黎晨
- 作品数：4 被引量：21H指数：3
- 供职机构：江西理工大学信息工程学院更多>>
- 发文基金：国家自然科学基金江西省研究生创新基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于结构化处理的评论文本情感量化分析模型被引量：1
- 2016年
- 由于传统褒贬二值分类模型缺乏对文本主题之间以及主题与观点持有者之间的关系挖掘,不能很好的处理具有不规则、口语化、极性强等特点的评论文本.通过提取网站的文本评论,对评论对象进行结构化处理,以How Net公布的情感词典为基础,完善了评论情感倾向性词典.结合五元组模型量化文本情感信息,建立了适合处理评论文本的模型,深度挖掘了用户对商品或消费行为的主观感受.并通过实验验证了该模型的准确度和有效性.
- 廖列法李养振黎晨
- 关键词：情感分析自然语言处理
- 微信社交网络上CASR谣言传播模型研究被引量：5
- 2016年
- 针对谣言传播模型多数集中在微博类社交网络上而微信社交网络上谣言传播研究较少的问题,提出一种基于谣言接受概率函数的CASR(Credulous-Affected-Spreader-Rationals)谣言传播模型,该模型中的谣言接受概率函数充分考虑了具有正负影响的媒介效应、谣言接受信号叠加作用以及信任度的因素.在局部具有无标度特性的小世界网络上仿真结果表明,正向影响时媒介因子和信任度能够降低个体接受谣言概率,抑制谣言传播;反之,负向影响时媒介因子和信任度提高了个体接受谣言概率,促进了谣言传播.
- 廖列法孟祥茂吴晓燕黎晨
- 关键词：谣言传播朋友圈
- 用户属性加权活跃近邻的协同过滤算法被引量：6
- 2016年
- 针对现有的基于KNN近邻协同过滤技术,在选择最近邻居时过于依赖评分相似度的问题,提出了一种用户属性加权活跃近邻的协同过滤算法。首先,通过引入用户特征属性并融合最小权重相似度,根据所得的最终相似度生成目标用户的KNN近邻集。然后,从对目标项目已有反馈信息的用户中生成目标项目的活跃用户子群体,并筛选出KNN近邻集中的活跃用户子群体作为目标用户的活跃近邻集,最终产生评分预测。在公开数据集上的实验结果表明,该算法能有效地提高推荐算法的推荐准确度,具有更好的稳定性。
- 王吉源黎晨王婵娟
- 关键词：协同过滤用户属性
- 基于欧氏空间相似度的云模型协同过滤算法被引量：9
- 2015年
- 传统的基于余弦相似度度量的云模型协同过滤推荐算法未考虑特征向量的长度和维度,忽略了三个重要数字特征云期望、熵和超熵的关系,如各数字特征具有不同的性质和权重,导致特征丢失、区分度过小的问题。针对这些问题,提出了一种采用标准化的多维欧几里德相似度计算方法,通过将三个数字特征映射为三维空间的点,计算经指数函数标准化的欧几里德相似度,生成更合理的用户k近邻集,最终产生推荐。实验结果表明,该相似度计算方法能够为云特征向量提供更显著的区分度,并在一定程度上提高了推荐质量。
- 廖列法黎晨孟祥茂
- 关键词：协同过滤云模型
