[目的/意义]将跨语言文本情感分析分为跨语言向量对齐、文档向量生成和分类器迁移三个模块,探究不同模块对跨语言文本情感分析效果的影响。[方法/过程]选择亚马逊在书籍、音乐和DVD类目下的商品评论作为实验数据,首先采用生成对抗网络对源语言和目标语言进行语义映射,然后使用平均法获取文档向量,最后通过支持向量机进行情感分类。[结果/结论]当使用F1值作为评价指标时,与基线方法相比,本文所提出的跨语言情感分析方法受领域和语言变化的影响较小,具有较强的鲁棒性,在整体上取得了较高的准确率。实验结果表明跨语言情感分析方法能够有效应对目标语言标注语料资源匮乏问题,从而改善情感分类准确率。[局限]只在三种语言上进行了跨语言情感分析实验,后续将在更多的语言情境下探究本文方法的效果。

【目的】利用卷积神经网络模型进行图像自动识别时，为防止模型过拟合通常需要大量训练样本。本研究为提高树种识别准确率，在原有叶片图像基础上进行图像样本扩充来保证训练质量，提出一种融合生成对抗网络与卷积神经网络的树种识别方法。【方法】在Pytorch框架下，采集10种常见树种（山杨、梣叶槭、榆、刺槐、紫丁香、杜仲、火炬树、山荆子、水曲柳、红端木）叶片图像作为研究对象。首先，采用均值滤波去噪和尺寸归一化对图像进行预处理。其次，以生成对抗网络生成的图像扩充数据集，其中，以深度卷积生成对抗网络（DCGAN）模型为基础并对其进行改进，建立残差条件深度卷积生成对抗网络（RC-DCGAN）模型，将随机噪声和类别标签作为生成器的输入，以控制样本生成过程；在生成器中嵌入残差结构，使生成模型学习更多特征信息，以提高生成图像质量。然后，将原始图像和扩充图像作为卷积神经网络（CNN）的训练集，一方面，使用RC-DCGAN模型和旋转、镜像、改变对比度等传统图像扩充方法，扩充图像11 400幅；另一方面，将原始图像与生成图像、原始图像与传统扩充图像，分别输入至CNN中进行训练，并在原始图像的每个类别中随机挑选50幅对模型进行测试，以验证生成对抗网络对提升识别准确率的可行性。最后，确定适合试验要求的CNN分类模型，并与AlexNet模型、VGG-16模型、VGG-19模型、 ResNet18模型的识别效果进行对比，以检验本研究方法的可行性。【结果】RC-DCGAN模型比DCGAN模型生成的图像质量更高，贴合真实图像；利用生成对抗网络扩充图像的方法与ResNet30树种识别模型，训练准确率为99.03%，平均验证识别准确率为97.20%；而在相同树种识别模型下，传统图像扩充方法的识别率为95.50%；在相同数据集下，AlexNet模型、VGG-16模型、VGG-19模型、ResNet18模型所获得的识别率分别为86.52%、87.57%、91.43%、93.25%，均低于本研究模型的识别率。【结论】联合生成对抗网络和卷积神经网络的方法对本研究10种树种叶片图像的识别准确率最高，且克服了使用传统图像处理扩充方法使模型泛化能力下降的问题，说明利用生成对抗网络对图像扩充的方法具有可行性和有效性，可为相关研究工作提供借鉴。

在车辆辐射成像过程中,受到射线源的几何尺寸、探测器及信号放大电路响应时间、统计涨落等降质因素的影响,图像产生退化,表现为模糊与噪声增加.针对车辆辐射图像的退化问题,该文研究了辐射成像系统的退化模型,提出了利用生成对抗网络Deblur GAN的辐射图像复原方法.通过辐射图像的退化机制构造了辐射图像的特定数据集,用于训练Deblur GAN模型,利用训练好的模型去复原系统实际采集的车辆辐射图像.实验结果表明:该方法能够有效去除辐射图像的模糊与噪声,改善系统的成像质量.

[目的 /意义]通过在标注资源丰富的源领域(Source Domain)中学习,并将目标领域(Target Domain)的文档投影到与源领域相同的特征空间(Feature Space)中去,从而解决目标领域因标注数据量较小而难以获得好的分类模型的问题。[方法 /过程]选择亚马逊在书籍、DVD和音乐类目下的中文评论作为实验数据,以跨领域情感分析作为研究任务,提出一种跨领域深度循环神经网络(Cross Domain Deep Recurrent Neural Network,CD-DRNN)模型,实现不同领域环境下的知识迁移。CD-DRNN模型在跨领域环境下的平均分类准确度达到了81. 70%,优于传统的栈式长短时记忆网络(Stacked Long Short Term Memory,Stacked-LSTM)模型(79. 90%)、双向长短时记忆网络模型(Bidirectional Long Short Term Memory,Bi-LSTM)模型(80. 50%)、卷积神经网络长短时记忆网络串联(Convolution Neural Network with Long Short Term Memory,CNN-LSTM)(74. 70%)模型以及卷积神经网络长短时记忆网络并联(Merged Convolution Neural Network with Long Short Term Memory,Merged-CNNLSTM)模型(80. 90%)。[结果 /结论]源领域和目标领域的知识迁移能够有效解决监督学习在小数据集上难以获得好的分类效果的问题,通过CD-DRNN模型能够从无标注数据中有效地筛选特征,从而大大降低目标领域数据标注相关的工作量。

本文运用深度学习模型研究中国股票市场的收益预测与因子投资。我们使用148个微观企业特征变量构建因子大数据集，并采用生成式对抗网络（GAN）方法构建深度学习模型。研究发现，相较于线性模型，深度学习模型在收益预测精度和因子投资绩效上均有很大提升。本文还分析了不同类型因子在中国股市的重要性，探索了金融深度学习预测的经济理论机制解释。本文对中国金融市场高质量发展和金融科技应用探索均有重要意义。

网络推手识别研究在净化网络环境、监测网络舆论导向等领域有广阔的发展前景。采用文本情感倾向分析方法进行网络推手识别,通过分析信息发布者的情感倾向,统计正面情感信息与负面情感信息的比重,确定该信息发布者是否是网络推手。重点讨论信息抽取及情感分类相关技术的实现,并验证方法的可行性。

[目的/意义]粗粒度的跨语言情感分析往往只考虑篇章段落中的情感分布信息,而忽略深层次的语义关系。为弥补这一缺陷,文章提出一种基于依存句法的跨语言细粒度情感分析算法。[方法/过程]首先对中文文本进行依存句法分析,从深层的语义关系入手,提出一系列识别规则,提取情感评价单元;然后利用机器翻译对情感评价单元进行语言转换;最后通过与英文情感词典的匹配分析,对情感评价单元的情感极性进行判定。[结果/结论]实验结果表明,与原有的情感评价单元提取方法相比,本文的方法在一定程度上提高了提取效率;同基础的单语言情感分析方法相

[目的/意义]政府网络问政平台是政府部门知晓民意的重要途径之一,为提高问政留言分类的精度以及处理留言数据质量差、数量少等问题,对比多种基于BERT改进模型与文本增强技术结合的分类效果并探究其差异原因。[方法/过程]设计网络问政留言分类集成对比模型,文本增强方面采用EDA技术与SimBERT文本增强技术进行对比实验,文本分类模型方面则采用多种基于BERT改进的预训练语言模型(如ALBERT、RoBERTa)进行对比实验。[结果/结论]实验结果表明,基于RoBERTa与SimBERT文本增强的文本分类模型效果最佳,在测试集上的F1值高达92.05%,相比于未进行文本增强的BERT-base模型高出2.89%。同时,SimBERT文本增强后F1值相比未增强前平均提高0.61%。实验证明了基于RoBERTa与SimBERT文本增强模型能够有效提升多类别文本分类的效果,在解决同类问题时具有较强可借鉴性。

[目的/意义]通过二分网络构建、投影和可视化,提升网络用户评论情感分析结果的可解析性。[方法/过程]构建"用户—产品特征"二分网络;结合二分网络投影与情感分析结果得到产品特征情感单顶点网络与用户单顶点网络,并分别进行中心性分析与平均聚类系数分析。[结果/结论]得到二分网络结构下特定产品的评论对象情感差异、产品间评论对象情感倾向比较以及产品特征组的共现与联系。提出一种二分网络视角下的情感分析方法,提升了网络用户评论挖掘的效果。[局限]研究对象的选取有待扩展到其他领域产品。

该文提出一种基于角域重采样和领域对抗神经网络的电机滚动轴承跨工况故障迁移诊断方法。首先对不同工况下的时域振动信号进行角域重采样，用以降低不同转速下振动信号的时频差异；然后利用领域对抗学习策略提取出源域与目标域数据中的领域不变特征，进一步减小不同工况间的数据分布差异。该文还搭建了电机滚动轴承故障诊断实验平台，针对6种跨工况迁移诊断任务开展了验证实验。实验结果表明，所提方法的故障平均迁移识别率高达95.08%。该故障诊断方法实验研究涉及信号处理、深度学习等领域知识，有助于学生掌握基本原理，锻炼理论联系实际的能力。

生态旅游作为一种以生态保护为前提、倡导人与自然和谐共生的新型旅游形式，日益受到旅游者青睐。根据相关网络游记，以黑龙江省湿地资源为案例，采用情感分析和统计分析法，对生态旅游游客特征进行研究。研究结果表明：在黑龙江省湿地旅游活动中游客多以东北地区为主；在夏秋两季客流量居多且多以家庭、朋友的三人以上团体组成；游客情感受出游交通、出游人数、出游天数和人均花费的影响；客源地和旅游季节、旅游季节和人均花费、人均花费和旅游方式的相互作用也会影响游客的情感倾向，从而影响其消费行为。为了进一步增强游客的正面情感、弱化游客的负面情感，应有针对性地对不同季节、不同消费群体、不同旅游方式的游客提供符合预期的活动及服务，这是提升游客满意度的关键所在。

【目的】提出一种基于情感分析技术自动识别特定领域谣言的方法。【方法】界定高、低质量信息源,在假设高质量信息源信息更可靠的情况下,通过基于情感词典的情感分析方法,量化高质量信息源与低质量信息源对特定对象的情感差异,判定低质量信息源提供的信息是否属于谣言。【结果】将该方法应用于"食品养生"、"医学健康"两个领域进行谣言识别。在30个疑似谣言案例中准确识别出23个谣言案例,准确率为76.67%。本文提出的谣言识别方法在谣言预测方面的F值为83.34%,查全率为71.42%,查准率为100%;在非谣言文本预测上的

在社会网络环境下,用户的评论信息可作为信息分析的重要数据源,评论信息中包括用户对产品、服务等多个方面的情感倾向,对用户情感的分析可以帮助企业、组织、机构了解产品或者服务的优缺点。本文从情感分析和用户影响力入手,构建了情感分析的用户影响力模型。利用八爪鱼采集软件获取同程旅游网中的评论信息,从数据预处理、词表的建构、用户情感分析和预测等方面对社交网络用户在线评论情感词进行分类和判断,以检验所构建模型的实际可用性。研究结果显示,所构建的模型可以帮助用户获取评论中的情感信息,模型对于正向和中性词汇的辨析效果高于负

网络用户情感分析领域的研究为特定领域社会行为的预测提供了新的方法和工具。本文分析了基于情感分析进行预测的逻辑基础、典型预测方法、关键技术以及当前存在的问题和发展趋势。研究发现:研究基于网络用户情感分析预测社会活动趋势的方法在政治、财经等多个领域具备应用条件;典型预测方法可归纳为以情感分析结果作为辅助依据的预测方法和以情感分析结果作为主要依据的预测方法;预测过程涉及情感分析源的选择、预测时间提前量的确定以及情感词统计处理三个关键环节;当前研究还存在网络用户情感的代表性,待分析语料的全面和正确获取,以及网络用户情感的正确分析和统计等问题,有待深入研究。

通过定义联盟同质费用研究考察具有固定联盟剖分的单向流动态网络生成对策。局中人通过采取局部行动生成网络,行动的原则是最大化其所在联盟的整体收益。选择B&G函数作为局中人的基本支付函数,诱导产生联盟-局中人的B&G函数。在新的规则之下,分别给出了局部纳什网的存在性、结构特性及其动态生成进程的定理。