【摘 要】
：
目前词语情感倾向性识别研究主要分为机器学习和语义理解,机器学习不能很好地识别通用领域词语,语义理解又存在准确率和召回率不够高的问题,因此文中提出了一种融合直推式学
【基金项目】
：
国家自然科学基金面上项目（61373108）, 湖北省教育厅科研项目（Q20112809,B20082803）,湖北省教育厅人文社会科学研究项目（13g389）
论文部分内容阅读
目前词语情感倾向性识别研究主要分为机器学习和语义理解,机器学习不能很好地识别通用领域词语,语义理解又存在准确率和召回率不够高的问题,因此文中提出了一种融合直推式学习和语义理解的词语倾向性识别方法。首先对HowNet知识库体系进行改进,在已有的四种义原的基础上,提出第五义原—情感义原;然后将第五义原手工融入到HowNet知识库中,再在此基础上提出词语情感相似度计算方法计算词语的情感值;最后将该方法融合直推式学习以判定词语情感倾向性。通过实验结果表明,与支持向量机和原语义理解方法相比,该方法在识别情感词上取得
其他文献
使用福建GPS台网2004年3月到2006年9月的连续观测资料，经数据处理获得时间序列分析结果。初步估算了各测站的运动速率和定位精度，水平向在1．5～3．2mm，垂直向在6．6～8．2mm。选取区域相对
新冠肺炎疫情对高职院校教学带来了极大的挑战,让学生在疫情期间通过"网络一线牵"学有所获是老师们努力的方向。高职院校线上教学要遵循"教师为主导,学生为主体"的教学理念,
Hadoop集群下每个小文件均占据一个Block,一方面存储海量元数据信息消耗了大量的NameNode内存,另一方面,Hadoop为每个小文件单独启动一个Map任务,大量的时间花费在启动和关闭Map任务上,从而严重降低了MapReduce的执行速率。对此,在详细分析已有解决方案的基础上,采用CFIF将多个小文件分片打包到大分片中,给每个大分片只启动一个Map任务来执行,通过减少启动Map任务的数量