摘要：城市内涝是当前典型的一类城市自然灾害,影响着居民的生活质量。以城市内涝点作为研究对象,综合考虑内涝对城市居民工作和生活等方面造成的影响,筛选出与影响程度相关的21类空间数据。同时,基于深度学习原理构建栈式自编码神经网络模型,结合层次分析法获取的内涝点影响程度标签,剖析21类空间数据与内涝点对居民工作生活影响程度的关系,实现城市内涝对居民工作和生活影响的定量分析。实验表明,栈式自编码神经网络模型能准确地描述内涝点周围的系列空间数据与内涝影响程度之间的关系,可有效预测潜在内涝点对居民工作和生活的影响程度大小,可用于城市防洪排涝方案的制定和排水管网的优化设计。

摘要：提出一种基于栈式自编码神经网络(SAE)的维吾尔语语句情感倾向分析方法。利用深度学习思想,将高维的维吾尔语语句空间特征向量变换到新的低维特征空间,学习并提取维吾尔语语句中隐含的语义特征。为提高特征对文本语义的表达,将富含词汇语义及上下文位置关系的句向量特征与情感特征组合进行融合,训练栈式自编码器,通过引入softmax层完成维吾尔语语句的情感分类。通过实验优选模型隐层层数、句向量维度,同传统的情感分类方法进行比较,实验结果表明,该方法更适用于维吾尔语语句情感倾向分析,微平均值为90.4%,宏平均值为90.5%。