【摘 要】
：
针对文本情感分析已经逐渐成为自然语言处理的重要内容，并在系统推荐、获取用户情感信息，为政府、企业提供舆情参考等领域越来越占据重要地位的趋势下，通过文献调研的方式，对情感分析领域的方法进行对比和综述。首先从时间、方法等维度对情感分析的方法进行文献调研，然后对情感分析的主要方法，应用场景进行归纳，总结和对比，最后在此基础上分析每种方法的优缺点。根据分析结果可以知道，在面对不同的任务场景，主要有三种情感
论文部分内容阅读
针对文本情感分析已经逐渐成为自然语言处理的重要内容，并在系统推荐、获取用户情感信息，为政府、企业提供舆情参考等领域越来越占据重要地位的趋势下，通过文献调研的方式，对情感分析领域的方法进行对比和综述。首先从时间、方法等维度对情感分析的方法进行文献调研，然后对情感分析的主要方法，应用场景进行归纳，总结和对比，最后在此基础上分析每种方法的优缺点。根据分析结果可以知道，在面对不同的任务场景，主要有三种情感分析的方法：基于情感字典的情感分析法、基于机器学习的情感分析法和基于深度学习的情感分析法，基于多策略混合
其他文献
统筹推进山水林田湖草沙综合治理是赋予荒漠化治理的新任务，建立市场化、多元化生态补偿机制是实现荒漠化治理重要手段。基于阿拉善左旗224户居民调查数据，采用支付卡式条件价值评估法和Heckman两阶段模型，对沙区居民生态补偿支付意愿与水平及其影响因素进行实证分析。结果表明：86.61%居民具有生态补偿支付意愿，13.39%居民不具有生态补偿支付意愿；沙区居民生态补偿户均年支付意愿值为649.3元，占居
雅鲁藏布江河流宽谷区是青藏高原风沙活动最为强烈地区之一。输沙量是评价区域风沙活动的最主要指标之一，但目前对该地区输沙量的研究几乎是空白。利用旋转多路方口集沙仪对雅鲁藏布江流域中游河岸沙地、河漫滩沙地和山麓沙地3种地表类型、6个点2020年9—12月的输沙量进行野外实地观测，对比不同下垫面的输沙量，分析地表特征对输沙量的影响过程。结果表明：风沙流结构和总输沙量具有明显空间差异性，风沙流结构可以用指数
MODIS的增强型植被指数（EVI）时间序列数据早已广泛应用于植被观测、生态环境和全球气象变化等研究领域，但即使EVI时间序列数据已经经过严格的预处理，其中仍然存在着一些噪声。因此，本文开发了一种简单有效的方法来重构EVI时间序列数据，减少EVI时间序列数据中的噪声，尤其是一些由大气云层和冰雪覆盖产生的噪声。新方法的理论来源于图论，利用拉普拉斯矩阵的关系对EVI中选定的邻域窗口的像元权重进行赋值，
卷积神经网络（CNN）是目前基于深度学习计算机视觉领域中重要的研究方向之一。它在图像分类和分割、目标检测等的应用中表现出色，其强大的特征学习与特征表达能力越来越受到研究者的推崇。然而，卷积神经网络仍存在特征提取不完整、样本训练过拟合等问题。针对这些问题本文介绍了卷积神经网络的发展、经典的网络模型及其组件，并提供了解决上述问题的方法。通过对卷积神经网络模型在图像分类中研究现状的综述，为卷积神经网络的
随着城市人口、物资、信息流动的日益频繁，城市居民活动特征和生产生活方式更加复杂多变，同时，城市空间无序扩张，发展规划不足，引发了交通堵塞、人口流失、公共空间缺乏等一系列问题，最终引发了城市活力消解难题。因此，如何科学高效地进行城市活力定量分析成为了重点研究问题。本文基于OpenStreetMap、百度地图兴趣点（Point of Interest,POI）、微信宜出行、美团、高德建筑物轮廓等多源地
针对经典的帝王蝶优化(MBO)算法不能很好地处理连续型数据，以及粗糙集模型对于大规模、高维复杂的数据处理能力不足等问题，提出基于邻域粗糙集(NRS)和帝王蝶优化的特征选择算法。首先，将局部扰动、群体划分策略与MBO算法结合，构建传输机制形成一种二进制MBO(BMBO)算法；引入突变算子增强算法的探索能力，设计基于突变算子新的BMBO(BMBOM)算法；然后，基于邻域粗糙集的邻域依赖度构造适应度函数
在全球变暖的背景下，干旱事件发生频率和强度的增加导致陆地生态系统中植被多样性发生重大变化，研究植被物候对季节性干旱的响应对保护黄土高原的生态系统具有重要意义。基于MODIS遥感归一化植被指数（MODIS NDVI: MOD13Q1）数据及降水和气温逐月格点数据，采用岭回归分析方法，探讨黄土高原植被物候对季节性干旱的敏感性响应。结果表明：（1）上年夏季SPEI（Standardized precip
针对地图制图综合过程中道路网相似度的定量计算问题，提出了一种顾及道路网综合过程的相似度计算模型。方法基于空间相似关系理论较好地顾及了地图综合中空间关系的相似性；利用语义权重计算总体相似度更加符合地图综合的规则。最终经由430个样本的心理认知实验结果与专业人员的心理认知结果基本一致。实验结果表明：该模型基本符合人类直观感受，且模型自动化程度较高。研究结果可适用于规模要素群的综合过程。
影响力最大化是社交网络分析中的一个重要问题，旨在挖掘可以使得信息在网络中传播范围最大化的一小组节点（通常称为种子节点）。现有基于网络拓扑结构的启发式影响力最大化算法通常仅考虑某单一的网络中心性，没有综合考虑节点特性和网络拓扑结构，导致其效果受网络结构的影响较大。为了解决上述问题，提出了一种融合覆盖范围和结构洞的影响力最大化算法NCSH，该算法首先计算所有节点的覆盖范围和网格约束系数；然后通过覆盖范
传统的图卷积网络（GCN）和它之后的很多变体都在浅层时达到最佳的效果，没有充分利用图中节点的高阶邻居信息。随后产生的深层图卷积模型又不可避免产生过平滑的问题，导致无法有效区分图中不同类别的节点。针对此问题，提出了一种利用初始残差和解耦操作的自适应深层图卷积模型（ID-AGCN）。该模型首先对节点的表示转换以及特征传播进行解耦,然后在节点的特征传播过程中添加了初始残差，最后自适应地结合不同传播层得到