【摘 要】
：
方面情感分析旨在识别句子中特定方面的情感极性，是一项细粒度情感分析任务。传统基于注意力机制方法，仅在单词之间进行单一的语义交互，没有建立方面词与文本词的语法信息交互，导致方面词错误地关注到与其语法无关的文本词信息。此外，单词的位置距离特征和语法距离特征，分别体现其在句子线性形式中和句子语法依存树中的位置关系，而基于图卷积网络处理语法信息的方法却忽略距离特征，使距方面词较远的无关信息对其情感分析造成
论文部分内容阅读
方面情感分析旨在识别句子中特定方面的情感极性，是一项细粒度情感分析任务。传统基于注意力机制方法，仅在单词之间进行单一的语义交互，没有建立方面词与文本词的语法信息交互，导致方面词错误地关注到与其语法无关的文本词信息。此外，单词的位置距离特征和语法距离特征，分别体现其在句子线性形式中和句子语法依存树中的位置关系，而基于图卷积网络处理语法信息的方法却忽略距离特征，使距方面词较远的无关信息对其情感分析造成干扰。针对上述问题，该文提出多交互图卷积网络，首先将文本词位置距离特征馈入到每层图卷积网络，同时利用依存
其他文献
信息化赋能已经成为新时期国土空间规划的热点，但通过大数据整合进行国土空间利用评价研究仍有待探索。本文旨在借助腾讯位置大数据开展城市居住用地效率评价实证研究，综合运用多源地理空间数据，以居民区为评价单元构建居住用地效率指标，揭示常州市新城区不同居民区用地效率差异。结果表明：(1)居民区范围内小时粒度的人口规模呈周期波动，峰值一般出现在21:00，符合城市居民昼出夜归的作息规律，且不同容积率水平的居民
选择贵州省作为喀斯特山区的典型代表，基于生态环境、土地利用、气候等数据，利用地理信息系统技术和Pearson相关分析法，从空间粒度角度分析淡水生态系统服务权衡-协同关系的粒度效应。结果表明：研究区水源涵养对空间粒度变化的敏感性较低，而土壤保持和营养物净化对空间粒度变化的敏感性较高；随着空间粒度增大，水源涵养与土壤保持之间以及土壤保持与营养物净化之间，由协同关系转向权衡关系，水源涵养与营养物净化之间
高陡边坡上的突岩容易在自重、地震、开挖卸荷等的作用下失稳，威胁到水利工程的安全，因此，对突岩进行早期调查具有重要意义，但由于水利枢纽区域面积较大，交通不便，人工调查耗时且危险。本文提出了一种基于航空影像的高陡边坡突岩快速识别方法。该方法主要包括三步，一是通过无人机摄影测量生成边坡点云模型；二是使用核密度估计方法（KDE）对点云模型的赤平投影结果进行统计分析，以将点云模型分割成平滑区域和非平滑区域；
城市部件是城市的重要组成部分，采用传统普查入库方式需要浪费大量人力物力。为了在城市数字化建设中为实现城市部件普查的快速高效入库，本文通过优化国家城市部件普查标准编码，设计基于VBA的Excel预处理工具和基于ArcPy开发的ArcGIS插件工具，实现了城市部件普查数据快速协同入库的方式。通过对梧州市万秀区某一路段进行试验，结果表明，本方法能有效降低数据质检入库的错误率与复杂度，较传统方法效率提高约
通过对卢氏膨胀岩试样开展物理成分、微观结构和膨胀率等试验，研究了膨胀岩岩样泡水后膨胀力的特性及其变化的微观机理。通过X射线衍射试验发现卢氏膨胀岩的矿物成分中黏土含量约占49.1%，其中伊利石、蒙脱石的相对含量近90%，使其表现为较强的亲水性。设计了4种不同的初始含水率和4种不同干密度，共16组96个试样的加压膨胀法求膨胀力的试验方案，探究了初始含水率和干密度对卢氏膨胀岩膨胀力的影响规律。通过多因素
针对高分辨率遥感影像中普遍存在的同谱异物和同物异谱现象以及传统全卷积神经网络随网络层数增加导致的梯度消失等问题，改文提出了基于改进U-Net的高分辨率遥感影像建筑物提取方法。利用残差思想对U-Net网络结构进行优化，采用Adam优化器进行参数的更新，同时引入Dropout与批标准化，改进U-Net可以有效的防止模型的过拟合现象，从而提高模型的泛化能力。实验结果表明，该文提出的改进U-Net对影像中
在α稳定分布脉冲噪声背景下，为解决固定步长最小平均p范数(LMP)不能同时满足快收敛速度和低稳态误差的问题，该文提出一种对脉冲噪声具有鲁棒性的变步长最小平均p范数(VSS-LMP)自适应滤波算法。该算法利用改进的变形高斯函数来调节步长，采用移动平均法构造变步长函数，克服了定步长算法稳态误差高及抗噪性能差的问题。VSS-LMP算法在系统受到脉冲噪声干扰时，能维持步长稳定；当系统逐渐稳定时，能产生小步
由于MonoDepth2的提出，无监督单目测距在可见光领域取得了重大发展。然而在某些场景例如夜间以及一些低能见度的环境，可见光并不适用，而红外热成像可以在夜间和低能见度条件下获得清晰的目标图像，因此对于红外图像的深度估计显得尤为必要。但是由于可见光和红外图像的特性不同，直接将现有可见光单目深度估计算法迁移到红外图像是不合理的。针对该问题，将MonoDepth2算法进行改进之后提出了基于多尺度特征融
针对旋转机械传感器信号样本有限影响深层网络模型训练学习的问题，提出一种结合改进残差自编码网络与类自适应方法的故障诊断模型应对小样本数据。首先将少量已标记的源域数据和微量未标记的目标域数据创建成对样本，并利用一维残差卷积自编码网络对两种不同分布的原始振动信号进行特征提取；其次，利用最大均值差异减小分布差异，将两个域同一故障类别的数据空间映射到一个共同的特征空间，最终实现准确的故障诊断。通过实验台数据
属性约简是粗糙集理论的重点研究问题之一。利用区分矩阵设计属性约简方法具有直观易理解的优点，但传统方法的时间和空间复杂度都很高；当数据规模较大或条件属性较多时，传统约简方法无法快速得到约简结果，因此它无法适应海量数据，不能得到广泛应用。为解决该问题，在区分关系的基础上，构造了条件区分能力，依据条件区分能力进行属性选择，提出了一种基于条件区分能力的属性约简算法；为进一步加快属性重要性的计算，提高约简效