【摘 要】
：
为解决传统情感分析方法无法对公众未来情感走势变化有效预测的问题,提出一种将时间序列模型与情感分析相结合的情感趋势预测方法。采用深度学习模型对股市论坛实时评论信息进行情感分类,统计固定时间单位的情感值,构建情感值时间序列,提出ARIMA-GARCH时间序列模型,对情感值时间序列进行建模分析,预测投资者的情感走势。实验结果表明,该方法对于情感趋势的预测结果合理,误差较小。同时,发现投资者情感趋势与股市涨跌幅走势相似,为投资决策提供了参考。
【机 构】
：
天津理工大学计算机科学与工程学院,天津理工大学天津市智能计算及软件新技术重点实验室,齐鲁工业大学山东省计算中心
【基金项目】
：
国家自然科学基金项目(61872270、61572357)。
论文部分内容阅读
为解决传统情感分析方法无法对公众未来情感走势变化有效预测的问题,提出一种将时间序列模型与情感分析相结合的情感趋势预测方法。采用深度学习模型对股市论坛实时评论信息进行情感分类,统计固定时间单位的情感值,构建情感值时间序列,提出ARIMA-GARCH时间序列模型,对情感值时间序列进行建模分析,预测投资者的情感走势。实验结果表明,该方法对于情感趋势的预测结果合理,误差较小。同时,发现投资者情感趋势与股市涨跌幅走势相似,为投资决策提供了参考。
其他文献
为加强智慧教室中教学视频信息的有效运用,针对现有SSD算法的不足,提出改进SSD算法进行学生课堂行为状态识别的方法。结合K-means聚类算法对数据集进行聚类分析,在SSD网络预测层重新设置预测框比例及分布,增大训练时预测框和真实框的匹配度;引入目标检测焦点损失函数,保证正负样本及难易分类样本的平衡。在自制的听讲、睡觉、举手、回答及写字5种学生行为状态数据集上进行训练和测试,实验结果表明,改进的S
传统抽取算法在病灶、细节区域存在分割不精准的问题。改进算法对U-net深度神经网络进行改进,在网络底层加入Dense-net网络中的稠密连接方式,使用BConvLSTM来组合编码器和解码器的特征信息,结合AC-net思想提出MultiAc模块,在U-net下采样和上采样过程加入该模块,帮助网络学习更复杂的特征信息,在预测过程中提高精确率。通过在DRIVE、STARE、CHASE_DB1这3个公开眼
为进一步提高协同过滤推荐算法的推荐精度,提出一种基于用户兴趣和评分差异的改进混合推荐算法。利用词频-逆向文件频率(TF-IDF)思想对稀疏矩阵进行填充,在计算用户相似度时在传统的修正余弦相似度计算公式中引入两个不同的影响因子来改善用户评分差异的影响,使用两种不同的时间衰减函数用于修正时间因素对用户和项目之间以及用户与用户之间的影响。实验结果表明,该算法能够缓解数据稀疏的问题,有效修正用户评分差异和用户兴趣变化对推荐结果的影响,其推荐精度均优于现有其它改进算法。
针对当前三维点云识别方法存在时间和空间复杂度较高的问题,提出一种轻量级的三维点云识别方法。使用最远点采样法从原始点云中获取采样点,在采样点处构建K近邻图来有效获取点云的局部结构信息,大幅度降低网络的计算复杂度;使用注意力机制突出局部区域不同K近邻点的重要性,达到增强局部结构特征的目的;利用分组卷积提取高层次的局部结构特征的同时减少卷积层的参数量。在保证较高的识别准确率的前提下减少全连接层的参数量。
针对云环境中第三方服务器不可信的问题,提出一种基于数据分割的密钥聚合加密方法。利用数据分割的思想将文件分割为大数据和多个小数据块,采用密钥聚合加密算法分别加密后将文件分块存储在云端。文件共享时,提取多个数据块的密钥为一个聚合密钥,实现一个密钥对多个文件的解密。进行理论分析及仿真实验,结果表明该方案可以降低对第三方服务商的可信要求,在数据共享时减轻了密钥的传输开销,仅需一个固定长度的聚合密钥即可。
考虑到问卷调查顾客的满意度评价时存在样本获取困难、主观误差等问题,利用表情识别技术分析视频中顾客的情感表达,但实际应用存在人物表情变化波动过大的强波动型表情识别问题。为更好地挖掘强波动型表情变化的信息,提出一种动态多阶段强波动型表情识别模型(LNsCo),该模型包括长期情绪波动状态生成器(LEF)、近短期表情特征生成器(NsSE)、平行共同注意力网络(co-attention network)。将
针对无人机视频跟踪中正样本不足和单帧强判别特征易导致分类器过拟合的问题,提出一种基于多域对抗学习的实时无人机目标跟踪算法。将生成对抗网络引入到多域学习的特征生成中,利用对抗学习提高特征提取的鲁棒性;在卷积层中加入具有不同扩展系数的空洞卷积进行多尺度特征抽取,构建具有不同感受野的特征提取模块;在交叉熵损失函数中添加调制因子解决正负样本数量不平衡的问题。实验结果表明,该算法的跟踪精度、成功率均得到了提
为改善传统SURF图像匹配算法存在计算量大、配准精度低等不足,提出一种改进SURF-RANSAC算法。基于SURF算法中构建描述符的思想,采用圆形邻域代替矩形邻域提取32维描述符,实现描述符的降维;通过自适应阈值方法完成特征点初匹配,降低人为设定阈值对匹配结果的影响;通过特征向量构建余弦约束对随机采样一致性(RANSAC)算法进行改进,实现匹配点对的提纯。实验结果表明,改进后的算法不仅提高了匹配速
微博这类高自我呈现社交媒体的话题热度预测方法,是否同样适用于知乎这类低自我呈现社交媒体平台,是有待检验的问题。对此从意见领袖和群体特征维度构建指标体系,采用基于树模型、核空间、线性模型、神经网络等4类(共11种)机器学习回归算法,构建话题热度预测模型进行对比计算分析。结果发现与高自我呈现平台不同,线性模型效果更好,其中对特征进行选择的弹性网回归算法的效果最佳;群体规模对话题热度影响较小,话题类型却对话题热度影响较大。
历史文化街区是城市文脉资源的重要构成,也是文明价值继承与传递的重要载体.城镇化加速推进的同时,带来了一些新的城市问题:城市外貌“千城一面”,个性缺失;城市内部特色文化的传承出现断层;承载历史文脉的空间载体逐渐消亡.为此,城市历史文化街区价值的传承和发掘是各城市面临的挑战.党中央高度重视历史文化保护工作,强调了地方政府应当充分认识保护历史文化街区与历史建筑的重要性与紧迫性,加大投入和保护力度.