周咏梅
- 作品数：37 被引量：269H指数：9
- 供职机构：广东外语外贸大学更多>>
- 发文基金：国家社会科学基金教育部人文社会科学研究基金广东省科技计划工业攻关项目更多>>
- 相关领域：自动化与计算机技术一般工业技术更多>>
- 一种网络流量分类特征的产生及选择方法被引量：4
- 2010年
- 在基于机器学习方法的网络流量分类系统中,特征产生及特征选择将直接影响到分类的速度及精度。针对这种情况,在特征产生方面,结合Packet-Level和Flow-Level上的信息,对报文属性(大小、个数、时间、标志位)、流的属性(时间)进行分析和研究,产生了37个网络流量统计特征。在特征选择方面,提出一种结合Filter模型和Wrapper模型的网络流量特征选择方法,实现了降维作用。实验表明,提出的方法提高了分类的精度。
- 阳爱民周咏梅邓河周剑峰
- 关键词：网络流量分类遗传算法
- 一种基于BERT、LSTM和宽度学习的跨领域情绪分类方法
- 本发明公开一种基于BERT、LSTM和宽度学习的跨领域情绪分类方法，包括以下步骤：(1)获取商品评论数据，并对这些评论数据进行预处理；(2)使用BERT对文本进行向量化表示；(3)采用LSTM对数据进行特征提取，获取领域...
- 彭三城曹丽红周咏梅
- 文献传递
- 基于种子词的微博表情符情感倾向判定方法被引量：5
- 2017年
- 情感倾向明显的表情符,容易通过人工进行标注。但是对于情感倾向不明显的表情符,多人手工的标注结果往往难以达成一致。因此,提出一种利用种子词自动判定表情符情感倾向的方法。该方法利用少量种子表情符自动标注情感倾向比较明显的表情符,生成表情符标注集;对于情感倾向不明显的表情符,利用种子情感词和已得到的表情符标注集构建模型,实现其情感倾向的自动判定。实验结果表明,本文方法在微博表情符情感倾向的自动判定上有很好的效果。
- 王伟周咏梅阳爱民林江豪陈昱宏曾文俊
- 关键词：情感分类
- 基于二元搭配词的微博情感特征选择被引量：6
- 2014年
- 分析和监测微博文本中所包含的情感信息,能够挖掘用户行为,为微博舆情监管提供借鉴。但微博文本具有长度较短、不规范、存在大量变形词和新词等特点,仅以情感词为特征对微博进行分类的方法准确率较低,难以满足实际使用。为此,基于微博语料构建二元搭配词库,并根据PMI-IR算法结合语料库统计信息,提出搭配词组情感权值的计算方法PMI-IR-P。结合情感词典,采用统计方法生成微博情感特征向量,利用机器学习中的C4.5算法构建分类模型,对微博文本进行情感倾向分类。分别使用不同的数据集用于构建搭配词库及分类模型,并与基于情感词典的分类方法以及朴素贝叶斯分类方法进行对比。实验结果表明,提出的情感特征通过运用C4.5算法对微博文本情感分类的准确率达到87%,具有较好的效果。
- 周剑峰阳爱民周咏梅王璇璇
- 关键词：C4
- 一种相似司法案例匹配方法、装置及设备
- 本发明公开一种相似司法案例匹配方法、装置及设备，方法包括：通过预训练语言模型和神经网络分类器，按照预设的第一模型参数对目标案例和待匹配案例中的每个句子进行特征句识别，获得目标案例特征句组和待匹配案例特征句组，并将其中的特...
- 周栋林楠铠范长永阳爱民周咏梅
- 一种基于Mean-Shift聚类算法的图像区域分割方法被引量：2
- 2009年
- 提出一种基于均值平移(Mean-Shift)聚类算法的图像区域分割方法。该方法首先选用适当的彩色空间对图像中的每个像素点抽取颜色、纹理及空间位置等特征,形成特征空间;然后,利用Mean-Shift聚类算法,在像素点特征空间中进行聚类,利用提出的方法,确定最佳窗口半径参数,进而确定聚类簇数、聚类中心等参数,将像素初步划归不同的组,并利用相邻像素之间的连接原理对图像区域进一步分割。分割方法提供了丰富的区域描述特征。实验结果表明这种方法具有图像分割速度快,分割效果好等特点。
- 尹美林周咏梅
- 关键词：图像区域分割
- 面向文本情感分析的中文情感词典构建方法被引量：41
- 2013年
- 提出了构建基于HowNet和SentiWordNet的中文情感词典方法。将词语自动分解为多个义元后计算其情感倾向强度,并且使用词典校对方法对词语情感倾向强度进行优化。将所构建词典应用到文本情感分析任务中,使用支持向量机构建文本情感分类器进行实验。实验结果表明,该词典优于一般极性情感词典,为情感分析研究提供了有效的词典资源。
- 周咏梅杨佳能阳爱民
- 关键词：情感词典支持向量机情感分析中文文本
- 一种基于朴素贝叶斯的微博情感分类被引量：45
- 2012年
- 本文基于二次情感特征提取算法,利用句法依存关系进行一次文本情感特征提取,在此基础上,利用情感词典,进行二次情感特征提取。构建朴素贝叶斯分类器,对采集的热门话题微博和酒店评论进行文本情感倾向性分类。主要比较了表情符号、标点符号,基于情感词典的特征提取和基于二次情感特征提取方法,在不同的组合下的分类性能,寻找更佳的微博文本情感分类预处理方法。并与酒店评论情感分类结果对比、分析,发现影响微博情感分类性能的原因。实验结果表明,二次特征提取方法在分类上取得更高的F1。实验最佳的分类预处理方式是"表情符号+标点符号+二次情感特征提取+BOOL值"。同时发现,朴素贝叶斯在酒店评论情感分类取得更高的分类性能,主要是微博评价对象多样化造成的。
- 林江豪阳爱民周咏梅陈锦蔡泽键
- 关键词：文本情感分类朴素贝叶斯
- 一种基于模糊C均值聚类的图像区域分割方法被引量：11
- 2006年
- 提出一种基于模糊C均值聚类的彩色图像区域分割方法。该方法首先选用适当的彩色空间对图像中的每个像素抽取颜色、纹理及空间位置等综合特征;然后,利用模糊C均值聚类方法进行聚类,利用提出的确定最佳聚类簇数的方法,确定聚类簇数、中心等参数;根据每个像素的隶属函度,将像素初步划归不同的组,利用连接原理对图像区域进一步分割,并提供了图像描述特征。实验结果表明,该方法分割效果很好。
- 周咏梅徐德智阳爱民柳萍
- 关键词：模糊C均值聚类图像分割
- 中文微博语料情感类别自动标注方法被引量：5
- 2014年
- 针对大规模微博语料手动标注困难的问题,提出了中文微博语料情感类别自动标注的方法,包括基于关键词的、基于概率求和的和基于概率乘积的3种自动标注方法和一种集成标注方法。自动标注时首先分别使用3种标注方法进行标注,得到3种标注结果;然后,采用标注方法集成的策略,对3种标注的结果通过投票的方式决定最终的标注结果。通过设计自动标注实验系统进行实验,实验结果验证了所提方法的可行性和有效性。实验结果表明,单个标注方法的准确率均在70%以上,投票方法的准确率达90%以上。
- 阳爱民周咏梅周剑峰
- 关键词：情感分类准确率
