人脑活动是在秒级与毫秒级动态变化的,因此采用静态连接方式构建的功能性脑网络,会造成部分与时间相关有效特征的缺失。该文旨在研究情绪变化期间不同大脑区域之间相互作用的时空变化,提出了一个系统的分析框架。该框架包括相关性度量,...人脑活动是在秒级与毫秒级动态变化的,因此采用静态连接方式构建的功能性脑网络,会造成部分与时间相关有效特征的缺失。该文旨在研究情绪变化期间不同大脑区域之间相互作用的时空变化,提出了一个系统的分析框架。该框架包括相关性度量,脑状态分割,代表性时间片段提取以及动态网络构建和分析。首先,利用皮尔逊相关系数量化不同脑区之间的功能连通性。其次,计算两相邻时间点的相关性矩阵之间的奇异值分解(singular value decomposition, SVD)矢量空间距离,确定情绪转换点并对非平稳脑状态进行时间片分割,提取代表性时间片段。最后,基于相关性和频带功率分布构建不同网络模式,利用滑动窗口法估计动态相关模式和动态功率分布变化,然后提取脑动力学的多变量特征并进行分类识别。在SEED数据集上进行的相关实验验证了基于动态功能连接的情感评估方法的可行性,为不同情绪状态下建立脑动态模型开辟了新的途径。展开更多
针对现有基于端到端方面的情感分析(E2E-ABSA)方法研究中没有充分利用文本信息的不足,提出了一种基于BERT与融合词性、句法信息(lexical and syntactic information,LSI)的模型LSI-BERT。使用BERT嵌入层和TFM特征提取器来提取语义信息,...针对现有基于端到端方面的情感分析(E2E-ABSA)方法研究中没有充分利用文本信息的不足,提出了一种基于BERT与融合词性、句法信息(lexical and syntactic information,LSI)的模型LSI-BERT。使用BERT嵌入层和TFM特征提取器来提取语义信息,并通过工业级自然语言处理工具SpaCy提取词性信息,引入两个权重因子α和β对语义与词性信息进行融合;采用图注意网络(graph attention networks,GAT)根据句法依存树生成的邻接矩阵进行句法依存信息的提取;利用双流注意力网络针对句法依存信息和融合了词性信息的文本信息进行融合,使这两种信息实现更好的交互。实验结果表明,模型在三个常用基准数据集上的性能优于当前代表模型。展开更多
文摘人脑活动是在秒级与毫秒级动态变化的,因此采用静态连接方式构建的功能性脑网络,会造成部分与时间相关有效特征的缺失。该文旨在研究情绪变化期间不同大脑区域之间相互作用的时空变化,提出了一个系统的分析框架。该框架包括相关性度量,脑状态分割,代表性时间片段提取以及动态网络构建和分析。首先,利用皮尔逊相关系数量化不同脑区之间的功能连通性。其次,计算两相邻时间点的相关性矩阵之间的奇异值分解(singular value decomposition, SVD)矢量空间距离,确定情绪转换点并对非平稳脑状态进行时间片分割,提取代表性时间片段。最后,基于相关性和频带功率分布构建不同网络模式,利用滑动窗口法估计动态相关模式和动态功率分布变化,然后提取脑动力学的多变量特征并进行分类识别。在SEED数据集上进行的相关实验验证了基于动态功能连接的情感评估方法的可行性,为不同情绪状态下建立脑动态模型开辟了新的途径。
