基于多头注意力和词共现关系的方面级情感分析

针对特定目标的情感分析是文本情感细粒度理解任务的重要内容.已有研究大多通过循环神经网络和注意力机制来建模文本序列信息和全局依赖,并利用文本依赖解析树作为辅助知识,但这些方法没有充分利用目标词与文本词之间的依赖关系,也忽略了训练语料库中的词共现关系,而词共现信息往往意味着一种语法搭配.为了解决上述问题,提出一种目标依赖的多头自注意力网络模型.该模型首先设计内联和外联两种不同的注意力机制用于建模文本词和目标词的隐藏状态和语义交互;其次,该模型构建了语料库级别和句子级别的词共现图,并通过图卷积网络将词共现信息融合进文本的特征表示学习并用于下游分类任务.在五个标准数据集上进行了对比实验,实验结果表明,提出的模型在方面级情感分析任务中的性能优于所有对比模型.     

基于弱监督学习的主页人物属性抽取方法

提出了一种基于弱监督学习的主页人物属性抽取方法,首先根据领域模式从个人主页中提取出人物属性的前导词,接着通过前导词获取人物属性作为初始的属性种子,在这些属性种子中提取属性的模式,并结合分类和bootstrapping方法不断迭代抽取出无前导词的人物属性。在整个抽取过程中,只需要少量的人工标注。在英文机构网站上的人物属性抽取对比实验结果表明,该方法较属性分类抽取方法在准确率上提高了7.8%,召回率上提高了7.5%。     

中文BBS态度倾向分析算法研究

作为互联网上网民自由发表言论的重要场所,BBS包含了大量的舆情信息,对其进行分析和舆情监控具有重要意义.本文研究了中文BBS态度倾向的自动识别问题,提出了基于情感词的BBS态度倾向启发式算法以及基于有监督学习的BBS态度倾向识别算法.实验中使用了三种不同的分类模型,并将有监督学习算法与启发式算法进行了实验对比.实验结果表明,有监督学习的BBS态度倾向识别效果明显优于启发式算法的效果.     

SBI模式下的词块学习策略训练

鉴于词块对外语学习输出过程的促进作用,本文主张对学生实行有关词块学习的策略训练。该策略训练以Cohen提出的SBI(Strategies-Based Instruction)训练模式为基础,融认知策略与元认知策略训练为一体,与日常课堂教学相结合,以提高学生学习和使用词块的能力为目的,使学生学会计划、监督和评价自己的学习过程和结果,最终实现词块学习自主。     

基于词嵌入特性聚类的文本主题挖掘

数据聚类是常用的无监督学习方法,通过词嵌入聚类能够挖掘文本主题,但现有研究大多数采用常规聚类算法挖掘词嵌入的簇类,缺少基于词嵌入特性设计实现词嵌入聚类的主题挖掘算法.该文从语言模型通过建模词间相关信息来使相关及语义相似词的嵌入表示聚集在一起的特点出发,设计词嵌入聚类算法.该算法首先计算中心词的簇类号,然后使该簇中心嵌入和相邻词嵌入的相似性增强,同时使其与负样本词嵌入远离,学习文本集词嵌入的簇类结构,并将其应用于文本主题挖掘.在3种公开数据集上的实验表明:该算法在一些模型的词嵌入结果上能够挖掘出一致性和多样性更好的主题结果.     

英语词块学习在电大英语学习中的应用

英语作为第二语言学习对学习者具有很大的难度。母语的干扰、对于英语语法结构的不理解导致ESL学生学习英语的效率低下,英语表达不够地道。电大学生作为成年人学习英语,缺乏英语习得的环境,错过语言学习的关键期,学习英语较儿童更加困难。如果电大学生将英语学习的重点从语法结构的学习转为词块的学习将解决这一难题,词块学习不仅能提高电大成人学生英语表达的流畅性,也有利于提高其精确性。词汇教学法为电大英语教学提供了新的思路。本文从电大学生学习特点入手,对电大学生学习英语词块的方法进行了探讨,并总结了词块学习对电大英语学习的作用。     

面向细粒度隐式篇章关系识别的远距离监督特征学习算法

针对中文细粒度隐式篇章关系识别进行研究。考虑细粒度篇章关系的方向性特点, 提出一种基于远距离监督的特征学习算法。该算法使用远距离监督的方法, 自动标注显式篇章数据, 然后利用词与连词之间的相对位置信息, 训练各个词的词表达, 将词的修辞功能以及关系的方向性编码到密集词表达中, 将这样的词表达应用到细粒度隐式篇章关系分类器。实验结果表明, 在细粒度隐式篇章关系识别任务中, 该方法的分类准确率达到49.79%, 比未考虑篇章关系方向性的方法有较大程度的提高。     

词块教学法对大学英语写作影响的研究

就词块法能否提高非英语专业学生的写作能力和如何在课堂环境下开展词块教学进行试验研究。结果显示:词块法可以提高学生的词块意识,试验对英语写作教学的启示是:要重视词汇的学习,注重培养学生预制词块的能力,培养学生自主学习能力。在写作中多使用词块可以增加文章的连贯性,词块教学可以培养学生良好的词块学习习惯和策略。     

基于词矢量相似度的短文本分类

互联网中出现的短文本内容短小,相互共享的词汇较少,因此在分类过程中容易出现大量的集外词,导致分类性能降低。鉴于此,提出了一种基于词矢量相似度的分类方法,首先利用无监督的方法对无标注数据进行训练得到词矢量,然后通过词矢量之间的相似度对测试集中出现的集外词进行扩展。通过与基线系统的对比表明,该方法的分类正确率均优于基线系统1%~2%,尤其是在训练数据较少的情况下,所提出的方法的正确率相对提高10%以上。     

词块教学——避免搭配错误的一种有效方法

通过实证研究及参考语料库,作者发现中国学生在学习英语时很容易搭配错误,本文介绍了一种避免搭配错误的有效方法——词块教学,作者主要阐述了词块的定义及分类,词块教学的理论基础及词块教学的具体实施,文章最后指出词块教学在英语交际能力及语法能力等方面也有着深远的影响,它确实给外语教学提供了一条新思路。     

语义特征在评价对象抽取与极性判定中的作用

提出与评价对象抽取相关的7类语义特征: 评价触发词、评价消解词、评价对象绝缘词、后指动词、前指动词、心理动词和指向定语的评价名词, 以及与极性判定相关的5类语义特征: 褒义性名词、贬义性名词、语义偏移型名词、度量衡形容词和语义构式。从引入语义特征的必要性以及如何使用这些特征两方面进行阐述。实验证明, 语义特征的引入有助于提高评价对象抽取及极性判断的准确率。     

攻顶装甲目标的交流毫米波引信目标识别及定位

对交流毫米波引信的目标识别与定位方法进行研究.分析了毫米波引信探测金属目标的机理;在对装甲目标进行试验测试的基础上,研究了坦克装甲目标与干扰的毫米波信号差异;根据目标特性,提出了综合判别时域内目标信号幅度、宽度及目标外形尺寸的识别方法;在目标识别的基础上,通过对目标顶甲尺寸、系统延迟时间等因素的综合考虑,合理设计探测器前倾方案,实现对目标的定位.     

模板匹配方法在高速目标跟踪中的应用

提出了一种用于高速目标跟踪的快速识别算法.根据图像目标与背景的特点,摒弃传统的逐点扫描方法,设计了一种"十字"匹配模板,根据待识别区域与"十字"模板的灰度差进行目标识别;为了提高识别速度,对目标图像进行二值化处理,采用逻辑运算获得模板与目标的相似性测度,通过相似性测度与阈值的比较,进行遍历点的跳跃.仿真结果表明,该算法大大提高了识别速度,实现了对高速摄像机拍摄角度的控制,进而对目标进行实时跟踪.     

一种基于子波特征的模糊神经网络目标识别方法

针对雷达目标识别中相对不变特征量提取这一问题，提出了一种基于子波变换的特征提取方法．通过对三类飞机一维距离像的分类和识别，验证了这种方法的有效性，同时在将模糊神经网络作为模式分类器方面做出初步尝试。     

利用导引头信息实现目标脱靶方位识别

提出充分利用导引头提供的信息提高引战配合效率.研究了利用导引头天线测量的视线角速度在弹体的投影进行目标脱靶方向角识别的原理.通过对弹目交会段导弹与目标相对运动关系的分析,得出了识别目标脱靶方向角的数学表达式;针对一种导引头结构设计了可以获得所需识别信息的工程实现方案;给出仿真算例分析脱靶方向角识别的精度.仿真结果表明,识别出的脱靶方向角的精度可以满足引战配合的要求.     

基于OpenCV的机场跑道外来物报警系统设计

基于视频技术,采用计算机视觉库OpenCV开发了机场跑道外来物(FOD)报警系统。其中,目标识别模块采用混合高斯方法建模,并将背景法和帧差法结合实现静止目标和运动目标的检测;目标跟踪模块采用Camshift提高了跟踪的可靠性;报警模块针对目标的实际情况设定标准,超过标准则报警。     

帧差法和Mean-shift相结合的运动目标自动检测与跟踪

传统的Mean-shift算法简单快速,但存在半自动跟踪缺陷,在起始帧需要手动确定搜索窗口来选择目标,且核窗宽固定不变,不能实时地适应目标尺寸大小变化,容易跟丢目标。接合帧差法,首先通过帧差法检测目标,并获取目标窗口和中心,再结合Mean-shift跟踪,并通过设定ρ^(y)相对改变量r来确定目标模板是否需要重新获取,实现Mean-shift算法全自动跟踪,并能适应目标尺寸大小改变的情况。实验表明,该方法跟踪准确,实时性高。     

融合改进帧差和边缘提取算法的运动目标检测

针对帧差算法检测运动目标存在的目标边缘缺失和空洞的问题,提出一种将改进帧差和基于改进Canny算子的运动目标边缘提取方法相融合的运动目标检测算法。首先,使用帧差法快速检测变化区域,并通过面积阈值判断是否进行当前帧的检测以提高算法实时性;其次,在运动目标边缘提取中,提出一种基于改进Canny算子的运动目标边缘提取方法提取当前帧运动目标边缘,以解决检测目标边缘缺失的问题;最后,将改进的三帧差分法提取运动目标像素点填充目标边缘图像,以解决检测目标内部空洞的问题。对比实验结果表明,该融合算法对视频中的运动目标能以较高的准确度和完整度实现运动目标的高效检测。     

粗糙集理论在多传感器目标识别中的应用

针对多传感器目标识别中存在的问题,提出了一种基于粗糙集理论的目标识别方法。该方法利用粗糙集理论对数据进行分析,通过决策系统的可辨识矩阵导出分类识别规则,建立目标识别规则库。实例分析表明,该方法的是可行的。     

一种基于加权证据合成的多传感器目标识别方法

针对多传感器数据融合目标识别问题，基于D-S证据理论，提出了加权证据合成的时空域目标识别算法。该方法充分利用了多传感器多周期的测量数据，并根据D-S合成规则要求参与合成的各证据具有相同权重的特点，充分考虑了提供证据的信源即各个传感器的可靠性。在合成中，引入证据权的概念，解决了不同权重的多传感器数据融合问题，在一定程度上改善了目标识别系统的性能。最后通过计算实例表明算法是有效的。