基于多注意力长短时记忆的实体属性情感分析

属性情感分析是细粒度的情感分类任务。针对传统神经网络模型无法准确构建属性情感特征的问题，提出了一种融合多注意力和属性上下文的长短时记忆（LSTM-MATT-AC）神经网络模型。在双向长短时记忆（LSTM）的不同位置加入不同类型的注意力机制，充分利用多注意力机制的优势，让模型能够从不同的角度关注句子中特定属性的情感信息，弥补了单一注意力机制的不足；同时，融合双向LSTM独立编码的属性上下文语义信息，获取更深层次的情感特征，有效识别特定属性的情感极性；最后在SemEval2014 Task4和Twitter数据集上进行实验，验证了不同注意力机制和独立上下文处理方式对属性情感分析模型的有效性。实验结果表明，模型在Restaurant、Laptop和Twitter领域数据集上的准确率分别达到了80.6%、75.1%和71.1%，较之前基于神经网络的情感分析模型在准确率上有了进一步的提高。     

文本摘要常用数据集和方法研究综述

文本摘要成为人们从互联网上海量文本信息中便捷获取知识的重要手段。现有方法都是在特定数据集上进行训练和效果评价,包括一些公用数据集和作者自建数据集。已有综述文献对现有方法进行全面细致的总结,但大多都是对方法进行总结,而缺少对数据集的详细描述。该文从调研数据集的角度出发,对文本摘要常用数据集及在该数据集上的经典和最新方法进行综述。对公用数据集的综述包括数据来源、语言及获取方式等,对自建数据集的总结包括数据规模、获取和标注方式等。对于每一种公用数据集,给出了文本摘要问题的形式化定义。同时,对经典和最新方法在特定数据集上的实验效果进行了分析。最后,总结了已有常用数据集和方法的现状,并指出存在的一些问题。     

自然语言处理技术的重要性研究

伴随信息技术飞速发展自然语言处理概念应运而生,主要用以支持信息系统完成语言处理任务,使信息技术可以为更多人提供便利服务,自然语言处理技术应用价值随之凸显。文章通过探析自然语言处理技术重要性,以期提高该技术应用质量。     

预训练语言模型的应用综述

近年来，预训练语言模型发展迅速，将自然语言处理推到了一个全新的发展阶段。文中的综述旨在帮助研究人员了解强大的预训练语言模型在何处以及如何应用于自然语言处理。具体来讲，首先简要回顾了典型的预训练模型，包括单语言预训练模型、多语言预训练模型以及中文预训练模型；然后讨论了这些预训练模型对5个不同的自然语言处理任务的贡献，即信息提取、情感分析、问答系统、文本摘要和机器翻译；最后讨论了预训练模型的应用所面临的一些挑战。     

利用开源资源组建定制的英文拼写检查纠错工具

讲述如何利用开源资源去构建一个定制的英文拼写检查纠错工具。并重点介绍一些英文拼写建议生成的算法,对这些算法的组合和改进提出建议和看法,并结合实验结果（80%的第一建议正确率）论证构想的可行性。     

粒子群优化在自然语言处理中的文本和情感分类研究

为了提高自然语言处理中文本和情感分类的准确性,提出了一种基于粒子群优化支持向量机的机器学习方法。该方法通过对粒子群位置、速度和当前粒子最佳位置的不断更新来优化支持向量机的参数,从而寻找最佳支持向量机。文本和情感分类的实验结果显示：提出的粒子群优化支持向量机方法在训练速度和准确率方面表现出较好的性能。     

网络评论文本驱动的汽车设计规划方法

为将网络评论文本中的关键信息应用于汽车设计开发中,利用词频-逆文档频率算法(Term Frequency-Inverse Document Frequency,TF-IDF)及依存句法分析提取产品特征,基于BERT(Bidirectional Encoder Representation from Transformers)预训练模型进行文本情感分析.通过搭建质量屋进行用户需求转化,完成工程技术特性重要度评价,把握产品设计方向,得到评论数据驱动的产品规划方法.以微型汽车设计规划为例,获取了部分工程技术特性优先级,验证了该方法的可行性,不仅能快速获取用户的客观反馈,缩短产品开发周期,并能有效地将用户需求转化为可执行的设计问题.     

HowNet在自然语言处理领域的研究现状与分析

自How Net诞生以来,作为一个中文常识性知识库,How Net为自然语言处理提供了一个新的研究资源。本文主要研究了How Net利用其计算词语相似度的优势在中文自然语言处理应用中做出的突出贡献,深入剖析了How Net的知识结构以及相关技术,并提出了How Net在近年来应用过程中遇到的技术难题及瓶颈。     

用PERL编程对自然语言（英语）的识别与分析

欧美国家医学部门如何自动识别门诊病历中的医学语，是自然语言（英语）识别的一项重要题。作者使用了Perl语言编程，并采用标准医学术语（Medical Concepts and Terms)数据库MRCON为样本数据库，并对MRCON进行了字段删减、库记录倒置和采用剔除查找时产生的冗余记录的算法等等，经对多例门诊诊断和放射线报告进行了识别和分析处理，取得了较高的关键词识别准确率和低冗余度，同时也为用Perl语言分析处理自然语言（NLP）探索了一条新的道路。