【摘 要】
：
隐式情感分析作为自然语言处理领域的子任务,因不具备显式情感词作为情感线索,使得传统文本情感分析方法不再有效.本文旨在使用深度学习方法进行文本的隐式情感分析,根据文本隐式情感极性与句中实体、上下文语境、外部知识相关的特点,本文提出一种基于ERNIE2.0-BiLSTM-Attention (EBA)的隐式情感分析方法,能够较好捕捉隐式情感句的语义及上下文信息,有效提升隐式情感的识别能力,最后在SMP2019公开数据集上取得较好分类效果,分类模型准确率达到82.3％.
【机 构】
：
东北大学计算机科学与工程学院,沈阳110819;北京理工大学计算机学院,北京100081
论文部分内容阅读
隐式情感分析作为自然语言处理领域的子任务,因不具备显式情感词作为情感线索,使得传统文本情感分析方法不再有效.本文旨在使用深度学习方法进行文本的隐式情感分析,根据文本隐式情感极性与句中实体、上下文语境、外部知识相关的特点,本文提出一种基于ERNIE2.0-BiLSTM-Attention (EBA)的隐式情感分析方法,能够较好捕捉隐式情感句的语义及上下文信息,有效提升隐式情感的识别能力,最后在SMP2019公开数据集上取得较好分类效果,分类模型准确率达到82.3％.
其他文献
针对工业信息物理系统数据不平衡,从而使得基于深度学习的攻击检测方法对稀有攻击检测率低的问题,提出了一种工业信息物理系统攻击检测增强模型.该模型从原始数据集中选取出稀有攻击样本,使用梯度惩罚Wasserstein距离生成式对抗网络进行稀有攻击样本扩充,并将扩充得到的样本与原始数据集混合,形成新的数据集用于训练多层感知机,实现攻击检测.为检验模型性能,使用以Modbus作为通信协议的真实数据集进行测试.实验结果表明,与广泛采用的数据增强方法相比,攻击检测增强模型能显著改善攻击检测的能力.
平面四连杆机构是一种常见的传动机构,对机构参数进行优化设计是获得最佳动力性能的重要途径.为了解决这一机构参数优化问题,提出了一种多智能体混沌鸟群算法(multi-agent chaos bird swarm algorithm,MACBSA).该算法将多智能体系统中智能体的行动策略和混沌搜索机制引入鸟群算法的进化过程.多智能体的竞争与合作机制可以提高个体学习与信息交互的能力,增强群体内部的多样性和信息反馈;而混沌搜索则能够帮助算法跳出局部最优.最后,该算法在4个标准函数中进行了测试,并应用到四连杆机构参数
为提高滑坡位移的预测精度,提出了一种基于奇异谱分析法(singular spectrum analysis,SSA)和长短时记忆网络(long short-term memory neural network,LSTM)组合的动态预测模型.首先,利用SSA将滑坡位移时间序列分解为趋势项、周期项位移子序列同时剔除噪声,减少随机波动对实验结果的影响.然后利用高斯拟合方法对趋势项位移子序列进行拟合预测;LSTM神经网络模型对其周期项位移子序列进行预测.最后,通过叠加各位移子序列的预测值,得到累积滑坡位移的预测值
为了更好地提取与学习风速在时域和频域上的特征,解决风速信号时域随机性和频域复杂性问题,提出了一种基于小波分解(WD)、变分模态分解(VMD)、长短时记忆(LSTM)网络和注意力机制(AT)的短期风速组合预测模型(WD-VMD-DLSTM-AT).在此基础上,提出了一种基于注意力机制的多输入多输出(MIMO)的编码解码多步预测模型(MMED-AT).通过实验对比分析,所提出的组合预测模型具有最优的统计误差,在短期风速预测方面能显著提高预测精度.基于组合模型的(MMED-AT)模型能明显消除递归式多步预测的累
在实际工业控制系统中,针对具有非最小相位的对象进行辨识是一个典型难题,尤其当零点与时滞同时存在时,采用常规传统辨识方法难以达到良好的效果,导致无法满足工业控制需求.针对这一情况,提出了一种新的含非最小相位过程对象模型的频域辨识方法,通过Matlab中的Simulink对闭环控制回路进行仿真,对仿真中所产生的输入输出信号的分解和拉普拉斯变换,分析并获取其过程对象在重要频率范围内的频率响应特性,采用最小二乘法从幅频与相频两部分去拟合参数,从而精准地辨识出对象模型.通过与传统模型辨识方法比较,仿真实验结果表明,
质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)过氧比是反映空气供应流量与实际氢氧反应之间平衡的指标.针对过氧比控制,提出一种RBF(radial basis function,RBF)神经网络二次型性能指标整定的PID控制算法.根据建立的PEMFC空气系统模型,将系统过氧比误差和控制电压增量之和作为神经网络整定算法的性能指标来调节PID控制器加权系数.通过将二次型性能指标和单一误差指标的仿真结果与传统PID控制器相比,表明该算法下的过氧比超调量相比于
提出了一种全梯度标准粒子群优化反馈(FGSPSO-BP)神经网络的工业机器人末端位姿补偿模型.首先,提出一种运动学逆变换算法,通过机器人末端位姿对机器人各关节角度值进行计算,并采用Matlab验证了运动学逆变换算法的准确性.然后,提出一种基于全梯度下降法的FGSPSO-BP算法,将机器人实际末端位姿参数作为输入样本,实际位姿与理想位姿的各关节角度值之差作为输出样本,对网络进行训练,以得到机器人实际末端位姿参数与各关节角度值差的关系,采用测试样本对网络模型算法进行了验证.最后,利用新松机器人所采集的实际位姿
为了使软体按摩机器人满足所需要的输出力要求,基于象鼻类生物结构的启发提出了一种可满足按摩输出力的软体驱动器.软体驱动器输出力主要由驱动器长度、直径和材料属性等8个内部因素及纤维线材料属性、缠绕圈数和初始编制角等4个外部因素决定.根据Hagen-Poiseuille定律分析了压强、腔室直径和驱动器长度之间的关系.通过对驱动器内部纤维线缠绕方式的讨论确定了限制其径向变形的方法.利用驱动器变形后的几何方程和力矩平衡方程建立了驱动器输出力理论模型.基于理论模型和Abaqus仿真软件生成的仿真模型进行对比分析从而确
学习风格的识别与分析有助于教学者结合学生的个性化特征改进教学策略,可以有效提高教学效率和质量,在教育技术领域具有良好的发展前景.本文针对现有学习风格识别方法精度低、实现复杂、主观性强等问题,提出了一种融合脑电特征的卷积神经网络学习风格识别模型.该模型首先利用时间、空间卷积操作,充分挖掘脑电信号的时域和空间特征;然后通过构建多尺度并行卷积结构,增强了模型的特征抽象能力;最后使用全局平均池化策略减少了模型训练参数,并实现对任意大小数据的处理.在学习风格脑电测试数据集上进行实验,结果显示该算法可达到71.2％的
联邦学习致力于在保证用户数据隐私安全的同时,通过多用户共建的方式提升机器学习模型的泛化性能.为此,在用户利用本地数据训练模型后,参数服务器需要聚合多个用户的模型参数并使用户基于聚合后参数继续本地训练.指数滑动平均是一种被广泛使用的参数聚合更新方法.然而当用户本地训练速度相差较大时,指数滑动平均方法无法消除由此造成的聚合参数偏差,从而显著影响模型整体训练效率.针对上述问题,本文提出了一种基于权重摘要和更新版本感知的异步联邦学习聚合更新方法,通过合理控制不同训练速度用户提交的参数在聚合参数中所占比例,以及主动