基于短语级情感分析的不良信息检测方法

针对基于关键词字符匹配和粗粒度情感分析方法的传统不良信息检测方法准确率低的问题,提出一种基于短语级情感分析的不良信息检测方法.该方法制定语法规则来提取敏感词所在短语,结合二次分类的情感词典,通过分析短语的情感倾向来判断表达者对敏感关键词的情感倾向,从而判定内容的敏感性.本文方法克服了字符串匹配方法的缺点,如:传统的字符串匹配方法忽视敏感词上下文,从而导致大量误报的缺点,及粗粒度情感分析方法由于无法准确定位情感对象,只能以文本整体情感倾向代表表达者主观情感,导致不能精准分析与敏感词相关的情感倾向及敏感性.实验表明,本文方法与传统方法相比,准确率有较大的提升.     

基于LS-SO算法的情感文本分类方法

首先, 基于点互信息与信息检索(PMI IR)算法, 提出一种Laplace平滑情感判定(LS-SO)算法, 对情感词典与表情符号情感词典进行自动扩充, 得到了具有一定规模、 高质量的情感词典, 包括基础情感词典、 目标情感词典、 网络用语情感词典、 表情符号情感词典、 否定词词典、 疑问词词典、 程度副词词典和连词词典. 其次, 通过细化文本语义分析规则计算文本情感值. 实验结果验证了该方法的有效性.     

部首检字法的创立与发展

较为系统和详尽地介绍了部首检字法的创立和逐步完善的过程。     

原始要终 考镜源流——《楚辞学通典》的编纂构想与学术追求

《楚辞学通典》是规模浩大的《楚辞学文库》第四卷，旨在会通自战国时期至公元2000年之间楚辞与楚辞学领域中的系列问题，原始要终，考镜源流，以简约的形式，显示楚辞学的发生、发展全貌。设“作家”、“作品”、“词语”(楚语)、“典故”、“典籍”、“专题”内分六大类。两千余条目。搜罗宏富，超越前贤，注重对大陆、香港、台湾两岸三地研究信息的全面把握；对长期忽略的研究“弱项”——学者研究，旁搜远绍，根据不同时代特点，作出全面而迅捷的反馈与评价；敢于指点得失：揭示传承，纠正讹错，追踪前沿，调查争端，突出热点，以突出学术史的价值与意义。     

图像分类中多流形上的词典学习

传统的基于稀疏编码的图像分类算法没有考虑不同特征之间的关系。针对这一不足,该文提出了一种新的词典学习算法。该算法考虑特征所处的多个流形空间上的拓扑结构,并显式地对其进行建模,然后将该模型嵌入到稀疏编码算法中构造多流形上的词典优化目标函数。为求解该优化问题,还提出了使用坐标下降的方法,同时给出了收敛性分析。在图像分类3个基准数据集上的实验结果表明,提出的算法分类性能超过了基于传统稀疏编码的算法。这也进一步证明了该算法的有效性。     

面向网络传输的无损压缩算法优化研究

针对网络传输流量过大、网络瓶颈严重的问题,文章提出了一种新的数据压缩算法,以LZW无损数据压缩算法为基础,将偏移编码方法引用到LZW算法中,采用修改压缩字典的维护方式和压缩数据的输出方式,增强字典自适应性,同时减少字典重新建立次数,提高了原算法的压缩效率;通过引入参数调节机制,使算法在不同情况下具有通用性。实验结果表明,新算法的压缩比比原LZW算法提高了0.2～0.9,较大地提高了压缩效率。     

基于大数据技术的AI岗位需求分析研究

近年来,我国人才市场出现供需失配的结构性矛盾,尤其是在人工智能(AI)领域。准确感知并描述劳动力市场的需求是解决该问题的重要手段。本研究首先使用网络爬虫抓取智联招聘网站发布的AI岗位相关招聘信息,通过中文分词、K-means等大数据分析方法对招聘岗位名称进行聚类处理,识别出软件工程师、算法工程师、产品经理及产品架构师等4个岗位簇;然后利用概率主题模型(Latent Dirichlet Allocation, LDA)对招聘岗位要求继续进行聚类处理,得到数据库、机器学习、模式识别、大数据、程序设计等5个技能集;最后利用LDA求得岗位簇对其技能集的需求矩阵,以分析各岗位簇对其岗位技能的需求程度。结果表明:程序设计能力对AI软件工程师最重要,模式识别的理论与技术对算法工程师最重要;产品经理岗位对数据库、机器学习和大数据技术等均有较强的技能需求;机器学习的理论与技术对产品架构师最重要。本研究成果可为高校、企业常态化或实时准确感知并描述AI劳动力市场需求提供技术支持。     

考虑评论感知情感和宏观经济指标的汽车销量预测

为提高汽车销量的预测精度,从而为企业估算销售收入、制定生产计划和进行发展战略决策提供有效支撑,提出了一种考虑评论感知情感和宏观经济指标的汽车销量预测方法.首先通过构建领域专有情感词典,对口碑评论进行情感分数提取,其后基于前景理论和归因理论对评论情感的影响机理进行研究,获得评论感知情感指数,最后结合经济指标和历史销量,通过线性回归模型对真实汽车车型销量进行预测.结果表明:与仅使用历史销量数据相比,模型中加入评论感知情感和宏观经济指标有效提升了销量预测精度.     

俄英医学同义术语的类型划分及英俄、汉俄医学词典编纂启示

同义现象是术语学界长期关注的热点问题,也是当代极具现实意义和有争议的问题。术语的同义现象是建立在表达同一个专业概念的不同术语单位基础上的一种语义关系。通过对医学各领域同义术语(主要是俄语和英语)的分析和描写,划分同义术语的类型,确定现代医学术语的特点,进而发现现代医学双语(主要是英俄、汉俄)词典中暂时还缺乏关于在术语系统功能化条件下使用某一同义术语的相关信息。因此,英俄、汉俄医学词典应对同义术语做相关的信息标注,以帮助使用者选取某一具体医学领域最适合的同义术语。     

构建单字词表识别未登录词的方法

针对目前中文分词技术主要依赖于常用词词典,而词典对未登录词识别率较低的问题,提出一种用双词典识别未登录词的方法,即构建一个常用词词典和一个单字词词典,二者相互结合进行分词,有效解决了对未登录词识别效率偏低的问题.实验表明,采用构建单字词表法对未登录词的识别准确率可达90%以上.