欢迎访问 计算机与信息技术学院(大数据学院)
当前位置: 首页 » 师资队伍 » 教授 » 王素格
  • 王素格

    最终学位:博士

    导师类型:博士生导师

  • 电子邮箱:wsg@sxu.edu.cn

    联系电话:0351-7010566

  • 研究方向:自然语言处理、文本挖掘、情感分析

  • 个人简介
  • 发表论文
  • 主持或参与项目

王素格,博士,教授,博士生导师。现任中国中文信息学会理事,中国中文信息学会社会媒体处理专委会常务委员、计算语言学专委会、信息检索专委会、语言与知识计算专委会委员,2012年至2014年担任全国中文文本倾向性分析评测联合主席。研究方向为自然语言处理、情感分析与机器学习。先后主持国家自然科学基金重点基金子项目1项,国家自然科学基金面上项目3项,山西省重点研发计划项目1项,山西省科技基础平台项目1项,科技攻关项目1项,山西省自然科学基金2项。参与国家863基金项目5项、国家973子课题1项和国家自然科学重点基金1项。在国际国内学术期刊《Information Sciences》,《Expert Systems with Application》、《Knowledge-Based System》,《Computer Speech and Language》、《计算机研究与发展》等国际国内重要学术期刊发表论文90余篇,获发明专利1项。获得软件著作权登记50余项。获得山西省科学技术进步一等奖。


[1] Liao Jian, Wang Suge, Li Deyu. Identification of fact-implied implicit sentiment based on multi-level semantic fused representation. Knowledge-Based Systems, 2019,165(2019):197-207.

[2] Zhao Chuanjun, Wang Suge, and Li Deyu. Exploiting social and local contexts propagation for inducing Chinese Microblog-specific sentiment lexicons. Computer Speech and Language. 2019, 55:57–81.

[3] Zhang Wenyue, Li Yang, Wang Suge. Learning document representation Via Topic-enhanced LSTM Model. Knowledge-Based Systems, 2019,174(2019):194-204

[4] Li Yang, Wang Jie, Wang Suge, et al. Local dense mixed region cutting+ global rebalancing: a method for imbalanced text sentiment classification. International Journal of Machine Learning and Cybernetics, (2019) 10:1805–1820.

[5] Li Yang, Ying Lv, Suge Wang, et al. Cooperative hybrid semi-supervised learning for text sentiment classification, Symmetry, 2019, 11, 133:1-17

[6] Zheng J, Wang S, Li D, et al. Personalized recommendation based on hierarchical interest overlapping community. Information Sciences, 2019, 479:55-75.

[7] 卢欣, 李旸, 王素格. 融合语言特征的卷积神经网络的反讽识别方法. 中文信息学报, 2019,33(5): 31-38

[8] 文治, 李旸, 王素格.融合反问特征的卷积神经网络的中文反问句识别, 中文信息学报, 2019,33(1): 68-76

[9] 李欣, 李旸, 王素格.面向情感聚类的文本相似度计算方法研究。中文信息学报, 2018,32(5): 131-139

[10] 乔霈, 王素格, 陈鑫, 谭红叶, 陈千, 王元龙. 基于词语关联的散文阅读理解问题答案获取方法.中文信息学报, 2018, 32(03): 135-142.

[11] 穆婉青, 廖健, 王素格. 融合CNN和结构相似度计算的排比句识别及应用. 中文信息学报, 2018, 32(2):139-146.

[12] 陈鑫, 李旸, 穆婉青, 王素格, 李德玉. 面向文本深层理解的情感知识库构建[100] . 第十九届汉语词汇语义学研讨会(CLSW2018),2018,台湾

[13] 慕永利, 李旸, 王素格. 基于E-CNN的情绪原因识别方法.中文信息学报, 2018, 32(2):120-128.

[14 陈鑫, 王素格, 李德玉, 陈千, 王元龙. 面向高考阅读理解鉴赏题语言风格判别方法. 中文信息学报, 2018, 31(6):214-222

[15] Liao Jian, Wang Suge, Li Deyu, et al. FREERL: Fusion relation embedded representation learning framework for aspect extraction. Knowledge-Based Systems, 2017, 135(2017): 9-17.

[16] Zhao Chuanjun, Wang Suge, Li Deyu. Determining fuzzy membership for sentiment classification: A three-layer sentiment propagation model. Plos One, 2016, 11(11):1-32.

[17] 王素格, 李大宇, 李旸.基于联合模型的商品口碑数据情感挖掘. 清华大学学报(自然科学版), 2017, 57(09): 926-931

[18] Chuanjun Zhao, Suge Wang, and Deyu Li. Deep transfer learning for social media cross-domain sentiment classification. X. Cheng et al. (Eds.): SMP 2017, CCIS 774: 1–12, 2017 (Ei检索) 第二标注

[19] Dayu Li,YangLi, and Suge Wang. Topic enhanced word vectors for documents representation. X. Cheng et al. (Eds.): SMP 2017, CCIS 774:1–12, 2017.

[20] 李旸, 郭晓敏, 王素格, 梁吉业. 基于内涵模糊概念格的汽车评价知识发现方法研究. 中文信息学报,2017,31(03):69-76.

[21] 郭荣超, 李德玉, 王素格. 基于标记关系的模糊粗糙集模型. 模式识别与人工智能. 2017,30(10):952-960

[22] 张鹏, 王素格, 李德玉, 王杰. 一种基于启发式规则的半监督垃圾评论分类方法. 山东大学学报(理学版), 2017, 52(07): 44-51

[23] 廖健, 王素格, 李德玉,王杰. 基于增强字向量的微博观点句情感极性分类方法. 郑州大学学报(理学版), 2017, 49(01): 39-44

[25] Peng Zhang, Suge Wang, Deyu Li. Cross-lingual sentiment classification: Similarity discovery plus training data adjustment. Knowledge-Based Systems, 2016,107(2016):129-141.

[26] Liao Jian, Li Yang,Wang Suge. The constitution od a fine-grained opinion annotated corpus on Weibo. M. Sun et al. (Eds.): CCL and NLP-NABD 2016, LNAI 10035, 2016, 227–240, 2016. DOI: 10.1007/978-3-319-47674-220

[27] Hua Li, Deyu Li, Yanhui Zhai, Suge Wang, Jing Zhang: A novel attribute reduction approach for multi-label data based on rough set theory. Informantion Science. 2016,367-368: 827-847

[28] 张鹏, 王素格, 李德玉. 一种策略融合的跨语言文本情感倾向判别方法. 中文信息学报, 2016, 30(2):32-40.

[29] 赵传君, 王素格, 李德玉, 李欣. 基于分组提升集成的跨领域文本情感分类, 计算机研究与发展, 2015,52(3):629-938

[30] 李欣, 王素格, 李德玉.面向文本情感聚类的维度判别方法.计算机工程与应用, 51(7), pp124-130, 2015

[31] Chuanjun Zhao, Suge Wang, Deyu Li. Fuzzy sentiment membership determining for sentiment classification fuzzy sentiment classification. 2014 IEEE International Conference on Data Mining Workshop. DOI 10.1109:1191-1198. December 14, 2014Shenzhen, China

[32] Li Hua, Li Deyu, Zhai Yanhui, Wang Suge, A Variable Precision Attribute Reduction Approach in Multilabel Decision Tables, The Scientific World Journal, 2014,1-8

[33] 刘慧慧, 王素格, 赵策力. 观点句中评价对象/属性的缺省项识别方法研究, 中文信息学报. 2014, 28(6):175-182

[34] Yanhong Li, Deyu Li, Suge Wang, Yanhui Zhai. Incremental entropy-based clustering on categorical data streams with concept drift, Knowledge-Based Systems, 2014,59: 33–47, 2014.

[35] 吕云云, 李旸, 王素格. 基于BootStrapping的集成分类器的中文观点句识别方法. 中文信息学报. 2013,27(5):84-92

[36] 陈鑫、王素格、廖健, 基于词语相关度的微博新情感词自动识别, 计算机应用,2016,36(2):424-427

[37] Suge Wang, Deyu Li, Lidong Zhao, Jiahao Zhang. Sample cutting method for imbalanced text sentiment classification based on BRC. Knowledge-Based Systems. 2013,37(2013):451–461.

[38] Xiangping Kang, Deyu Li, Suge Wang, Kaishe Qu. Rough set model based on formal concept analysis. Information Sciences. 2013,222(10):611-625.

[39] 李亚红、王素格、李德玉, 使用多元语义特征的评论文本主题聚类, 计算机工程与应用, 02期, pp188-193, 2013/1/15

[40] 张彩琴、王素格、乔磊, 基于Co-training训练CRF模型的评价对象识别, 计算机应用与软件, 36(09), pp32-34, 2013/9/15

[41] Xiangping Kang, Deyu Li, Suge Wang, Kaishe Qu. Formal concept analysis based on fuzzy granularity base for different granulations. Fuzzy Sets and Systems. 2012,203:33–48.

[42] 王素格, 尹学倩, 李茹, 张杰. 基于非完备信息系统的评价对象情感聚类. 中文信息学报. 2012,26(4):98-108

[43] 王素格, 吴苏红. 基于依存关系的旅游景点评论的特征-观点对抽取. 中文信息学报. 2012,26(3):116-121

[44] 王素格, 尹学倩, 李茹, 张杰. 基于非完备信息系统的评价对象情感聚类. 中文信息学报. 2012,26(4):98-108

[45] 王素格, 吴苏红. 基于依存关系的旅游景点评论的特征-观点对抽取. 中文信息学报. 2012,26(3):116-121

[46] Xiangping Kang, Deyu Li, Suge Wang (王素格). A multi-instance ensemblelearning model based on concept lattice. Knowledge-Based System, 2011, 24(8): 1203-1213.

[47] 王素格, 李德玉, 魏英杰. 基于赋权粗糙隶属度的文本情感分类方法. 计算机研究与发展. 2011,48(5):855-861.

[48] Suge Wang, Deyu Li, Songxiao Song, Yingjie Wei, Hongxia Li. A feature selection method based on improved fisher’s discriminant ratio for text sentiment classification. Expert Systems with Applications. 2011,38(2011):8696-8702.

[49] 宋晓雷, 王素格, 李红霞. 基于概率潜在语义分析的词汇情感倾向判别. 中文信息学报. 2011,25(2):89-93

[50] 冯淑芳, 王素格. 面向观点挖掘的汽车评价本体知识库的建立. 计算机应用与软件, 2011,28(5): 45-47,105

[51] 李银花, 王素格. 文本褒贬倾向判别研究. 计算机工程与应用, 2011, 47(18): 160-162,230

[52] Suge Wang, Hongxia Li, Xiaolei Song. Automatic Semantic Role Labeling for Chinese Comparative Sentences Based on Hybrid Patterns, In Proceedings of 2010 International Conference on Artificial Intelligence and Computational Intelligence, 2010:378-382

[53] 王素格, 杨安娜. 基于混合语言信息的词语搭配倾向判别方法. 中文信息学报. 2010,24(3): 69-74

[54] 宋晓雷, 王素格, 李红霞. 面向特定领域产品评价对象自动识别研究. 中文信息学报.2010, 24(1):89-93

[55] 王素格, 宋晓雷, 李红霞. 基于领域知识的问答对自动提取方法. 计算机工程与应用, 2010,19(1):214-216,223

[56] 王素格, 李德玉, 魏英杰, 宋晓雷. 基于同义词的词汇情感倾向判别方法. 中文信息学报, 2009,23(5):68-74

[57] 王素格, 杨安娜, 李德玉. 基于汉语情感词表的句子情感倾向分类研究.计算机工程与应用, 2009,45(24):153-155,161.




[1] 国家自然科学基金重点项目子课题:社交媒体中文本情感语义计算理论和方法(No.61632011). 2017.1-2021.12. 主持人

[2] 国家自然科学基金面上项目:面向产品评论的隐式情感建模理论与方法研究(No. 61573231). 2016.1-2019.12. 主持人

[3] 国家自然科学基金面上项目:基于文本观点挖掘的多对象评级理论与方法研究(No.61175067). 2012.1-2015.12. 主持人

[4] 国家自然科学基金面上项目:基于多层次语言粒度的文本情感分类研究(No.60875040). 2009.1-2011.12. 主持人

[5] 山西省重点研发计划项目:山西旅游大数据智能化应用关键技术研究(No. 201803D421024). 2018.12-2021.12. 主持人

[6] 山西省科技基础条件平台计划项目: 文本情感分析技术开放与资源共享平台(No. 2015091001-0102). 2015.1-2016.12. 主持人

[7] 山西省科技攻关计划项目(工业): 基于Web评论文本的企业产品信誉分析系统(No. 20110321027-0). 2011.1-2013.12. 主持人

[8] 山西省研究生教育专项科研: 中文信息处理研究生创新人才培养探索与实践. 2011.1-2013.12. 主持人

[9] 山西省自然科学基金项目: 基于web的文本情感分类关键技术研究(2007011042). 2007.1-2009.12. 主持人

[10] 山西省高校科技开发项目: 文本流派分类及其在信息安全中的应用研究. 2006.1-2006.12. 主持人

[11] 山西省自然科学基金青年项目; 当代汉语词语知识自动获取技术. 2003.1-2004.12. 主持人

[13] 国家自然科学基金重点项目:面向大数据的粒计算理论与方法(No.61432011). 2015.1-2019.12. 参与

[14] 国家高技术研究发展计划(863计划): 语言问题求解和答案生成关键技术及系统(No. 2015AA015407). 2015.1-2017.12. 参与

[15] 国家自然科学基金面上项目:面向混合数据的粒度计算理论与方法研究(No.60970014). 2010.1-2012.12. 参与