细粒度用户评论情感分析 在线评论的细粒度情感分析对于深刻理解商家和用户，挖掘用户情感等方面有实质性的价值，并且在互联网行业有极其广泛的应用，主要用于个性化推荐，智能搜索，产品反馈，业务安全等。 依赖 Python 3.5 PyTorch 0.4 数据集 使用AI Challenger 2018的细粒度用户评论情感分析数据集，共包含6大类20个细粒度要素的情感倾向。 数据说明 数据集中的评价对象按照粒度不同划分为两个层次，层次一为粗粒度的评价对象，例如评论文本中涉及的服务，位置等要素；；层次二为细粒度的情感对象，例如“服务”属性中的“服务人员态度”，“排队等候时间”等细粒度要素。评价对象的具体

现有基于时域金字塔的特征提取方法不能学习视频帧和视频段各自之间的时间依赖性信息以及未充分利用视频时域的分层结构信息,造成视频分类特征提取不充分.为此,提出一种基于SRU的多层次多粒度时空域深度特征提取方法.利用卷积神经网络提取视频的低、中、高3个层次的帧特征,构建时域金字塔,同时采用级联SRU学习视频时间依赖性和时域的分层结构特征,通过聚合3个层次的时域金字塔得到视频的多层次多粒度全局特征.在数据集UCF101和HMDB51上的实验结果表明,与DTPP方法、TLE方法相比,该方法提取的特征具有较好的表征能力和鲁棒性.

使用SpringBoot与shiro实现基于数据库的细粒度动态权限管理系统实例

循环自注意力，细粒度分类，Recurrent Attention Convolutional Neural Network（RA-CNN）是CVPR2017的Oral文章，针对细粒度（fine-grained）的分类

Code for Fine-grained Sentiment Analysis of User Reviews of AI Challenger 2018

细粒度分类的自适应多任务学习

shiro-test:*本实例是javase的环境，用到了junit进行测试，不是web，也没用到spring *具体使用到了shiro的下列功能*身份验证：身份认证登录，验证用户是不是拥有相应的身份； *授权方式：授权，即权限验证，验证某已认证的用户是否拥有权限；即判断用户是否能做事情，常见的如：验证某用户是否拥有某个角色。或者细粒度的验证某用户对某人*会话管理器：会话管理，即用户登录后就是一次会话，在没有退出之前，它的所有信息都在会话中；会话可以是普通JavaSE环境的，也可以是如Web环境的； *密码学：加密，保护数据的安全性，如密码加密存储到数据库，而不是明文存储； *记住我：记住我，这个是非常常见的功能，即一次登录后，下次再来的话*缓存：缓存，缓存，某些用户登录后，其用户信息，拥有的角色权限不必每次去查，这样可以提高效率

基于双层多粒度知识发现的移动轨迹预测模型

硬件辅助的细粒度代码重用攻击检测

多粒度深度特征学习可实现强大的行人检测