对辽宁省中学体育教师专业素质现状的调查与分析

运用问卷调查的方法对辽宁省14个地区的298名中学体育教师进行了调查,研究其专业素质需求情况,结果表明：中学体育教师对各项专业素质需要提高的要求程度各不相同,对专业知识急需提高的要求位于首位占38．75％、专业技能次之占30．50％、专业情意排第三位占15．25％;对专业知识和专业技能的各方面急需提高的要求程度和内容有所侧重;不同教龄段的教师对专业知识和专业技能的各方面急需提高的要求程度不尽相同;中学体育教师对专业情意素质的需求重视不够。     

中国股市指数与投资者情绪指数的相互关系

选取"新开交易账户数"作为投资者情绪的代理变量,应用ARMA-GARCH类模型研究了投资者情绪与股市收益率之间的相互关系.结果显示ARMA-GARCH类模型能有效拟合投资者情绪变化率和上证综合指数收益率的自相关性和异方差性.Granger因果检验表明上证综合指数收益率是投资者情绪变化率的一个显著影响因子,而并没有发现投资者情绪的变化率对上证综合指数的收益率Granger因果显著.根据市场表现的不同特征, 投资者利用这一信息调整情绪.当市场处于上升阶段时, 投资者情绪会更为乐观,有更多新的投资者进入股市; 当市场处于下降阶段时,投资者就会转变为较为悲观, 场外的投资者就会处于观望状态,不急于进入股市, 这样反映在股市上就是"新开交易账户数"减少.     

GNSS软件接收机中频信号数据分析

中频信号是软件接收机研制重要输入数据。以通过位捕获器对实际GPS信号进行采集获取的实际数据为基础,说明了GPS中频数字信号的生成方法,并完成了对实际数据的捕获算法实现,为进一步研究提供基础。     

融合情感词典的改进BiLSTM-CNN+Attention情感分类算法

传统机器学习和深度学习模型在处理情感分类任务时会忽略情感特征词的强度,情感语义关系单薄,造成情感分类的精准度不高。本文提出一种融合情感词典的改进型BiLSTM-CNN+Attention情感分类算法。首先,该算法通过融合情感词典优化特征词的权重;其次,利用卷积神经网络(CNN)提取局部特征,利用双向长短时记忆网络(BiLSTM)高效提取上下文语义特征和长距离依赖关系;再结合注意力机制对情感特征加成;最后由Softmax分类器实现文本情感预测。实验结果表明,本文提出的情感分类算法在精确率、召回率和F值上均有较大提升。相较于TextCNN、BiLSTM、LSTM、CNN和随机森林模型,本文方法的F值分别提高2.35%、3.63%、4.36%、2.72%和6.35%。这表明该方法能够充分融合情感特征词的权重,利用上下文语义特征,提高情感分类性能。该方法具有一定的学术价值和应用前景。     

基于RoBERTa与句法信息的中文影评情感分析

细粒度情感分析是自然语言处理的关键任务之一,针对现有的解决中文影评情感分析的主流方案一般使用Word2Vector等预训练模型生成静态词向量,不能很好地解决一词多义问题,并且采用CNN池化的方式提取文本特征可能造成文本信息损失造成学习不充分,同时未能利用文本中包含的长距离依赖信息和句子中的句法信息。因此,提出了一种新的情感分析模型RoBERTa-PWCN-GTRU。模型使用RoBERTa预训练模型生成动态文本词向量,解决一词多义问题。为充分提取利用文本信息,采用改进的网络DenseDPCNN捕获文本长距离依赖信息,并与Bi-LSTM获取到的全局语义信息以双通道的方式进行特征融合,再融入邻近加权卷积网络(PWCN)获取到的句子句法信息,并引入门控Tanh-Relu单元(GTRU)进行进一步的特征筛选。在构建的中文影评数据集上的实验结果表明,提出的情感分析模型较主流模型在性能上有明显提升,其在中文影评数据集上的准确率达89.67%,F1值达82.51%,通过消融实验进一步验证了模型性能的有效性。模型能够为制片方未来的电影制作和消费者的购票决策提供有用信息,具有一定的实用价值。     

基于SnowNLP的微博网络舆情分析系统

随着微博、抖音、贴吧等新兴网络社交媒体的发展,大量用户开始喜欢使用这些平台进行发布和获取信息,因此累积了大量舆情数据。为了能够及时监测网络舆论动向,更好的维护互联网的安全运营和网络安全,针对实时微博数据,研究设计了一种基于SnowNLP的微博网络舆情分析系统。该系统由舆情数据采集、舆情数据分析和舆情数据可视化组成,能够实现微博数据文本挖掘、网络舆情数据情感分析、舆情数据与关键词匹配结果统计等功能,并能够对微博内容情感分析结果、用户等级、内容分词结果等进行可视化展示。实验测试结果表明：本系统功能运行正常,同时验证了设计方案的可行性和有效性。系统在网络舆情监测领域具有重要的应用价值。     

异质网络中融合多类信息的链路情感倾向预测

信息网络中基于节点间情感关系分析的链路情感倾向预测在商业营销、内容推荐等领域应用广泛，是网络分析的一个研究重点.传统的链路情感倾向预测方法对于数据信息的挖掘不够充分，忽略了对数据深层语义以及节点属性等信息的利用，预测准确度有待提升.针对以上问题，提出了异质网络中融合多种类型信息的链路情感倾向预测模型.模型首先引入预测基值作为特定节点间情感关系的粗略评估，然后结合节点的相似关系以及节点的属性等信息完成预测.其中，在捕获网络中具有相似情感倾向的节点用于预测任务时，提出了一种基于限制路径类型元路径的遍历游走方法.在5个公共数据集上的实验结果验证了所提模型的有效性及对于稀疏矩阵、冷启动问题的处理能力，并揭示了模型各组成部分在预测过程中的作用.     

数量化理论在中国早奥陶世笔石动物地理分布研究中的应用

以中国早奥陶世22个地层分区以及至少出现于2个地层分区的57个笔石属作为定性变量,按照57个笔石属在22个地层分区中的出现情况,建立反应矩阵。根据数量化理论Ⅳ,定义各分区间的亲近度,从而使原始定性变量转化为定量数据,并由此获得22个分区相应于22个点在平面图中的位置。在平面图中,22个点可划分为2个点群,分别代表中国早奥陶世的两大笔石动物群,即华南型笔石动物群和华中型笔石动物群。     

Nowcasting and predicting data revisions using panel survey data

The qualitative responses that firms give to business survey questions regarding changes in their own output provide a real‐time signal of official output changes. The most commonly used method to produce an aggregate quantitative indicator from business survey responses—the net balance or diffusion index—has changed little in 40 years. This paper investigates whether an improved real‐time signal of official output data changes can be derived from a recently advanced method on the aggregation of survey data from panel responses. We find, in a New Zealand application, that exploiting the panel dimension to qualitative survey data gives a better in‐sample signal about official data than traditional methods. Out‐of‐sample, it is less clear that it matters how survey data are quantified, with simpler and more parsimonious methods hard to improve. It is clear, nevertheless, that survey data, exploited in some form, help to explain revisions to official data. Copyright © 2009 John Wiley & Sons, Ltd.     

基于程度分析的中小桥梁评估方法

考虑到公路和城市桥梁评估规范结果可能存在的差异,对城市内的原公路桥梁提出基于程度分析理论的评估方法.首先,采用心理测量试验和定性问题的定量描述研究评估标度及扣分值;其次,基于桥梁评估规范确定缺损、构件及部件的权重;然后,引入桥梁缺损对结构使用功能影响系数及缺损发展变化状况修正系数得到缺损最终扣分值;最后,结合分层加权方法计算各部件及全桥的技术状况评分.结果表明,采用基于程度分析的桥梁评估方法计算得到的全桥评分低于城市规范评分但高于公路规范评分.当基于不同规范得到的评估结论出现较大差异时,程度分析方法可作为一种辅助的评估方法.