摘要：针对传统文本分类模型存在识别能力受限、训练时间随着输入长度倍增的问题,提出了一种基于文本摘要提取的双路特征情感分析模型(BLAT)。BLAT模型引入Fastformer的加性注意力机制代替Transfomer的自注意力机制,使得模型能够在不损失精度的情况下,面对长文本训练能够有较为出色的训练速度。模型通过对原始文本数据做摘要提取处理形成双路特征,融入长短期记忆网络与卷积神经网络组成双路特征提取网络,实现对文本情感倾向的高效识别。通过实验在中文电商评论数据集上进行验证,准确率可以达到92.26%,相较当下主流模型能够达到较好的效果。

摘要：为获得较高质量的会议摘要,提出一种基于主题的MMR与SVM相融合的会议摘要提取方法。以会议文本记录为处理对象,以SVM(support vector machine)和MMR(maximal marginal relevance)摘要提取算法为基础,针对当前的会议围绕某个主题进行讨论、交流的特点,以主题关键词为依据进行打分。实验结果表明,将所提系统分别与SVM摘要系统、MMR摘要系统以及SVM与MMR相结合摘要系统进行对比时,前者提取的摘要效果更好。

摘要：出于在混合大数据中准确且高效地提取电网相关价值性信息的目的,研究基于长短期记忆网络与人工蜂群优化算法的电网数据自动摘要算法。进行双向LSTM学习目标词语前后文信息的设计,增加注意力机制,对电力范畴词汇及术语进行提取,借助条件随机场模型执行对嵌入序列的训练任务,预测句子是否可划归至电力范畴,在改进人工封群优化算法的支持下,优化处理大数据电力摘要提取问题,从混合大数据中将价值最高的电力相关数据确定下来。基于实际电网数据对本文算法进行验证,结果显示该算法获得了较好的效果。