融合情感词典的改进BiLSTM-CNN+Attention情感分类算法

传统机器学习和深度学习模型在处理情感分类任务时会忽略情感特征词的强度,情感语义关系单薄,造成情感分类的精准度不高。本文提出一种融合情感词典的改进型BiLSTM-CNN+Attention情感分类算法。首先,该算法通过融合情感词典优化特征词的权重;其次,利用卷积神经网络(CNN)提取局部特征,利用双向长短时记忆网络(BiLSTM)高效提取上下文语义特征和长距离依赖关系;再结合注意力机制对情感特征加成;最后由Softmax分类器实现文本情感预测。实验结果表明,本文提出的情感分类算法在精确率、召回率和F值上均有较大提升。相较于TextCNN、BiLSTM、LSTM、CNN和随机森林模型,本文方法的F值分别提高2.35%、3.63%、4.36%、2.72%和6.35%。这表明该方法能够充分融合情感特征词的权重,利用上下文语义特征,提高情感分类性能。该方法具有一定的学术价值和应用前景。     

闽南-台湾浅滩渔场带鱼卵的观察

早在1922及1933年神谷和内田曾先后研究了带鱼卵,Delsman从爪哇海鉴定带鱼卵到属,水户敏描述了日本海域带鱼类的胚胎及早期胚后发育,T.C.Pacc.曾指出带鱼的卵径为1.59—1.88mm,我国黄海水产研究所和成庆泰等曾对带鱼卵作简略记述,南海水产研究所进一步研究带鱼卵和仔鱼的形态和生态。本文描绘了闽南-台湾浅淮渔场大带鱼[Trichiurus haumela(Forskal)]的胚胎发育,报导了带鱼卵的数量分市及其