回首之美——论席慕蓉《七里香》的情感特征

在《七里香》这部诗集里,席慕蓉以清新的笔调、低语式自白,回首青春年华,回溯生命历程,回望乡土乡愁,文本中充满着热烈的欣喜、深深的眷恋、淡淡的哀愁和超然的豁达等丰富多样而又清晰凝重的情感线条。席慕蓉在《七里香》中表现出的题材偏好和情感趋向,使其诗歌创作呈现出回首之美的独特艺术韵致,从而在中国诗坛引发席慕蓉现象。席慕蓉以诗歌之力,唤起人们重铸爱情信仰、重新张扬理想风帆的人类崇高信念。     

基于文本分析的软件项目风险研究演化脉络解析

软件项目是以科学满足软件需求为目标,涵盖人员、技术、管理等多种要素的工程实施与组织管理过程。长期以来,由于软件项目客观存在的一些不确定性因素,使得实施过程中常常会遇到设计、费用、进度与功能变化等诸多问题。虽然高效的开发技术不断涌现,但管理问题一直存在,风险问题也经常显现,成为软件行业的焦点问题。正确认识和管理软件项目风险能够提高软件项目开发的成功率,降低风险发生概率。软件项目风险管理是软件项目管理中的重点问题之一。随着软件行业的发展,软件项目风险呈现出新的特点,风险管理内容也产生了新的变化。为了追踪软件项目风险管理研究的脉络和发展趋势,运用网络爬虫技术,获取了国内外软件项目风险相关文献3 129篇,利用分词和统计分析技术,对文献作者、关键字、主题等进行提取和词频分析,挖掘出研究主体的空间分布情况;从发文数量及发文时间角度对中外学者研究进行对比分析,梳理出软件项目风险概念界定、研究阶段、研究方法等方面的演化进程。通过对文献主题的分析,梳理出软件项目风险研究的方向和趋势。通过上述文本分析思路,可以得出该领域中的主流研究方法及发展趋势。在文献数量的变化上可以推断,软件项目风险同质化研究较多,研究的创新性突破口难以发掘,致使中文文献数量有所降低。通过观察研究团队词云可视化情况,发现了计算机类及管理类两大主流研究方向。如何从管理角度进行风险研究一直是该领域关注的重点。基于时间顺序的文献主题汇总,能够清晰看出软件项目风险研究是以项目管理为主导、风险管理为导向,将项目管理及风险管理相融合,进行以软件项目为主体的概念性界定。软件项目风险管理理论研究相对成熟后,风险评估、风险识别、风险控制相关技术性的研究也开始兴起,再从应用角度进行风险管理的验证研究。至今风险管理仍以评估为主要研究手段,通过对高频词的共性进行分析,找到词汇关联中较为新颖的研究方向。例如,风险识别过程正在从人工主观辨别向机器自动识别转化;风险管理对象属性特点的转变是由静到动的变化;由大数据技术引发的风险知识库建立、智能风险管理系统的搭建等前沿研究。对研究趋势的探索将为软件项目风险防控、提升软件项目成功率提供新的解决思路,为软件项目风险的相关研究提供可参考的方法。     

基于表情符号和情感词的文本情感分析模型

文本情感分析是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。文本中的表情符号也能表达一定的情感。针对情感分析研究时先去除包含表情符号在内的停用词这一方法,本文在判断情感倾向性时考虑情感词和表情符号的共同作用,提出了一个包含表情符号的文本情感分析模型。通过设置一定阈值,可以对社交网络中过激情感进行实时监测。     

基于BERT模型的文本评论情感分析

目前,用户的评论对产品的改进具有重大意义,为了解决文本情感人工阅读效率低下和传统词向量搭配神经网络解决文本情感分析准确率不高的问题,本文中提出了一种基于BERT模型的文本情感分类的解决方案.本文实验中使用谭松波酒店评论语料,通过使用预训练好的BERT模型进行fine tune,将得到的结果通过搭建的神经网络模型进行分类...     

文本情感分析中褒贬分类的分界点确定

文中提出了两个确定褒贬分类的最佳分界点划分方法,使用了一个多层的神经网络进行文本褒贬度的计算并对其输出值的分布进行分析。通过实验验证了这两个方法在褒贬分类中的有效性,并和朴素贝叶斯方法进行比较。实验结果表明,通过该算法确定的褒贬分界点较传统的分界点0.5具有较高的准确率。     

基于CNN-ATTBiLSTM的文本情感分析

卷积神经网络(CNN)和循环神经网络(RNN)已经被证明在文本情感分析中是有效的文本表示模型。然而,CNN只考虑连续词之间的局部信息,忽略了词语之间长距离的上下文依赖信息,在前向传播的过程中池化操作会丢失一部分语义信息; RNN在文本长度较短的情况下相比CNN并没有展现应有的优势。本文通过融合CNN和基于注意力机制的双向长短期记忆(ATTBiLSTM)网络提取的特征,提高模型的文本表示能力,同时为了防止过拟合,采取dropout策略。在中科院谭松波博士整理的酒店评论数据集上进行实验,结果表明本文提出的模型相比基线模型可以提取出更丰富的特征,效果较基线模型有所提升。     

于植元校点《林兰香》补校

于植元校点的《林兰香》是该书的第一个简体字标点整理本,而且保留了批点和夹批,是现在研究《林兰香》最通行的本子,但这个校点本还存在一些疏漏之处,现对其进行补校,以求更精确地恢复小说的文字原貌。     

基于多任务深度学习的文本情感原因分析

多任务学习利用不同任务之间的相似性辅助决策,与单任务学习相比,多任务学习能够利用更多的信息,从而可以弥补单任务学习信息利用不足的缺陷。本文选择NTCIR-ECA数据集中的中文和英文文本数据作为实验数据,以情感原因分析作为研究任务,提出了一种结合多任务学习和深度学习的模型MTDLM(multi-task deep learning model),实现不同语种下的情感原因分析。实验结果表明,在数据不平衡的情况下,MTDLM模型对英文语种的情感原因识别的最优F值为39%,优于单任务学习(F值为0)和传统基线模型(LR的F值为33%),从而验证了模型的有效性。     

《草叶集》与《女神》对比研究

堪称诗歌里程碑的《草叶集》和《女神》有一脉相承之处。从写作特色、主题意象、意义与评价三个方面,对两郝诗作进行分析对比,以求对它们在思想内涵的时代性、艺术形式的独创性、文学功能的本土性方面的异同及对诗歌发展所产生的共时与历时的影响有更进一步的了解。     

基于ALBERT-CRNN的弹幕文本情感分析

提出一种结合ALBERT预训练语言模型与卷积循环神经网络(convolutional recurrent neural network,CRNN)的弹幕文本情感分析模型ALBERT-CRNN.首先使用ALBERT预训练语言模型获取弹幕文本的动态特征表示,使得句子中同一个词在不同上下文语境中具有不同的词向量表达;然后利用...     

《步苏倡和集》考述

《步苏倡和集》是晚清追苏唱和集之一,刊刻于广东佛山。全集共四百三十首七言律诗,皆步苏轼"尖叉"险韵,体量宏大,用韵艰深,节寿诗中蕴含着独特的佛山民俗文化,具有丰富的历史与文献价值。《步苏倡和集》的研究不仅有助于考查近代追和集和清诗总集,还包括近代人对苏轼的接受研究、岭南文学传统和文人群体创作等方面,乃至对近代诗歌创作的考查都有积极意义。     

论香文化与《红楼梦》人物形象的塑造

中国香文化历史悠久,意蕴丰富,影响了中国文学数千年。古老的香文化在《红楼梦》中得到了淋漓尽致的展现。香文化贯穿于小说的始终,并在其中扮演了极其关键的角色,尤其是在小说人物形象的塑造与刻画上发挥了不可替代的重要艺术功能。     

基于微博文本数据分析的社会群体情感可视计算方法研究

针对已有的情感分析研究多侧重在情感的倾向性方面, 缺乏对各类情感的详细描述, 不能形象直观地反映社会群体的情感变化的问题, 提出一种基于依存句法和人工标注相结合的情感分析方法。该方法采用三维立体的人脸表情进行情感分析, 形象地呈现社会群体的情感变化。对于不同的社会事件, 以可视化方式来展现不同地区微博群体的情感。实验结果表明, 该模型可以有效地描述人群情感, 研究结果为基于大数据的网络舆情分析提供了一种新思路。     

谈《登高》情感的变化

在中国古代,有一位诗人,用"笔落惊风雨,诗成泣鬼神"的诗句来赞誉"诗仙"李白的诗作。这位诗人就是被人们尊为"诗界圣人"的杜甫,他的诗被人们称为"诗史"。杜甫(公元712年-公元770年),字子美,本襄阳人,后徒河南巩县。自号少陵野老,唐代伟大的现实主义诗人。杜甫的诗才,可以敌国,杜甫的诗名,在该研究者的心目中,"与天际齐高,与大地一样辽阔,与春常驻,与金石并寿,可与日月并分光辉"。《登高》是该研究者读过的杜诗中最喜欢的一首,该文就该诗所传达的诗人情感的变化谈一点粗浅看法。     

情感是《史记》永久的魅力

司马迁的《史记》是情、理、史的结合体 ,他把对历史人物的爱憎 ,都凝注在作品里 ,使读者常被司马迁的情感所感染 ,处处感到作者的存在 ,这是《史记》区别于其他史书的最突出的特征     

《巨型收音机》与《游泳者》文本比较分析

约翰·契弗是美国着名短篇小说家,他的作品以细致入微、幽默嬉戏的笔调生动地刻画了美国中产阶级的生活方式和精神风貌,被誉为美国郊外的契诃夫。《巨型收音机》与《游泳者》是约翰·契弗的两篇代表作,分别创作于1953年和1964年。两篇作品尽管故事内容不同,在写作手法和人物塑造等方面,都有很多相似之处,如都有荒诞神秘的故事情节、高超绝妙的写作技巧和生动的人物塑造。     

基于情感依存元组的新闻文本主题情感分析

以情感依存元组(EDT)作为中文情感表达的基本结构,把新闻文本主题情感倾向性判别任务分成主题识别、情感倾向性分析和主客观分类三个逐层递进的子任务。在主题识别前先对TF-IDF方法进行改进,再结合基于交叉熵方法提取主题特征词,同时考虑了新闻文章标题的主题表征作用,将标题词纳入主题特征集;然后基于空间向量模型计算句子与主题特征向量的相似度,在此基础上考虑句子位置、长度及句子与标题的相似度,计算句子的主题相关度以抽取主题句;最后建立情感依存元组判别模型计算主题句的情感,采用主、客观分类规则筛选出新闻倾向关键句。本方法在COAE 2014评测中各项指标皆逼近最好成绩,表明基于情感依存元组的分类方法具有较高的分类性能。     

基于BiLSTM-CapsNet混合模型的社交文本情感分析

社交文本的情感分析主要存在结构不规则、特征稀疏和分类效果不理想等问题。针对这些问题,提出了一种双向长短期记忆网络(Bi-directional long short-term memory, BiLSTM)和胶囊网络(Capsule network, CapsNet)混合模型(BiLSTM-CapsNet)。该模型先使用胶囊网络提取单个特征词在整个句子中的位置语义信息,再使用双向长短期记忆网络提取社交文本的上下文词语之间的关系,最后通过softmax分类器,进行情感倾向的分类。试验结果表明,该模型在粗粒度和细粒度情感分类中都有优势。