结合图片语义规则和机器学习的情感分类方法

传统微博情感分类方法往往忽略对大量表情符号和图片型表情的情感分析.在图片去重算法的基础上,利用表情词和表情符号的相关性构建表情图片情感词典,并加入对官方扩展表情包和图片型表情的情感识别与验证.由于单纯词典方法的性能有限,将词典抽取的规则情感特征与机器学习的基本特征模板融合,使用朴素贝叶斯等分类器,提高情感分类的性能表现.实验结果表明,图片情感词典的加入使方案的准确率有所提高,特别在处理情感词表达不规范的样本方面具有一定优势.     

高职院校大学生膳食营养调查与分析——以福建农业职业技术学院为例

文章以调查问卷的方式对福建农业职业技术学院的学生进行了膳食状况调查,结果显示,调查对象的BMI值均在正常范围内,总能量摄入低于DRIs,维生素A、维生素C和钙严重缺乏建议大学生平衡膳食结构,提高自身健康意识,高职院校需强化餐饮部门的膳食管理。     

结合平移关系嵌入和CNN的知识图谱补全

为解决基于翻译机制的知识图谱补全模型在处理复杂关系时的性能局限,该文提出一种ATREC(algorithm based on transitional relation embedding via CNN)算法,将三元组的实体和关系映射至低维向量空间,并将不同的关系特征与头/尾实体融合,将原始三元组和融合三元组的嵌入表示合并为6列k维矩阵,使用卷积神经网络(CNN)降低参数规模,提取特征后拼接、赋权并评分。链路预测和三元组分类的实验结果表明,ATREC在较大规模数据集和复杂关系上相较主流算法有一定性能提升。