东外语外贸大学图书馆广州510006

[目的/意义]在海量网络新闻和微博等新媒体文本中自动识别网络热点话题并抽取有意义词串来描述热点事件,对自动识别和描述网络舆情具有重要的研究意义。[方法/过程]在现有热点描述词抽取方法中,利用关联规则或多元词组合方法在抽取过程... 详细信息

[目的/意义]在海量网络新闻和微博等新媒体文本中自动识别网络热点话题并抽取有意义词串来描述热点事件,对自动识别和描述网络舆情具有重要的研究意义。[方法/过程]在现有热点描述词抽取方法中,利用关联规则或多元词组合方法在抽取过程中存在噪音词较多和特征词语义被放大或转移等问题。本文提出一种基于复合词生成的描述词抽取方法,在所提取的语义更为精确的描述词集合上使用一趟聚类算法对新闻文本进行聚类,自动识别网络热点话题并对热点话题进行排名。[结果/结论]对腾讯新闻事件文本数据集所做的实验结果表明,本文所提出的方法较传统的词特征抽取方法在聚类结果上具有更好的话题簇识别能力和簇描述能力。

关键词：网络热点话题识别热词抽取复合词聚类

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：