传统的微博情感分析通常会忽略不带感情色彩的情感词对微博情感的影响，并缺乏对复杂句式的分析。因此提出了一种结合条件随机场（conditional random filed，CRF）和复杂句式的跨粒度情感分析方法。该方法在CRF模型的基础上，融合复杂句式特征和语义依存特征，对学生微博进行细粒度情感分析，识别出微博文本中的情感要素。在此基础上，通过基于复杂句式的粗粒度情感分析方法分析微博文本的情感倾向，实现对学生总体情感倾向的跨粒度分析。实验结果显示，跨粒度情感分析方法的提出，使得情感要素识别的综合准确率达到了88%左右，微博情感分析的综合准确率达到了87%左右。比起传统的情感分析方法，准确率更高，分类效果更好。
2021-10-18 16:45:31
1.12MB
1
数据库技术网
我们的NeurIPS'19论文的代码的MXNet版本
双线性特征变换在学习细粒度图像表示中显示了最新的性能。 提出的DBTNet可以将双线性特征深深地集成到CNN中，以学习细粒度的图像表示。
框架
主要结果
方法
方面
CUB-200-2011
斯坦福车
飞机
紧凑双线性
14k
81.6
88.6
81.6
内核池
14k
84.7
91.1
85.7
iSQRT-COV
8k
87.3
91.7
89.5
iSQRT-COV
32k
88.1
92.8
90.0
DBTNet-50（我们的）
2k
87.5
94.1
91.2
DBTNet-101（我们的）
2k
88.1
94.5
91.6
先决条件
MXNet 1.3.1
GluonCV 0.3.0
快速开始
准备数据：
下载imagenet数据：
cd
2021-10-12 16:41:57
17KB
1
南京市15分钟粒度的负荷供电数据以及每日天气数据（接近三年的数据集）.xls
适合：电力负荷预测、时间序列预测任务
2021-10-01 09:09:02
678KB
使用BERT的细粒度情感分类
此存储库包含用于获取的结果的代码。
用法
可以使用run.py运行各种配置的实验。 首先，安装python软件包（最好在一个干净的virtualenv中）： pip install -r requirements.txt
Usage: run.py [OPTIONS]
Train BERT sentiment classifier.
Options:
-c, --bert-config TEXT Pretrained BERT configuration
-b, --binary Use binary labels, ignore neutrals
-r, --root Use only root nodes of SST
-s, --save
2021-09-23 20:37:54
5KB
1
孤立森林算法是基于隔离机制的异常检测算法，存在与轴平行的局部异常点无法检测、对高维数据异常点缺乏敏感性和稳定性等问题。针对这些问题，提出了基于随机超平面的隔离机制和多粒度扫描机制，随机超平面使用多个维度的线性组合简化数据模型的隔离边界，利用随机线性分类器的隔离边界能够检测更复杂的数据模式。同时，多粒度扫描机制利用滑动窗口的方式进行维度子采样，每一个维度子集均训练一个森林，多个森林集成投票决策，构造层次化集成学习异常检测模型。实验表明，改进的孤立森林算法对复杂异常数据模式有更好的稳健性，层次化集成学习模型提高了高维数据中异常检测的准确性和稳定性。
2021-09-21 19:53:13
1.27MB
1
对喷嘴雾化粒度的指标和雾化粒度的测定方法进行了分析,利用Winner313激光粒度分析仪设计了喷嘴雾化实验系统,对煤矿采煤工作面常用的5种喷嘴进行了5个压力下的雾化粒度测定,得到了各类喷嘴在不同压力下的D50、D90、D[3,2]等数据,根据数据分析得出:要对呼吸性粉尘有较好的捕集作用,就必须实现高压喷雾;8MPa作为支架和煤机喷雾压力时的雾化粒度对采煤工作面降尘效果最佳。通过在综放工作面的实际应用,降尘率平均在90%以上。
2021-09-15 13:33:31
1.37MB
1
流量全要素记录_融合细粒度威胁情报与威胁框架支撑威胁猎杀
安全防御
安全意识教育
安全实践
零信任
网络安全
2021-09-11 21:00:25
69.07MB