检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

50 篇 期刊文献
42 篇 学位论文

馆藏范围

92 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

64 篇 工学
- 57 篇 计算机科学与技术...
- 51 篇 软件工程
- 13 篇 控制科学与工程
- 4 篇 仪器科学与技术
- 4 篇 安全科学与工程
- 2 篇 机械工程
- 1 篇 电气工程
- 1 篇 电子科学与技术（可...
- 1 篇 信息与通信工程
- 1 篇 环境科学与工程（可...
- 1 篇 网络空间安全
31 篇 管理学
- 24 篇 管理科学与工程(可...
- 9 篇 图书情报与档案管...
- 1 篇 工商管理
9 篇 文学
- 6 篇 新闻传播学
- 1 篇 外国语言文学
8 篇 经济学
- 7 篇 应用经济学
- 1 篇 理论经济学
6 篇 理学
- 4 篇 数学
- 3 篇 统计学（可授理学、...
4 篇 教育学
- 3 篇 教育学
- 1 篇 体育学
2 篇 医学
- 1 篇 药学(可授医学、理...
2 篇 艺术学
- 1 篇 戏剧与影视学
- 1 篇 设计学（可授艺术学...

主题

92 篇 word2vec模型
10 篇 lda主题模型
7 篇 textrank算法
7 篇 lda模型
6 篇 词向量
6 篇 深度学习
6 篇 文本分类
5 篇 主题识别
4 篇 tf-idf算法
4 篇 文本表示
4 篇 卷积神经网络
3 篇 推荐系统
3 篇 bert模型
3 篇 注意力机制
3 篇 主题演化
3 篇 主题模型
2 篇 关键词抽取
2 篇 短文本分类
2 篇 在线评论
2 篇 共现矩阵

机构

3 篇 华中师范大学
3 篇 曲阜师范大学
3 篇 华北理工大学
3 篇 东华大学
3 篇 辽宁工程技术大学
2 篇 贵州师范大学
2 篇 景德镇陶瓷大学
2 篇 清华大学
2 篇 河北省光电信息与...
2 篇 对外经济贸易大学
2 篇 昆明理工大学
2 篇 山东工商学院
2 篇 中国海洋大学
2 篇 南京邮电大学
2 篇 河北地质大学
2 篇 广东工业大学
2 篇 湘潭大学
2 篇 哈尔滨工程大学
1 篇 长安大学
1 篇 江西中医药大学

作者

2 篇 闫思琦
2 篇 郑泽
2 篇 李雪山
2 篇 liu pengpeng
2 篇 赵占芳
2 篇 zhao zhanfang
2 篇 li xueshan
2 篇 卫红敏
2 篇 肖元君
2 篇 刘鹏鹏
1 篇 冯仁君
1 篇 孟肖童
1 篇 彭启宁
1 篇 舒珏淋
1 篇 苗震
1 篇 袁克海
1 篇 wang lei
1 篇 wu guowen
1 篇 唐焕玲
1 篇 卢昕

语言

92 篇 中文

检索条件"主题词=Word2vec模型"

共 92 条记录，以下是51-60 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于深度学习文本特征提取的聚类算法研究

基于深度学习文本特征提取的聚类算法研究

引用

作者：刘鼎立桂林电子科技大学

学位级别：硕士

随着信息技术的飞速增长,网络全球化给人们带来的好处也愈加丰富,大量的英文文本携带着众多重要信息出现在种类繁多的资源当中,这些海量文本信息数据具有深度挖掘的价值,对于社会发展有着非常重要的意义。为了使得信息能够更准确地被捕... 详细信息

随着信息技术的飞速增长,网络全球化给人们带来的好处也愈加丰富,大量的英文文本携带着众多重要信息出现在种类繁多的资源当中,这些海量文本信息数据具有深度挖掘的价值,对于社会发展有着非常重要的意义。为了使得信息能够更准确地被捕捉,文本挖掘技术应运而生,这其中聚类算法在过滤信息和整合文本等方面具有很好的应用前景。通过对这些网络信息数据进行合理适当地聚类,可以更好地抓住当前世界的发展动态,掌握最新的发展趋势。但是英文文本具有维度高、特征稀疏、同义词多等特点,在使用现有的文本特征提取模型和文本聚类算法进行研究分析时,通常无法学习到文本词语之间的关联性以及上下文语义之间的延续性,进而造成了文本聚类精度和效率较低的问题。本文针对解决文本特征稀疏问题,改善文本聚类效果,对文本的特征提取模型和聚类算法进行了改进与提高,主要工作如下:1.提出一种基于word2vec模型改进传统卷积神经网络的文本聚类算法。该算法使用网络中的英文新闻数据集作为实验数据,利用word2vec模型学习文本词语之间隐含的语义联系,将文本转换成原始词向量的表达形式。接着通过增加空洞卷积层以及调整卷积核个数改进卷积神经网络的方法对原始词向量进行特征提取,有效增大了特征提取过程中的感受野,得到更具有代表性和低维的文本特征向量。最后使用优化后K-means聚类算法实现对文本特征的聚类分析。通过实验论证了该算法的有效性和优越性。2.提出一种结合ECA注意力机制的LSTM-CNN文本特征提取算法对文本特征向量进行提取。该算法首先在LSTM网络中利用门控措施控制神经网络的输出,保留住那些需要长时间记忆的信息特征,摒弃那些不需要传递的信息特征。接着通过添加ECA注意力机制赋予关键文本特征更高的影响力权重进而突出它们的表达作用。其中使用的一维稀疏矩阵代替了传统注意力机制中的全连接模型,大幅度地降低了网络中的相关计算参数,同时也避免了传统注意力机制中因为维度缩减对特征所产生的不必要预测。最后经过卷积神经网络进行二次特征提取后,使用结合RWMD相似度距离的K-means聚类算法对所提算法进行聚类研究。经过实验论证,聚类效果得到了有效的提高。

关键词：文本聚类 word2vec模型卷积神经网络 LSTM网络注意力机制 K-means 深度学习

来源：评论

学校读者我要写书评

暂无评论

基于神经网络的新零售企业商品智能推荐机制及应用研究

基于神经网络的新零售企业商品智能推荐机制及应用研究

引用

作者：李婷西安建筑科技大学

学位级别：硕士

在零售领域,传统的商业模式已经无法满足用户的需求,因此,一种新型的商业模式-电子商务就产生了,人们的购物习惯逐渐向互联网转变。然而,随着电子商务的快速发展,各类信息层出不穷,用户无法从中快速获取到感兴趣的信息。对于各类购物平... 详细信息

在零售领域,传统的商业模式已经无法满足用户的需求,因此,一种新型的商业模式-电子商务就产生了,人们的购物习惯逐渐向互联网转变。然而,随着电子商务的快速发展,各类信息层出不穷,用户无法从中快速获取到感兴趣的信息。对于各类购物平台,商家也无法获取用户的偏好并为其提供个性化推荐服务。因此,如何利用推荐系统从海量的商品数据中发现有用的信息成为一个重要的课题。当前大多数算法主要利用用户对物品的行为进行推荐,普遍存在矩阵稀疏、推荐精度较低的问题。针对这些问题,本文提出了以下几点改进:(1)针对传统算法存在矩阵稀疏和冷启动的问题,研究并提出了融合商品特征的协同过滤推荐算法。首先,采用方差分析法、互信息法等来进行商品特征的选择;其次,基于word2vec模型构建商品特征向量,计算基于商品特征的相似度矩阵;最后,优化传统协同过滤算法计算商品相似度的方式,将基于商品特征与基于协同过滤的相似度矩阵线性结合。实验结果表明,改进算法一定程度提高了推荐结果的准确率和召回率。(2)针对传统推荐算法存在利用辅助信息的不充分问题,研究并提出了基于神经网络的特征融合推荐模型。首先,使用独热编码构建特征向量;其次,利用神经网络嵌入层得到低维稠密的特征表示;最后,构建特征融合推荐模型,以用户特征矩阵和项目特征矩阵的乘积表示用户对项目的预测评分。实验结果表明,提出模型在均方误差、均方根误差和平均绝对误差等评价指标上均有所提高。(3)设计并实现了新零售企业商品智能推荐系统,为用户提供智能推荐服务。综上,本文主要研究了融合商品特征和基于神经网络的推荐算法,并设计实现了基于上述算法的推荐系统,为用户提供个性化推荐服务,提高了用户满意度。

关键词：推荐系统协同过滤特征提取 word2vec模型神经网络

来源：评论

学校读者我要写书评

暂无评论

融合评分的深度学习推荐算法

融合评分的深度学习推荐算法

引用

作者：詹明臻广东工业大学

学位级别：硕士

随着分布式计算、人工智能、云计算等技术的迅速发展,各类网络服务的应用使数据规模与信息体量呈现指数级增长,推荐系统及其相关技术逐渐成为处理“信息过载”的重要工具。推荐系统需要记录用户交互行为中的显式行为或隐式行为,发掘出... 详细信息

随着分布式计算、人工智能、云计算等技术的迅速发展,各类网络服务的应用使数据规模与信息体量呈现指数级增长,推荐系统及其相关技术逐渐成为处理“信息过载”的重要工具。推荐系统需要记录用户交互行为中的显式行为或隐式行为,发掘出用户的偏好特征,然后产生符合用户偏好的物品推荐列表。由于传统的推荐系统主要通过人工或浅层模型提取用户或者物品的特征,因此传统方法难以获取用户或者物品的深层次表达。此外,传统的推荐系统在分析用户的偏好特征时,忽略了用户偏好会因时间而发生动态变化。针对以上问题,本文进行的研究工作如下:首先,本文采用word2vec模型对输入序列中的物品进行表征,并使用循环神经网络预测用户下一时刻交互的物品,提出W-LSTM的推荐模型。由于用户的历史行为之间具有上下文关系,可以使用word2vec框架对具有前后联系的用户行为进行建模,生成低维、稠密的物品词向量,并获取用户行为之间隐藏的语义关系,使循环神经网络在预测用户下一时刻点击的物品时有更好的表现。其次,在电影推荐任务中,为了使循环神经网络关注用户偏好的流派特征和部分重要的行为,本文构建了基于评分注意力机制并融合流派特征的GE-RA-LSTM模型。为了关注用户偏好的流派信息,模型在输入部分将电影的流派特征与电影词向量拼接。此外,为了关注用户的部分重要行为,模型将评分-逆物品频率与注意力机制相结合,使模型注重用户历史序列中的高分电影和冷门电影,挖掘出用户的独特偏好。GE-RA-LSTM模型不仅实现了挖掘用户的动态偏好,还可以为用户推荐更感兴趣的电影,同时增大了冷门电影的推荐力度。最后,本文将上述模型在Movie Lens-10M数据集中进行验证。实验结果表明,W-LSTM模型由于使用word2vec对用户历史序列的电影进行表征,在准确性和覆盖率等推荐指标上比随机初始化电影词向量的模型有一定的提升,并大幅度缩短模型的训练时间;在模型的输入部分引入一定数目的流派个数,可以使推荐的准确性进一步提升;使用评分注意力机制的GE-RA-LSTM模型在覆盖率指标上比使用注意力机制的推荐模型有较大提升。与传统推荐算法相比,本文提出的W-LSTM和GE-RA-LSTM模型都具有更好的推荐效果。综上所述,word2vec通过提取用户行为的上下文联系,可以对物品进行更好的表征。如果模型考虑用户偏好流派的影响,可以提升推荐结果的准确性。此外,在模型中引入评分注意力机制,可以使模型关注用户部分重要行为,挖掘用户独特偏好,从而提升推荐性能。

关键词：推荐算法 word2vec模型评分偏好注意力机制流派特征

来源：评论

学校读者我要写书评

暂无评论

基于随机森林的影评甄别分析与应用

基于随机森林的影评甄别分析与应用

引用

作者：王丽亚湘潭大学

学位级别：硕士

互联网电影评论数据的推荐分析是促进电影业发展的一条新途径,电影评论网站的快速发展也从中起到了积极的推动作用。有效的电影评论能够帮助观众更加快捷和准确地了解电影的相关信息。但是,互联网的电影评论信息应用存在甄别较难、分类... 详细信息

互联网电影评论数据的推荐分析是促进电影业发展的一条新途径,电影评论网站的快速发展也从中起到了积极的推动作用。有效的电影评论能够帮助观众更加快捷和准确地了解电影的相关信息。但是,互联网的电影评论信息应用存在甄别较难、分类参考不明确等问题。这对于大多数的用户来说,很难从中挑选出有用的电影评论作为参考。因此,本文运用机器学习算法对电影评论数据建立二分类模型,为用户甄别出有效的电影评论作为参考,具有一定实际应用意义。本文面向电影评论数据的甄别问题展开分析应用研究。应用LDA(Latent Dirichlet Allocation)模型方法从电影评论数据中提取出与电影实质内容评价相关的电影特征词,并结合word2vec模型计算出电影特征词的语义相似度,以此扩展电影特征词集合。结合豆瓣网站的影评特点和常见的电影基础风格分类,从电影评论文本内容、电影评论元数据和电影特征词三方面出发选取本文的电影评论特征,分别是文本长度、句子数量、平均句子长度、文本相似度、评分差异、评论时效、评论倾向、电影特征词数量、句平均电影特征词数量以及句电影特征词权重,并讨论了对应的特征提取方法。将豆瓣网站获取的电影评论数据作为本文的实验数据进行应用分析,对其采用随机森林构建电影评论分类模型。通过利用不同特征组合来构建基于随机森林的电影评论分类模型,结合准确率、查准率、召回率以及F值四方面的对比,验证了本文提取出的电影评论特征的有效性,并进一步分析电影评论特征对于电影评论分类模型的影响。同时,把基于随机森林构建的电影评论分类模型与其他分类模型进行对比分析,验证了该模型在电影评论分类上的有效性。

关键词： LDA模型 word2vec模型特征提取随机森林

来源：评论

学校读者我要写书评

暂无评论

基于主题模型的个性化文献推荐方法研究

基于主题模型的个性化文献推荐方法研究

引用

作者：袁聪慧沈阳工业大学

学位级别：硕士

互联网技术的快速发展带来学术文献的指数型增长,如何从海量文献语料库中获取潜在有价值的相关文献,已成为当前科学研究急需要解决的问题。基于主题模型的学术文献推荐可以发现不同领域语料库中潜在的语义结构,通过挖掘用户个性化需求... 详细信息

互联网技术的快速发展带来学术文献的指数型增长,如何从海量文献语料库中获取潜在有价值的相关文献,已成为当前科学研究急需要解决的问题。基于主题模型的学术文献推荐可以发现不同领域语料库中潜在的语义结构,通过挖掘用户个性化需求从海量文献语料库中自动筛选出相关文献,其中主题模型作为对大量文献进行语义检索、目标分类的必要工具,目前仍然存在两方面问题,一方面,主题模型作为一种概率模型忽略了词之间隐含的语义信息并使词间无序,且主题分布受高频词影响较大,从而影响抽取的主题语义连贯度;另一方面,主题模型抽取的主题并不具备时效性,且用户兴趣偏好会随时间流逝发生变化,对用户进行文献的个性化推荐,也是需要解决的研究重点。基于以上问题,本文结合语义图、word2vec词嵌入和时间因子对LDA主题模型进行改进,构建了基于动态词嵌入的加权主题模型。首先将论文发表时间作为该论文的时间戳,使后续主题生成能随时间平滑变化;其次通过TF-IDF抽取特征词并构建一个带权的有向语义图,归一化计算节点加权度,修正LDA建模时的特征词权重,从而使词间有序并提高关键词的重要度;最后结合word2vec词嵌入模型将LDA生成的主题-词分布表示为主题-词嵌入空间分布,使主题能够在嵌入空间中表示,并增强了上下文的语义关联性。实验结果表明,本文改进的主题模型分类效果较好,且PMI值明显高于ETM、TF-LDA模型。基于前述改进的主题模型,本文结合用户兴趣偏好实现了文献列表的Top-n个性化推荐。首先以用户检索词为输入,在语义图中寻找相似词节点并查找对应的一阶邻居节点词,以潜在相似词及其邻居点查找潜在主题进而召回初始文献列表。然后针对用户历史文献偏好,引入时间遗忘曲线消除时间因素对用户兴趣的影响,构建用户兴趣向量,对初始文献列表重新排序得到Top-n文献个性化推荐。实验结果表明此推荐能提供更高的精准度、召回率和F1-Score。

关键词：文献推荐 LDA主题模型 word2vec模型语义图时间遗忘曲线

来源：评论

学校读者我要写书评

暂无评论

融入语义信息的作者耦合分析及科研团队发现研究 ——以国内图情领域为例

融入语义信息的作者耦合分析及科研团队发现研究 ——以国内图情...

引用

作者：孟肖童曲阜师范大学

学位级别：硕士

随着科学技术的日新月异,学者们面临着更多的机遇和挑战,在多数科研场景下,单打独斗已经难以驾驭复杂的科学研究任务,而是需要集结知识结构多样、优势相互补充的科研人才组成科研团队,共同攻克科研难题。因此,如何采用科学方法精准地识... 详细信息

随着科学技术的日新月异,学者们面临着更多的机遇和挑战,在多数科研场景下,单打独斗已经难以驾驭复杂的科学研究任务,而是需要集结知识结构多样、优势相互补充的科研人才组成科研团队,共同攻克科研难题。因此,如何采用科学方法精准地识别并发现科研团队变得至关重要。作者耦合分析是针对此需求的一种重要研究方法。该方法通过分析作者之间的引用关系,识别出研究方向相近的作者,并将其视为一个作者团队或合作网络。然而,传统的作者耦合分析主要依赖于统计分析作者发表文章的参考文献来发现作者研究方向之间的关联性,这种以简单计数作为关联基础的计算方式存在固有的局限性。一方面,作者的引文动机复杂多样;另一方面,作者获取信息的外部条件、方式以及阅读偏好也各不相同。在这样的大背景下,如何提升作者耦合分析的精确度,以满足科研团队发现的需求,成为本领域的一个重要研究课题。因此,本文基于图书情报与数字图书馆领域核心期刊数据,对提升作者耦合分析效果的方法进行了深入研究,研究目的在于通过改进方法精准挖掘该领域核心科研作者团队,为未来的合作提供潜在伙伴,从而为科学研究注入新的活力和思路。本研究旨在提升作者耦合分析方法的效果,选取图书情报与数字图书馆为实证研究领域。首先,通过分析2018至2022年五年间国内18本图情领域核心期刊的发文数据,利用普赖斯定律与综合指数法确定本领域核心作者共计129位,再通过VBA代码计算核心作者间的耦合强度,并以此为基础构建了一个核心作者耦合矩阵。通过对该矩阵进行可视化处理直观地剖析网络的结构特征。其次,本研究依托LDA主题模型对核心作者进行了主题词提取,并运用word2vec语义模型将主题词进行向量化处理。通过赋权的方式,将包含作者研究主题的相似性矩阵与耦合矩阵进行叠加,并对比融合前后所形成网络的网络密度以及小团体形成情况的变化。最后,通过社会网络分析与K-means聚类方法,成功发现了图书情报与数字图书馆领域基于科研协作关系的虚拟科研团队。本研究的创新之处在于改进了传统作者耦合分析的粗粒度表示,将作者耦合分析与文献主题语义信息融合,从而提高了科研团队发现的准确性和全面性。该研究不仅有助于揭示团队内部的合作模式和研究方向,更能推动科研团队的形成和发展,进而促进领域内的科研进步和创新。通过这一方法的运用,本研究期望能够为科研团队的建设和学科发展提供更为精准和有力的支持。

关键词：主题语义作者耦合分析科研团队发现 word2vec模型社会网络分析

来源：评论

学校读者我要写书评

暂无评论

电子商务用户反馈信息的可视化研究——以智能手机产品为例

电子商务用户反馈信息的可视化研究——以智能手机产品为例

引用

作者：严立军华南理工大学

学位级别：硕士

随着电子商务的普及,越来越多的用户选择网络购物。数据显示,中国的电子商务交易量已经达到万亿的级别,而每次的交易都会产生相应的评价数据,这就造就了海量的电子商务用户反馈文本信息数据。就电子商务领域而言,评价的反馈信息在用户... 详细信息

随着电子商务的普及,越来越多的用户选择网络购物。数据显示,中国的电子商务交易量已经达到万亿的级别,而每次的交易都会产生相应的评价数据,这就造就了海量的电子商务用户反馈文本信息数据。就电子商务领域而言,评价的反馈信息在用户购买决策中扮演着举足轻重的作用,用户需要浏览大量的评论数据来判断商品的实际信息。在海量且以文字描述为主的评论数据背景下,用户浏览商品评论时会遇到以下现象:1、评论数据量过大,用户无法有效地浏览全部评价反馈信息,因此造成信息获取不全面的问题;2、面对大量的文本数据,用户要筛选出有效的信息需要耗费大量精力和时间,这会导致信息获取效率低下的问题;3、评论数据中夹杂着大量的无效评论信息,这对用户筛选有效评论造成了很大的干扰障碍。基于上述出现的潜在问题,这都可能引起用户在购物时做出错误的决策。针对上述问题,本文提出信息可视化的方案来解决用户在获取商品评论信息反馈数据过程中遇到的障碍。本文首先进行用户研究,挖掘用户在浏览评论过程中遇到的问题以及掌握用户获取信息的预期目标。然后采用网络爬虫从某电商平台抓取数据并分析数据,接着对数据进行结构化处理,并分为基础数据和文本数据。针对文本数据采取自然语言处理技术进行语义分析,再用word2vec深度学习模型对文本语料进行训练,得出可直接用于可视化的文本数据。最后本文以采用Pyecharts绘图工具为主,结合Matplotlib可视化工具,对结构化处理之后的数据进行映射,得到最终的可视化图表。在信息可视化图表的评估阶段,本文以移动端App界面为载体来对可视化图表进行设计并实验测试。根据用户体验设计的方法来对可视化界面进行设计,然后采用可用性测试的研究方法来验证可视化图表的有效性及用户满意度,将最终的评估结果反馈于可视化图表的设计中,再进行迭代改进。本文提出信息可视化的解决方案有效地降低了用户浏览文本信息的成本和提升了获取评论信息的效率,使得购物流程趋于快速高效,在最终的评估结果中获得了较高的评分。同时,本课题属于交叉领域学科研究,有效地综合了电子商务、数据处理、信息可视化、NLP以及设计等多重领域的应用来解决大数据时代下的新兴问题。

关键词：信息可视化 word2vec模型电子商务用户体验设计

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的药物—靶蛋白相互作用预测研究

基于深度学习的药物—靶蛋白相互作用预测研究

引用

作者：郑婕景德镇陶瓷大学

学位级别：硕士

药物-靶蛋白相互作用(DTIs)的研究在基因组时代的药物发现和发展过程中起着至关重要的作用。用计算机预测DTIs能加速先导药物的发现,能弥补用单一湿式实验来确定所有可能关系耗时和昂贵的缺点。虽然近年来基于最新的智能算法提出了许多... 详细信息

药物-靶蛋白相互作用(DTIs)的研究在基因组时代的药物发现和发展过程中起着至关重要的作用。用计算机预测DTIs能加速先导药物的发现,能弥补用单一湿式实验来确定所有可能关系耗时和昂贵的缺点。虽然近年来基于最新的智能算法提出了许多先进的DTIs预测器,但在实际应用中还需要进一步研究、改进。本文采用以药物、靶蛋白序列为输入来判别DTIs,通过大量实验研究了基于深度学习算法的药物、靶蛋白表征方法与相互作用特征提取方法,主要内容如下:1)构建了名为“i CDI-W2v Com”的药物-离子通道靶蛋白预测器。离子通道是第二大药物靶标家族,如果离子通道功能出现障碍可导致多种疾病,比如阿尔茨海默病、癫痫、偏头痛和II型糖尿病。许多基于离子通道序列的预测器被开发出来,但预测结果并不令人满意,而且大多数预测器没有提供网页服务器。在“i CDI-W2v Com”预测器中,药物化合物的特征由SMILE-word2vec、FP2-word2vec、SMILE-Node2vec和ECFP四种特征表示法组成的1184D向量表示;离子通道由通过word2vec编码的64D向量组成,相比先前工作,本文实验发现先用氨基酸的AAindex指数编码单词(三个连续氨基酸的组合)能获得更好的词向量表征;最后使用Light GBM作为决策模型。i CDI-W2v Com通过5折叠交叉验证获得的准确率和AUC分别为91.95%和97.21%,预测结果优于在该数据集上实验的其他预测器。基于“i CDI-W2v Com”我们建立了一个用户友好的网页服务器,网址为:http://121.36.221.79/icdiw2v/。2)基于BERT模型构建了泛化性能良好的“DTI-BERT”预测器。新一代大规模预训练模型为序列表征提供了更为出色的模型框架,这也为提高基于序列的DTIs判别准确率带来了突破机遇。对于靶标蛋白,我们使用经过预训练的BERT模型生成靶蛋白的表征矩阵,此方法能深度挖掘序列信息、提取出更多模式特征;对于药物分子,在试验了许多先进特征提取算法的基础上,发现基于小波变换从药物分子指纹中提取信息效果最好;两种分子的特征向量被拼接到一起,然后送入BRL模块(数据处理、映射模块)和CNN模块进一步提取DTIs的相互作用特征。在神经网络的训练中,为了提升正负样本的辨识度,采用了对比损失函数和交叉熵函数对模型的参数进行优化。“DTI-BERT”模型在GPCRs、离子通道、酶和核受体的DITs识别上获得了良好的准确率,分别达到90.1%,94.7%,94.9%和89%。为了尽可能方便实验科学家们使用,我们发布了一个用户友好的网站:http://121.36.221.79/dtibert/,提出的方法也可用于预测其他药物-蛋白相互作用。

关键词：药物-靶蛋白相互作用深度学习 word2vec模型 BERT模型

来源：评论

学校读者我要写书评

暂无评论

基于主题与情感动员相互作用下的微博舆情演化机制研究

基于主题与情感动员相互作用下的微博舆情演化机制研究

引用

作者：王琳炜广西大学

学位级别：硕士

在微博舆情演化中,事件主题与网民情感是非常重要的影响因素,同时也是近几年研究中被认为影响较大的演化参数与重要的舆情治理环节。在网络舆情治理中,若随事件主题发生变化的网民情感得不到较好的引导与控制,会引发舆论风暴,使得舆情... 详细信息

在微博舆情演化中,事件主题与网民情感是非常重要的影响因素,同时也是近几年研究中被认为影响较大的演化参数与重要的舆情治理环节。在网络舆情治理中,若随事件主题发生变化的网民情感得不到较好的引导与控制,会引发舆论风暴,使得舆情治理难上加难。因此本文从内容层面深入挖掘微博舆情演化过程,根据主题与情感动员的相互作用预测舆情变化,帮助政府及利益相关者快速应对舆情。在对网络舆情主题与情感动员、舆情演化机制及情感整饬理论相关文献进行梳理的基础上,以舆情演化机制为研究对象,通过操作化定义“宇芽被家暴”事件中的情感动员策略模式后,经过数据采集、处理与word2vec模型建构等步骤识别微博文章主题特征,再利用情感词典识别微博文章评论中的情感动员策略,最后将微博文章主题特征与对应评论的情感动员策略进行合并分析,最终得到两者变化对舆情演化机制的影响。研究得出主题与情感动员之间不存在直接的联系,而是通过情绪作为两者的关联纽带产生关联。在进行了情绪与主题、情绪与情感动员的双线逻辑分析后,最终得到两者在舆情演化中呈现正向演进、负向牵制的逻辑关系。主题作用下的情感动员变化表明微博舆情中事件的社会性质、情感线路会影响网民的行为以致影响舆情发展;情感动员作用下的主题变化表明当网民表达自我和寻求集体归属的需求被满足时往往会采取情感动员的方式进行,主题的变化往往是情感动员策略选择的重要依据。由此,构建以主题与情感动员为切入口的舆情应对机制是网络舆情治理的新途径,以便帮助政府及利益相关者快速地应对舆情。

关键词：主题识别情感动员策略 word2vec模型微博舆情

来源：评论

学校读者我要写书评

暂无评论

电商在线评论有用性排序模型研究

电商在线评论有用性排序模型研究

引用

作者：邓新洁杭州电子科技大学

学位级别：硕士

根据中国互联网络信息中心发布的《第42次中国互联网络发展状况统计报告》显示,全国网上零售额在2018年上半年已达4.08万亿元,同比增长超过30%。与实体购物不同,消费者在网络购物时需要在线获取商品信息并做出购物决策,在线评论所传递... 详细信息

根据中国互联网络信息中心发布的《第42次中国互联网络发展状况统计报告》显示,全国网上零售额在2018年上半年已达4.08万亿元,同比增长超过30%。与实体购物不同,消费者在网络购物时需要在线获取商品信息并做出购物决策,在线评论所传递的信息也尤为重要。但随着电子商务规模的不断扩大,在线评论呈现出数量大、内容杂和质量参差不齐等特点。由此,如何快速从在线评论中提取有效信息成为了一个亟待解决的问题。本文以淘宝网为研究实例,对评论文本特征抽取及电商网站排序模型指标选取展开了深入研究。首先,提出了评论属性特征及评论情感特征两种特征抽取方法。针对如何从海量评论中便捷及正确的挖掘有效信息的问题,本文从电商在线评论文本挖掘方面入手,借助word2vec模型及HowNet情感词典,对传统评论文本特征抽取方法进行了优化。其次,提出了电商在线评论有用性排序模型。针对现有电商网站排序模型指标选取不够全面和评论排序质量不佳的问题,本文从影响在线评论有用性的两大因素入手,分别从评论信息源和评论信息质量两方面,结合消费者在浏览评论时的关注点及电商在线评论自身特性,共选取七项指标构建有用性排序指标体系。本文以此为基础,结合模糊层次分析法计算各指标权重并实现排序模型的构建。本文研究成果表明,针对搜索型商品和体验型商品,该模型均能快速筛选出优质评论,同时评论阅读者的感知结果也优于传统电商平台排序。本文提出的排序模型对提高消费者的评论阅读效率,并辅助其做出购买判断具有重要作用。

关键词：电商在线评论评论特征 word2vec模型模糊层次分析评论排序

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共10页 << < 1 2 3 4 5 6 7 8 9 10 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：