基于表情符号的文本情感分析研究

目的提出一种基于表情符号的文本自动标注的方法,为文本情感分析提供方法学参考。方法从Blued软件抓取广东省用户的发帖文本,筛选出情感倾向明显的表情符号。基于筛选的表情符号生成训练集,并对含表情符号的训练文本进行自动标注。然后用机器学习的方法训练分类器,并在人工标注的测试集中验证,评估其分类效果。结果共选取标签表情符号174个,其中正向表情符号93个(53.5%),负向表情符号81个(46.5%)。纳入分析的文本共14.3万条,其中训练集13.0万条(90.9%),测试集1.3万条(9.1%)。朴素贝叶斯、逻辑回归、支持向量机、融合模型最高准确率分别为0.739、0.732、0.729、0.741。结论基于表情符号自动标注文本的方法可应用于文本情感分类。     

头部CTA一键去骨算法研究

基于对目前去骨算法的研究发现,算法大多都存在各自的缺点,例如计算量大、效率较低,鲁棒性较差,有些算法则是受到操作者个人经验和偏见的影响较严重。因此,提出了一种头部CTA一键去骨算法,该算法完全是自动去骨,用户操作简便,具有较大的实用价值。此算法主要是基于阈值分割、阈值平滑、边缘检测、形态学运算、去噪等一系列图像处理基本算法进行改善,得到一键去骨算法。从实验结果表明,该算法去骨和血管提取准确率高、运行速度快、稳定性好,可以被临床应用。