【摘 要】
：
方面情感分析旨在分析给定文本中特定方面的情感极性.针对目前的研究方法存在对方面情感注意力引入不足问题,提出了一种融合BERT和多层注意力的方面级情感分类模型(BERT and Multi-Layer Attention,BMLA).模型首先提取BERT内部多层方面情感注意力信息,将编码后的方面信息与BERT隐藏层表征向量融合设计了多层方面注意力,然后将多层方面注意力与编码输出文本进行级联,进而增强了句子与方面词之间的长依赖关系.在SemEval2014 Task4和AI Challenger 2018数据
【机 构】
：
华中师范大学 物理科学与技术学院,武汉 430079;华中师范大学 计算机学院,武汉 430079
论文部分内容阅读
方面情感分析旨在分析给定文本中特定方面的情感极性.针对目前的研究方法存在对方面情感注意力引入不足问题,提出了一种融合BERT和多层注意力的方面级情感分类模型(BERT and Multi-Layer Attention,BMLA).模型首先提取BERT内部多层方面情感注意力信息,将编码后的方面信息与BERT隐藏层表征向量融合设计了多层方面注意力,然后将多层方面注意力与编码输出文本进行级联,进而增强了句子与方面词之间的长依赖关系.在SemEval2014 Task4和AI Challenger 2018数据集上的实验表明,强化目标方面权重并在上下文进行交互对方面情感分类是有效的.
其他文献
传统的基于梯度的算法对机器人底层控制及性能要求高,限制了源定位工作的效率与成功率.为此结合统计学方法和场的分布特点,在简化机器人底层控制的基础上,设计一种场探索的方法.在基于ROS的机器人平台上实现,通过设计机器人的遍历搜索算法使机器人能够按照预先定义的路径运动,得到数据后利用克里金法对整个光源强度分布进行预测.在真实实验场景下,验证了场探索方法的有效性,实验结果表明,该算法的成功率更高、稳定性更好,并直观地预测出了场的分布等值线,便于进一步分析与研究.
不平衡数据集的特点导致了在分类时产生了诸多难题.对不平衡数据集的分类方法进行了分析与总结.在数据采样方法中从欠采样、过采样和混合采样三方面介绍不平衡数据集的分类方法;在欠采样方法中分为基于K近邻、Bagging和Boosting三种方法;在过采样方法中从合成少数过采样技术(Synthetic Minority Over-sampling Technology,SMOTE)、支持向量机(Support Vector Machine,SVM)两个角度来分析不平衡数据集的分类方法;对这两类采样方法的优缺点进行了
针对小学生口算题中印刷体与手写体字符同时存在以及手写体字符不规范的问题,提出`一种基于编码器-解码器模型的整体识别方法。引入多分支改进的Densenet网络对图片进行特征提取,在此基础上引入基于多分支改进后的联合CTC-Attention模型的编码器-解码器模型进行处理以充分利用多分支特征。基于真实样本数量不足、分布不均的问题,提出一种样本生成方法。以实例验证该模型与样本生成方法的可行性。
由于施工环境的复杂性,基于机器视觉的安全帽识别方法常常出现误检与漏检的情况。为提高复杂环境下安全帽识别的准确率,同时满足实时性要求,提出一种基于视觉感受野特性的轻量化高精度卷积神经网络。该卷积神经网络以RFBnet网络为基础,增加特征金字塔网络模块,使神经网络同时兼顾浅层语义信息和深层语义信息的表示能力,以实现复杂施工环境下不同形态与大小安全帽的识别。采用SE-Ghost模块在保持网络特征提取能力
图像超分辨重建(Super-Resolution,SR)是指利用信号处理和机器学习等方法,从单幅或者多幅低分辨率图像(Low Resolution,LR)中重建对应的高分辨率图像(High Resolution,HR)的技术。由于多幅LR图像之间亚像素位移的不可预知性,单幅图像超分辨重建(Single Image Super-Resolution,SISR)逐渐成为超分辨研究的主要方向。近年来,深
车牌识别技术在交通管理中发挥着重要作用,其中车牌检测环节对后续识别性能有重大影响。现有的车牌检测系统容易受到外部环境的干扰,在自然场景下的检测性能差。提出一种基于多尺度注意力融合的车牌检测网络模型,利用金字塔网络特征图和CBAM(Convolutional Block Attention Module)注意力结构,提高小目标的检测精度。同时该方法不仅能够准确地检测定位出自然场景下的车牌,还能精确地
为有效解决储能电池中剩余电量的管理问题,提出基于双卡尔曼滤波的电池荷电状态(state of charge,SOC)估算研究方法.分析二阶戴维南电池等效模型,获得其状态空间方程和输出方程,利用泰勒公式对其进行线性化处理,对比分析锂离子电池的离线参数辨识和在线参数辨识结果,结合协同滤波算法进一步提升卡尔曼滤波算法的辨识精度.在M at-lab环境下编写基于双卡尔曼滤波算法的SOC估算以及验证程序,在算法初值准确和有误差两种情况下进行验证,并与其它算法进行比较,验证了双卡尔曼滤波算法精度高,收敛性好.