路遥与陕北情缘论——为路遥先生诞生60周年献礼

路遥前辈是真正用“土地”和“劳动”,为陕北的平凡者而深情歌唱的第一人。本文主要论及路遥先生在陕北的特殊地位;路遥生平及其创作成果;分析其代表作《平凡的世界》;筒评《平凡的世界》并非《人生〉之继续;综述路遥创作思想倾向以及路遥先生对我国当代文学的贡献与意义影响等。     

基于SnowNLP的微博网络舆情分析系统

随着微博、抖音、贴吧等新兴网络社交媒体的发展,大量用户开始喜欢使用这些平台进行发布和获取信息,因此累积了大量舆情数据。为了能够及时监测网络舆论动向,更好的维护互联网的安全运营和网络安全,针对实时微博数据,研究设计了一种基于SnowNLP的微博网络舆情分析系统。该系统由舆情数据采集、舆情数据分析和舆情数据可视化组成,能够实现微博数据文本挖掘、网络舆情数据情感分析、舆情数据与关键词匹配结果统计等功能,并能够对微博内容情感分析结果、用户等级、内容分词结果等进行可视化展示。实验测试结果表明：本系统功能运行正常,同时验证了设计方案的可行性和有效性。系统在网络舆情监测领域具有重要的应用价值。     

基于特征加权词向量的在线医疗评论情感分析

针对在线医疗评论文本具有行业专业性强、差异性大、不够规范等特点,提出一种基于特征加权词向量的在线医疗评论情感分析方法.利用Word2vec方法构建词向量模型,抽取情感词集合完善医疗服务领域情感词典,根据句法关系识别主题词与情感词的依存关系,引入期望交叉熵因子,建立特征加权词向量模型,分析在线医疗评论的情感倾向.实验结果表明扩充的医疗服务情感词典在分析性能上的准确率、召回率以及F₁值均高于基础情感词典,引入期望交叉熵因子后,基于特征加权词向量的情感分析方法在SVM分类上表现出更好的效果,体现了其在在线医疗评论挖掘领域的良好效用.      

基于社会关系网络的半监督情感分类

基于样本的社会关系, 提出一种新的半监督学习方法, 创建一种基于文档?词及社会关系的二部图模型, 并根据标签传播算法将未标注样本加入到分类器的构建中。实验结果表明, 加入社会关系网络的半监督情感分类方法明显优于传统的仅利用评论文本信息的半监督情感分类方法。     

股票市场中的风险与机会分析

运用社会模仿原理,通过引进函数Ｓ＝ｆ（Ｂ,Ｆ）,对股票市场进行了详尽的研究,得出股票市场中存在４种不同的状态．同时对每一状态中的风险与机会进行了分析,结果表明,当市场处于随机游走、混沌、连贯牛市和连贯熊市时,其风险与收益的关系分别为高风险高收益、高风险低收益、低风险高收益及高风险低收益．     

Quantum-Inspired Complex-Valued Language Models for Aspect-Based Sentiment Classification

Aiming at classifying the polarities over aspects, aspect-based sentiment analysis (ABSA) is a fine-grained task of sentiment analysis. The vector representations of current models are generally constrained to real values. Based on mathematical formulations of quantum theory, quantum language models have drawn increasing attention. Words in such models can be projected as physical particles in quantum systems, and naturally represented by representation-rich complex-valued vectors in a Hilbert Space, rather than real-valued ones. In this paper, the Hilbert Space representation for ABSA models is investigated and the complexification of three strong real-valued baselines are constructed. Experimental results demonstrate the effectiveness of complexification and the outperformance of our complex-valued models, illustrating that the complex-valued embedding can carry additional information beyond the real embedding. Especially, a complex-valued RoBERTa model outperforms or approaches the previous state-of-the-art on three standard benchmarking datasets.     

异质网络中融合多类信息的链路情感倾向预测

信息网络中基于节点间情感关系分析的链路情感倾向预测在商业营销、内容推荐等领域应用广泛，是网络分析的一个研究重点.传统的链路情感倾向预测方法对于数据信息的挖掘不够充分，忽略了对数据深层语义以及节点属性等信息的利用，预测准确度有待提升.针对以上问题，提出了异质网络中融合多种类型信息的链路情感倾向预测模型.模型首先引入预测基值作为特定节点间情感关系的粗略评估，然后结合节点的相似关系以及节点的属性等信息完成预测.其中，在捕获网络中具有相似情感倾向的节点用于预测任务时，提出了一种基于限制路径类型元路径的遍历游走方法.在5个公共数据集上的实验结果验证了所提模型的有效性及对于稀疏矩阵、冷启动问题的处理能力，并揭示了模型各组成部分在预测过程中的作用.     

游客微博主题情感分析方法比较研究

针对饮食、娱乐、购物、景观、交通和住宿6个旅游主题, 基于机器学习方法, 开展游客微博主题情感分析方法比较研究。以人工标注的53140条赴日游客微博为数据基础, 应用两种机器学习模型开展建模实验, 并分析不同特征对建模效果的影响。实验结果显示, 两种模型的建模效果良好, 适用于游客微博主题情感分析, 其中最大熵模型效果略优于支持向量机。研究还表明, 在词特征的基础上引入表情符号和主题词进行特征扩展, 可以提高模型的建模效果。     

A modularity analysis method for forum situation prediction

A forum is a social network that consists of posters and the following comments made by netizens. Generally speaking, forum topics are evolving over time dynamically. In this paper, based on time series analysis and matrix modularity analysis, a novel prediction method is proposed through investigating the correlating influence of three key measurements: relationship strength, pillars, and change frequency of a forum topic. The method demonstrates that there exist some macroscopic and potential laws for forum situation prediction. Extensive experiments over large many datasets show the efficiency and effectiveness of the algorithms.