基于主题模型的短文本关键词抽取及扩展

文章主要研究短文本关键词抽取及具有丰富文本含义的关键词扩展问题,在关键词抽取工作中将文本主题分类信息和词搭配关系引入到传统的TF-IDF算法中;在关键词扩展的工作中,通过构建词的特征表示向量,计算文本关键词和类别特征词相似度,从而发现所需扩展的关键词,两方面工作均取得了令人满意的结果。     

高轴向应力下围岩环状破裂模式及其影响因素

采用厚壁钢桶约束的含预制孔洞模型的轴向加载试验,研究在有围压高轴向应力条件下,洞壁围岩的环状破裂模式及其影响因素.试验结果表明:环状破裂是从洞壁剪切破坏带相互交割处开始,向远离洞壁方向开展的以拉为主的破裂,其在洞壁附近近似平行于洞壁临空面.对于近距离双洞隧道,由于两洞间应力场叠加强烈,在高轴向应力下,环状破裂将环绕两洞,呈椭圆形发展;当两洞距离较远,两洞间应力场叠加较弱时,环状破裂带将分别围绕单洞扩展.环状破裂的形成及破裂带间距与洞壁曲率、隧道断面尺寸和岩石材料非均匀性有关.     

中文微博情感倾向性分析特征工程

情感倾向性分析是情感分析的重要组成部分,是一种按照情感倾向对文本进行分类的任务。微博与传统的评论文本相比更加口语化与符号化,因此对微博进行情感倾向性分析是一个非常有挑战性的任务。基于机器学习的方法是情感倾向性分析最经典的算法,核心是要进行特征的分析和选择,例如词袋特征等。然而,由于中文语言的独特性,前人很多有效的特征都是语言相关的,将其直接用于中文微博效果不佳。在中文微博语料上,还没有学者进行细致的特征工程建设。基于此,文章综合国内外诸多特征,并考虑到中文的独特性,对中文微博的褒贬中倾向性判别特征工程的词、词组、数值和句法特征分别进行了研究,并提出了基于词典规则的情感评分的新特征。最后经过大量实验与分析,得出了可靠的特征组合。实验结果表明,此方法能够明显提高情感倾向性分析的结果。     

Summarization based on physical features and logical structure of multi documents

With the rapid development of the Internet, multi documents summarization is becoming a very hot research topic. In order to generate a summarization that can effectively characterize the original information from documents, this paper proposes a multi documents summarization approach based on the physical features and logical structure of the document set. This method firstly clusters similar sentences iuto several Logical Topics (LTs), and then orders these topics according to their physical features of multi documents. After that, sentences used for the summarization are extracted from these LTs, and fiually the summarization is generated via certain sorting algoritluns. Our experiments show that the information coverage rate of our method is 8.83 % higher than those methods based solely on logical structures, and 14.31% higher than Top-N method.     

面向汽车领域的软文识别研究

针对面向汽车领域的软文识别问题,将软文识别分为顶贴识别、无关帖识别、广告帖识别和伪造帖识别4个子任务,并分别使用基于规则的方法和基于机器学习的方法对4类软文进行识别。基于规则的方法综合考虑汽车领域专业信息、极性词信息、作者级别信息等因素;基于机器学习的方法结合网帖内容特征和作者信息特征,使用最大熵分类器进行模型训练。实验结果表明,对于领域特征明显、具有数值化反馈信息和明确标注数据的领域,适合使用机器学习的方法进行软文识别。     

中文篇章级句间关系自动分析

篇章级句间关系分析包括语义单元的切分和各个单元之间的语义关系识别.已有的研究主要面向英文,到目前为止,尚无可用的中文篇章级句间关系自动分析系统发布.在中文篇章关系语料库的基础上,首次实现面向中文的篇章级句间关系自动分析系统,包括语义单元切分、连词识别、显式语义关系识别以及隐式语义关系识别等.实验结果显示:该系统在显式句间关系识别上F-score为89.8;,隐式句间关系识别上F-score为55.5;.