-
周国栋
-
-
- 所属机构:苏州大学计算机科学与技术学院
- 所在地区:江苏省 苏州市
- 研究方向:自动化与计算机技术
- 发文基金:国家自然科学基金
相关作者
- 李寿山
- 作品数：194被引量：446H指数：11
- 供职机构：苏州大学
- 研究主题：文本 分类器 情感分类 语料 最大熵
- 朱巧明
- 作品数：484被引量：1,539H指数：19
- 供职机构：苏州大学
- 研究主题：中文 抽取 篇章 中文信息处理 识别方法
- 孔芳
- 作品数：154被引量：293H指数：8
- 供职机构：苏州大学计算机科学与技术学院
- 研究主题：指代消解 中文 篇章 汉语 消解方法
- 钱龙华
- 作品数：83被引量：205H指数：8
- 供职机构：苏州大学
- 研究主题：文本 语料库 关系抽取 抽取 树核函数
- 李培峰
- 作品数：272被引量：793H指数：14
- 供职机构：苏州大学计算机科学与技术学院
- 研究主题：中文 抽取 识别方法 中文信息处理 篇章
- 基于注意力机制的上下文相关的问答配对方法
- 目前,关于问答的大部分研究都是面向正式文本的问答对.然而,与以往研究不同的是,本文关注于社会媒体上存在的非正式文本问答对.非正式文本会存在问题文本里包含多个问题以及回答文本里包含多个回答的情况.针对该情况,提出了一个新的...
- 王路张璐李寿山周国栋
- 关键词：上下文相关
- 面向满意度预测的滑鼠行为量化分析方法被引量：3
- 2015年
- 现有信息检索研究领域中,衡量知识学习质量和信息获取精度的核心标准是信息与用户需求的相关性(量化指标为相关度).然而,这一测度往往无法直观反映用户对信息伪反馈的"满意度".相比于多媒体(文字语言、图像、音频和视频)之间可测可量的相关度,由用户主观认知驱动的满意度往往无法通过直观的量化方法予以获取和测量.针对这一问题,文中提出一种基于鼠标滑动(Mouse Movement,简称"滑鼠")运动学规律的"满意度"量化分析和预测方法.该方法集中于人类肢体活动驱动下的滑鼠滑行轨迹分析,借助复杂滑行过程中滑鼠呈现出的动力学能量,间接预测人类思维活跃的程度,以此估计用户接触特定信息伪反馈时隐式反射出的满意度.实验验证,该方法能够有效辅助信息检索过程中的用户体验分析.
- 洪宇王剑王凯康杨杨孔芳姚建民朱巧明周国栋
- 关键词：信息检索满意度社交网络社会计算
- 基于词对和翻译判断句子是否对齐的方法、装置及设备
- 本发明公开了一种基于词典和翻译判断句子是否对齐的方法，在对源文本句进行分词得到源文本词之后，还确定了与源文本词对应的翻译文本词，并据此更新了源文本词序列，最后根据源文本句以及目标文本句对应的隐藏状态序列，判断源文本句与目...
- 李军辉丁颖张民周国栋
- 文献传递
- 一种双语语义关系分类模型的建立方法和系统
- 本发明公开一种双语语义关系分类模型的建立方法及系统。所述方法包括：通过第一语言分类器对未标注语义关系的对应于第一语言的第一未标注语料进行语义关系分类，得到语义关系分类结果；将所述第一未标注语料翻译为对应于第二语言的第二未...
- 钱龙华胡亚楠周国栋
- 文献传递
- 一种基于微博的用户职业分类方法及系统
- 本发明提供的一种基于微博的用户职业分类方法和系统，包括：获取预设数量的第一用户，第一用户为已经提供职业信息的微博用户；获取每个第一用户的职业信息和微博文本；依据第一用户的职业信息对第一用户进行分类，利用分类后得到的结果确...
- 李寿山戴斌周国栋
- 文献传递
- 基于微博的情感词提取收集方法
- 本发明实施例公开了一种基于微博的情感词提取收集方法，其步骤包括：接收情绪图标，并获取与所述情绪图标相对应的情绪图标极性；利用所述情绪图标以及主题关键词搜索并收集微博语料；根据所述情绪图标极性对微博语料进行情感分类；对所述...
- 李寿山王红玲周国栋
- 文献传递
- 文本分类方法、装置及处理器
- 本发明涉及自然语言处理及模式识别技术领域，公开了一种文本分类方法、装置及处理器。该方法中，首先根据分类器获取情感测试样本和情绪测试样本分别属于各个情感类别和各个情绪类别的初始概率，继而选取情感测试样本和情绪测试样本作为共...
- 李寿山高伟周国栋
- 文献传递
- 一种抽取蛋白质相互作用关系的方法
- 本发明公开了一种抽取蛋白质相互作用关系的方法，包括：对自然语句进行句法分析，确定该自然语句的完全句法树，在该完全句法树中提取两个蛋白质名称之间的最短成分路径；对自然语句进行依存关系分析，确定该自然语句的依存关系树，在该依...
- 钱龙华李寿山周国栋
- 一种tri-training半监督学习方法及装置
- 本发明提供了一种tri-training半监督学习方法及装置，包括：分别在第一标注样本上训练第一基分类器、第二基分类器和第三基分类器；分别采用第一基分类器、第二基分类器和第三基分类器获取与之相对应的第二待标注样本的类别标...
- 李寿山张栋周国栋
- 文献传递
- 基于多任务预训练模型的属性级情感分类
- 2022年
- 目前,缺少标注样本数据是属性级情感分类任务面临的一大难题,为了解决这一问题,该文提出了结合多项任务的预训练Bert模型。该模型利用大量未标注的篇章级情感分类数据,结合多种分类任务预训练模型共享参数,迁移属性级评论和篇章级评论中共享的有用的语义语法信息,从而帮助模型提高属性级情感分类准确率。在SemEval-14数据集上的实验结果表明,相较于一系列基准模型,该文提出的模型有效提高了属性级情感分类的准确率。
- 周敏王中卿李寿山周国栋
- 关键词：多任务情感分类
