网络文本情感分析方法主要分为两大途径，无监督情感分析方法和有监督情感分析方法[2]。在2002年PANG等学者首次采用电影评论数据建立了使用机器学习的有监督情感分类方法。他分别使用了支持向量机(SVM)、朴素贝叶斯(NB)、最大熵(ME)分类器，二情感分类特征主要采用情感词频[3]。实验表明基于机器学习的有监督分类结果准确率要高于基于传统的无监督方法。文献[4]也提出了一种结合SVM和NB分类器的新模型（NBSVM），这种新的模型在多个数据集都取得了很好的分类效果。有监督网络评论情感分类方法是基于标注训练集语料来进行评论分类的，而标注的语料具有领域依赖性，因此有监督网络评论情感分类效果的好坏与文本领域有直接的关系。在一个领域标注的训练集训练的分类器很可能在另一个领域分类效果并不好。所以，有监督情感分类方法需要在不同领域标注大量不同的训练集，才能取得比较好的分类效果。但是，在众多领域都标注大量训练集是一项十分困难的事情，需要消耗大量的人力物力，已经成为有监督情感分类的瓶颈。

无位置传感器无刷直流电机在高速段时反电势信号过大， 容易造成检测电路无法正常工作甚至损坏， 而在较低速段时， 反电势信号又难以有效检测

精确测量4H-SiC光电导开关光电导性能的新方法

在大型强子对撞机（LHC）寻找标准模型物理之外的研究中，parton分布函数（PDF）的参数化不确定性正成为严重限制系统不确定性的问题。 对于夸克和反夸克碰撞引起的大尺度测量尤其如此，其中Drell-Yan连续体背景占主导。 最近提供了一些工具，这些工具可用于探索PDF拟合策略并在未来的全球拟合中模拟新数据的效果。 ePump就是这样一种工具，它表明，对可测运动量的明智选择可以通过显着因素来减少分配的系统PDF不确定性。 将来的LHC标准模型数据集的巨大统计精度将使这成为可能。

针对常用的基于瞬时无功功率的谐波检测法计算量大、矢量变换复杂、实时性差、鲁棒性弱等问题,提出了一种基于反馈和高性能低通滤波器的无锁相环ip-iq检测新方法。该方法通过预设变换矩阵的频率实现谐波和基波电流的检测,无需坐标变换和锁相环;采用基波电流反馈技术,减小了检测误差及动态响应时间;采用低通滤波器和均值滤波器级联组成高性能低通滤波器,提高了谐波和基波检测的精度和响应速度。该方法适用于单相电路、三相三线制电力系统、三相四线制电力系统的谐波和基波电流检测。

并联型有源电力滤波器输出电感选择的新方法，张国荣，齐国虎，并联型有源电力滤波器（Active Power Filter－APF）交流侧输出电感是连接APF与电网的桥梁，它直接影响补偿电流的动态性能，对有源滤波器�

数控磨削球头立铣刀前刀面的新方法，陈芳，宾鸿赞，本文提出采用球面砂轮数控磨削球头立铣刀前刀面的加工工艺，利用球面的自适应性，减少所需CNC工具磨床的联动轴数，以降低对机床配

提出了一种基于最小二乘矩阵束算法的矿井电网漏电保护新方法。该方法在附加直流源系统基础上,提取各支路零序电流信号,利用最小二乘矩阵束算法提取各支路零序电流信号的直流分量;根据提取出的各支路直流分量,计算各支路的对地绝缘电阻值;若某支路对地绝缘电阻值小于动作值,则判断该支路发生了漏电故障。仿真结果表明,该方法准确、可靠,适应性强。

目前，人们正在努力使DAMA实验的结果与其他暗物质实验（例如CoGeNT，CRESST，CDMS和所有LXe实验）的结果相一致。 作者提出了一个描述暗物质信号的新模型，该模型描述了非常轻（1至很少的GeV / c2）WIMP与氢发生碰撞的结果，并将其与目前公认的重核（Na，Ge或 Xe）。 氢靶标将来自NaI（Tl），Ge和CaWO 4晶体的H污染。 初始调谐表明，假设WIMP质子横截面在10-33和10-32 cm2之间，则可以用该模型解释DAMA和CoGeNT的调制幅度。 这篇论文应该被认为是一个新的想法，需要来自所有相关实验的大量新的实验输入。

在本文中，介绍了一种用于巴克豪森磁性检测的新颖装置。 使用两个厚度为1 mm的低碳钢板进行了测量。 沿着轧制方向和横向方向进行测量。 新的布置包括在预定的步骤中检测线圈的位移，同时磁轭保持静止，从而沿轧制方向并横向于轧制方向引入循环磁化。 通常，Barkhausen信号的强度随两个板中线圈位移的变化而降低。 在调质轧制板中，当线圈在两个磁化方向上相距5 mm时，Barkhausen噪声轮廓形状从单峰变为双峰。 在横向磁化时，峰更明显。 回火轧制板中两个峰轮廓的出现可能归因于根据施加场在不同时间发生的两个磁化阶段。 沿横向的磁化导致内部磁化划分为彼此垂直的两个主要成分。 磁化的内部成分包括在轧制方向上的易磁化轴和在横向上由于施加磁场而产生的强制磁化。 解释发现的另一个假设可能是由于表面下的软材料内部的消磁磁场所致。 这些发现以这样一种方式支持了这一假设：退磁磁场在横向方向上比在轧制方向上足够强。 这一假设得到冷轧钢板实验的支持。 在冷轧板中，由于位错密度高，因此退磁磁场非常弱，因此整个测试过程中所得的MBN轮廓由一个峰组成。