简介:短文本情感分类是一种面向主观信息分类的文本分类任务,具有重要的研究价值和广泛的应用前景,如旅游景区口碑评价、舆情跟踪、产品声誉分析等。为了提高短文本情感分类准确率,文章提出了一种基于Stacking融合深度学习模型和传统机器学习模型的短文本情感分类方法。该方法从短文本数据集分别提取TFIDF和Word2Vec特征,并作为传统机器学习模型和深度学习模型的输入,再基于Stacking技术将多个基分类器(包括Logistic,PassiveAggressive,Ridge,SVC,SVR等传统机器学习模型和深度学习文本分类模型TextRCNN)的分类结果进行融合处理,得到短文本情感分类的最终结果。该方法采用LightGBM作为Stacking最后一层的分类器,基于旅游景区网络评论数据集进行了验证。实验结果表明,该方法能够获得比最好基分类方法更好的分类效果,而且对积极、中性和消极三类情感文本的平均分类准确率达到了71.02%。
简介:Hotelling模型是由霍特林从厂商的不同空间位置出发,建立的市场上一个线性(直线段)的双寡头厂商的定位模型,是解决厂商选址问题的重要模型之一。目前国内外Hotelling模型的研究尚未形成完整的体系。文章分别从产品差异化研究、价格差异化研究、集聚效应研究、网络外部性研究等方面对Hotelling选址模型进行了归类和总结,并提出了进一步研究的方向。
简介:理想化方法是一种科学抽象,它根据所研究问题的需要和具体情况,确定主要因素和次要因素,保留主要因素,忽略次要因素,排除无关干扰,从而简明扼要地揭示事物的本质.建立这种理想模型的目的是为了暂时忽略与当前考察不相关的因素、影响很小的次要因素,突出主要因素,借以化繁为简,以利于问题的分析、讨论,从而较方便地找出当前所研究的最基本的规律.建立模型是研究物理学的重要方法,从初中科学(物理)到高中物理,再到大学物理,通过不断地对模型进行修正、不同模型的综合运用,使得我们的计算结果与实际情况越来越接近,达到了认识自然规律、解决实际问题的目的.