国家自然科学基金(61273229)
- 作品数：21 被引量：66H指数：5
- 相关作者：杨春霞李倩王妍郝微微胡森更多>>
- 相关机构：南京信息工程大学汤原县气象局盐城师范学院更多>>
- 发文基金：国家自然科学基金江苏省“青蓝工程”基金江苏省“青蓝工程”资助基金更多>>
- 相关领域：自动化与计算机技术经济管理交通运输工程天文地球更多>>
- 基于多车道加权融合的短时交通流预测研究被引量：10
- 2021年
- 短时交通流预测是改善交通规划与管理效率的一个重要因素,为了提高交通运输管理和调度能力,从路段多车道交通流隐含的交互关系,引入一种基于多车道加权融合的短时交通流预测方法。用该方法分析了加州高速公路某五车道单检测点各车道交通流与聚合交通流之间的相关性,发现每个车道交通流与聚合交通流都呈现高度关联性。基于此,构建一种能够学习交通流上下关联性的双向长短时记忆模型。基于3种时间间隔数据,选取某一间隔交通流进行归一化及预处理,将各车道交通流和聚合交通流数据分别构成相对应的一组,采用几十组同"星期几"相应数据分别输入双向长短时记忆模型进行训练,利用各部分模型分别预测同一天相应车道和聚合的交通流。最后对预测的各部分交通流采用岭回归算法计算融合权重。通过权重融合预测的各车道交通流和聚合交通流作为最终预测的交通流,进一步在三车道检测点的3个时间间隔交通流进行试验。结果表明:本预测方法相对于未考虑各车道交通流与聚合交通流相关性传统预测模型的MAE、RMSE值均有一定程度降低,具有更高的预测精度和鲁棒性,是一种有效的交通流预测方法。
- 杨春霞秦家鹏王庆李欣栩
- 关键词：智能交通短时交通流
- 金融危机前后我国上市公司行业指数奇异性特征比较
- 2014年
- 利用多重分形去趋势波动分析法(MF-DFA)比较分析了2008年危机前后沪深300十大行业指数的奇异性特征。结果表明:危机前后各行业指数都具有多重分形特征;与其它行业相比,危机前期电信、工业、可选和信息行业的谱宽度更宽、波动更剧烈,危机后期金融、能源行业的谱宽度更宽、波动更剧烈;与危机前期相比,能源和金融行业危机后期的谱宽度变宽、波动变剧烈,而其它行业危机后期的谱宽度变窄、波动变平稳;就危机前后谱宽度的变化来说,能源、工业、可选、信息、消费和电信行业比其它行业变化幅度大,它们受危机的影响更显著。
- 杨春霞李倩邓强强窦焘焘陈燕华
- 关键词：金融危机奇异性
- 一种融合字词信息的中文情感分析模型被引量：3
- 2023年
- 中文情感分析模型的文本表示通常只采用词粒度信息,这会导致模型在特征提取时丧失字粒度的特性,同时常用的分词方法的分词结果过于精简,也一定程度上限制了文本表示的丰富度。对此,提出了一种融合字粒度特征与词粒度特征的中文情感分析模型,采用全模式分词得到更丰富的词序列,经词嵌入后将词向量输入Bi-LSTM中提取全文的语义信息,并将隐层语义表示与对应字向量进行初步融合,增强词级信息的鲁棒性;另一方面将字向量输入多窗口卷积,捕捉更细粒度的字级特征信息。最后将字词粒度特征进一步融合后输入分类器得到情感分类结果,在2个公开数据集上的性能测试结果表明,该模型相比同类模型有更好的分类性能。
- 杨春霞姚思诚宋金剑
- 基于多主体模型的电信营业厅服务管理分析
- 2014年
- "排队"是一个广泛的社会现象,但借助传统的排队论,对M/M/m等以外的广大真实系统求解析解是比较困难的。文章以电信营业厅服务管理为例,从一个新的视角——多主体模型来研究相应的排队现象,探索客户服务水平及其影响因素的关系,寻求客户服务水平和服务成本之间的最佳平衡点。
- 胡森
- 关键词：排队论
- 基于注意力与双通道网络的方面级情感分析被引量：3
- 2023年
- 针对方面级情感分析任务不能充分兼顾句法全面性与语义关联性,且大多数研究中使用的图卷积仅考虑信息自上而下的传播,忽略了信息自下而上的聚合等问题,本文提出了基于注意力与双通道网络的情感分析模型.该模型在扩展依存表示的同时使用自注意力获取具有语义关联的信息矩阵,使用双通道网络结合全局句法与语义关联信息,双通道网络分别侧重于自上而下传播的语义特征与自下而上聚合的结构特征.通道内的图卷积输出会与信息矩阵进行交互注意力起到残差互补的作用,然后通过平均池化完成通道内的任务.最后将基于语义与基于结构的决策融合得到最终的情感分类特征.实验结果表明该模型在三个公开数据集上的准确率与F1值均有提升.
- 杨春霞徐奔桂强韩煜
- 基于BiGCN和IAM的方面级情感分类模型被引量：4
- 2022年
- 目前基于神经网络的方面级情感分类模型很少会考虑上下文单词与方面词之间的句法依存关系,可能会错误地将与方面词语法无关的上下文单词作为方面词的情感特征;另一方面大多数方法也忽略了上下文与方面词之间的交互信息。针对这两个问题,提出了基于双向图卷积网络(BiGCN)和交互注意力机制(IAM)的方面级情感分类模型(BiGCN-IAM),该模型在句法依存树上使用双向图卷积网络提取上下文单词和方面词之间的句法依存关系,然后使用掩码层得到特定的方面词表示;最后使用交互注意力机制学习上下文与方面词之间的交互信息,同时提取了上下文中的重要情感特征和方面词中对分类有贡献的特征。通过在五个公开数据集上的实验证明,该模型效果优于基线模型。
- 杨春霞瞿涛吴佳君
- 融合实体信息的循环神经网络文本分类模型被引量：6
- 2020年
- 基于机器学习的文本分类方法通常忽略了文本上下文内容的语义特征,基于深度学习的文本分类方法虽考虑了上下文内容的语义特征,但弱化了实体信息在文本分类中的作用,无法丰富文本语义表示,突出文本内容特征.本文融合实体信息,提出一种循环神经网络与实体表示相结合的分类模型.该模型通过循环神经网络和Attention机制对文本进行建模表示,充分挖掘文本上下文内容的语义特征;同时,将实体表示与文本表示做注意力计算,进一步丰富文本语义与内容特征.在20NG、R8、IMDB、AG News四个数据集上进行实验,实验结果显示,该模型与其他主流基线方法相比,在准确率(Accuracy)上取得显著提高.
- 杨春霞吴佳君李欣栩
- 关键词：文本分类循环神经网络
- 融合CNN-SAM与GAT的多标签文本分类模型被引量：6
- 2023年
- 现有基于神经网络的多标签文本分类研究方法存在两方面不足,一是不能全面提取文本信息特征,二是很少从图结构数据中挖掘全局标签之间的关联性。针对以上两个问题,提出融合卷积神经网络-自注意力机制(CNNSAM)与图注意力网络(GAT)的多标签文本分类模型(CS-GAT)。该模型利用多层卷积神经网络与自注意力机制充分提取文本局部与全局信息并进行融合,得到更为全面的特征向量表示;同时将不同文本标签之间的关联性转变为具有全局信息的边加权图,利用多层图注意力机制自动学习不同标签之间的关联程度,将其与文本上下文语义信息进行交互,获取具有文本语义联系的全局标签信息表示;使用自适应融合策略进一步提取两者特征信息,提高模型的泛化能力。在AAPD、RCV1-V2与EUR-Lex三个公开英文数据集上的实验结果表明,该模型所达到的多标签分类效果明显优于其他主流基线模型。
- 杨春霞马文文陈启岗桂强
- 基于注意力交互机制的层次网络情感分类
- 2021年
- 目前关于商品评论的深度网络模型难以有效利用评论中的用户信息和产品信息。提出一种基于注意力交互机制的层次网络(HNAIM)模型。该模型利用层次网络对不同粒度语义信息进行提取,并通过注意力交互机制在层次网络中通过捕捉用户、产品中的重要特征来帮助提取文本特征。最终将用户视角下的损失值和产品视角下的损失值作为辅助分类信息,并利用层次网络输出的针对用户或产品的关键文本特征进行训练和分类。三个公开数据集上对比结果表明,该模型较相关模型而言效果均有提升。
- 杨春霞李欣栩吴佳君刘天宇
- 关键词：情感分类粒度
- 交叉上市公司A股、H股价格行为对比分析
- 2014年
- 本文采用排列熵和滑动窗口方法研究交叉上市公司A股和H股的价格行为。研究发现,交叉上市的A股和H股股票价格变化存在差异,H股股票价格变化相对规则,A股股票价格变化则相对随机;并且在金融危机后,A股价格变化的不确定性明显变大,A股的信息效率变高,而H股价格变化的不确定性有减小的趋势;A股、H股价格变化存在着较高的关联性并且在长时间尺度下A股、H股价格变化的关联性逐步增强。
- 杨春霞邓强强刘小芳
- 关键词：价格行为
