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61-70 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：

研究主题成熟度分析方法及比较研究 ——以“用户研究”主题为例

研究主题成熟度分析方法及比较研究 ——以“用户研究”主题为例

引用

作者：王晓璎曲阜师范大学

学位级别：硕士

大数据时代,文献数据快速增长,从科技文献资源中精准识别出学科领域的研究主题是当前研究人员了解领域研究现状的重要途径。研究主题作为科技文献资源的核心内容,不仅是表达研究成果的主轴,也是科研活动中科研组织和交流的基础,对科技... 详细信息

大数据时代,文献数据快速增长,从科技文献资源中精准识别出学科领域的研究主题是当前研究人员了解领域研究现状的重要途径。研究主题作为科技文献资源的核心内容,不仅是表达研究成果的主轴,也是科研活动中科研组织和交流的基础,对科技进步和知识传播至关重要。因此,面对爆炸式增长的文献数据与复杂多变的信息,精准识别并分析研究主题的成熟度是当前图情领域的热点问题。但现有研究一是从文献量的增长态势来分析主题成熟度,该方法计算结果受文献质量不高、文献数量少、文献发表偏好等的影响,而且忽视了文献的内容;二是从关键词共现角度分析主题成熟度,这种方法则存在多义词、关键词不规范的问题,尤其忽视了关键词的语义环境等。由此,本研究提出基于云模型和word2vec的两种主题成熟度分析方法,并通过实证研究对比分析了两种方法在理论与实际应用中的差异和应用特点,以期为主题成熟度研究提供新的思路。本研究的主要内容是:(1)提取用户研究领域2018-2022年文献,并通过主题模型抽取研究主题。(2)利用主题词权重值输入云模型,得到云图及期望、熵、超熵3个数字特征,根据云滴图形状,以超熵值平均值为划分标准分析主题成熟度。(3)利用word2vec模型实现主题词的向量化表示,利用余弦相似度计算各主题内和主题间的相似度,设计类内密度和类间向心度计算公式,通过战略坐标分析主题成熟度。(3)从方法原理、数据输出结果、方法适用性三个维度对比分析两种主题成熟度方法的优劣势。研究结果表明:从近五年“用户研究”的相关文献中提取到14个主题;基于云模型计算主题成熟度,发现成熟主题有10个,不成熟主题有4个;基于语义相似度计算主题成熟度发现成熟主题有8个,不成熟主题有6个。对比分析发现:云模型注重词的不确定性和模糊特征,word2vec模型更注重词的语义特征;在数据结果方面,后者的主题成熟度划分更为准确,其输出结果的可解释性更强;在方法的适用范围方面,word2vec模型的适用性更广,可单独使用,也可结合其他方法使用。综上,基于word2vec模型更为合适分析主题成熟度。

关键词：研究主题成熟度云模型 word2vec模型

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的文本分类算法

基于机器学习的文本分类算法

引用

作者：朱英龙西安科技大学

学位级别：硕士

作为处理文档的重要方式,文本分类在信息处理、新闻分类、舆情监测、文档的自动分类等方面中起着重要作用。最近几十年,机器学习的理论和方法得到了完善和充实,将相关理论和成果应用到文本分类中获得了大量的研究成果。但是在大数据时... 详细信息

作为处理文档的重要方式,文本分类在信息处理、新闻分类、舆情监测、文档的自动分类等方面中起着重要作用。最近几十年,机器学习的理论和方法得到了完善和充实,将相关理论和成果应用到文本分类中获得了大量的研究成果。但是在大数据时背景下的文本数据具有数量大、无序、主题分布不均等特点,如何提高文本分类正确率是当前面临的挑战。文本分类需要进行特征选择、文本表示、分类器模型构建,而其中使用到的算法存在一些不足,因此本文将从这三个方面展开对文本分类算法的研究工作。(1)针对词频征选择算法在提取特征项时不考虑特征项与类别间的相关性问题,因此提出了一种基于词语相似度和词频混合特征的文本分类算法。该算法通过计算每一类文本所有的词条与对应类别特征项表中的特征项的相似度值,若计算的值大于预先设置的相似度值时给予保留作为内容,反之不保留。当计算所有文本集合中词条的相似度值之后,通过词频提取与类别相关性较强的特征子集,剔除对类别划分影响较大的特征项。实验验证了改进后算法的有效性。(2)针对传统的VSM存在维度过高、向量化表示非常稀疏、无法很好地表示文档的语义的问题,提出基于TF-IDF和word2vec改进的向量空间模型。该模型通过在预处理的文本集合上使用word2vec计算所有单词向量,并对从每个文档提取的特征项执行TF-IDF权重计算,最后通过结合特征项的权重和词向量将整个文本表示成空间向量。实验验证了改进后模型的有效性。(3)针对SoftMax回归线性模型最终产生的决策超平面属于线性模型,而文本分类具有非线性的特性,使用该模型分类会影响文本分类的宏F值问题,本文通过扩展类别属性Xn的平方项和互乘项得到非线性SoftMax回归文本分类算法,该算法将决策函数中的线性假设转化为非线性假设获得非线性模型。实验验证了改进后算法的有效性。

关键词：文本分类词频特征选择词语相似度 word2vec模型 SoftMax回归

来源：评论

学校读者我要写书评

暂无评论

基于在线聊天机器人的企业客服系统设计与实现

基于在线聊天机器人的企业客服系统设计与实现

引用

作者：周子豪华中科技大学

学位级别：硕士

在当今世界,企业间竞争不仅体现在产品质量与价格上,还表现在服务上。为提升客户满意率,增强市场竞争力,建立一个方便、高效、功能完善的企业客服系统是实现目标的重要方法。企业客服系统是在企业已有业务系统或者门户网站上嵌入客服聊... 详细信息

在当今世界,企业间竞争不仅体现在产品质量与价格上,还表现在服务上。为提升客户满意率,增强市场竞争力,建立一个方便、高效、功能完善的企业客服系统是实现目标的重要方法。企业客服系统是在企业已有业务系统或者门户网站上嵌入客服聊天功能模块,通过客服模块的开发和构建,可以为企业来访用户和客服人员提供在线沟通交流和即时信息咨询的平台。在线智能聊天机器人可以针对用户借助自然语言提出的庞大数量的相似或重复问题,进行知识库查询检索之后以较为精准和简单的结果回答,从而减少客服人力成本和提高客服工作效率。因此,对基于在线聊天机器人的企业客服系统的研究和实现具有很大的实用价值。以大型工单处理业务为背景,基于在线聊天机器人的企业客服系统的设计与实现的研究主要包括企业客服系统的架构和开发,以及在线聊天机器人关键算法的设计。所做工作主要是面向基于聊天机器人的企业客服系统,提出了由前端展示层、业务逻辑层、数据处理层以及数据存储和访问层组成的软件架构;分析系统需求,设计了在线聊天机器人、客服系统管理、人工客户服务、客服人员间沟通和移动端客户服务五个功能模块;运用了k-means算法与朴素贝叶斯算法相结合的分类算法进行文本分类,并改进了基于word2vec的语义分析相似度算法,使之与基于语序和词形相似度的结构分析相似度算法加权结合,进行问句的相似匹配。企业客服系统的开发采用B/S模式,使用了目前比较先进的开发框架或技术,如Spring Boot框架、Web Socket技术、非关系型数据库Redis等。对新技术的应用提高了系统的稳定性和可扩展性,保障了系统在当前互联网环境下的使用寿命。经测试,该系统聊天机器人模块在受限域回答准确率达78.5%,达到行业平均水平。系统首版本上线试运行之后,节约近50%的客服人力成本,加快了客服处理效率,收获了客户好评,具有较高商用价值。

关键词：客服系统聊天机器人朴素贝叶斯算法 word2vec模型

来源：评论

学校读者我要写书评

暂无评论

基于主题模型的科研热点态势分析

基于主题模型的科研热点态势分析

引用

作者：武璐璐电子科技大学

学位级别：硕士

近年来,随着科研工作者人数的迅速增长,学术文献数量与日俱增,这一现象使科研热点的发展趋势无法人为的跟踪和处理。研究科研热点的发展态势有利于科学研究者查找相关主题的材料;有利于学者们及时了解科研主题的发展状况;有利于企业科... 详细信息

近年来,随着科研工作者人数的迅速增长,学术文献数量与日俱增,这一现象使科研热点的发展趋势无法人为的跟踪和处理。研究科研热点的发展态势有利于科学研究者查找相关主题的材料;有利于学者们及时了解科研主题的发展状况;有利于企业科研投资决策和国家对科研工作的指导和鼓励。过去,一些科研学者通过简单的统计方式就关键词和文本中词频高的词来表示热点主题,然而这种方式不仅忽略了词之间的相似性,而且需要耗费大量的人力和时间成本。目前大部分科研热点问题的研究主体都是汉语文献,然而很多重要的科研成果都是以英文的方式呈现。为了更好的掌握并跟踪时下科研热点的发展状况,本论文针对SCI学术文献进行数据处理和分析:对数据进行清洗去噪、文本分词、去停用词、词根还原等工作;然后采用word2vec和LDA的主题模型分析技术对数据进行处理,提取科研热点主题及其主题词;最后将研究结果以可视化的方式呈现出来。本论文的主要研究工作如下:1)基于word2vec模型和LDA的主题模型分析实验数据。对LDA主题模型进行改进,引入word2vec词向量表示,将传统LDA模型的主题-词矩阵,变成主题-词向量矩阵,弥补了上下文语义信息缺失的不足,对文本数据进行相似度的度量。对主题最优数进行求解,将主题最优数问题转换为统计学问题,对主题最优数做了定量分析,采用F统计量对主题最优数进行计算。分别就主题强度、主题相似度和主题稳定性这三种形式度量主题的发展状态,通过困惑度指标对传统的LDA模型和本论文模型进行对比。2)科研热点可视化分析。采用三种方式来对科研热点的发展状况进行可视化展示,其中包括静态可视化方式:词云,动态可视化方式:主题河和TIARA(text insight via automated responsive analytics)。基于word2vec和LDA的主题模型,能够弥补LDA不考虑词与词之间相似性的不足,对主题和主题词的提取更加合理,而且本论文采用可视化的方式对提取的科研热点进行表示。这样做可以方便用户查找某个时间段的科研热点以及某一科研热点的发展态势等,方便科研工作者对科研热点的把握,国家对科研工作的支持和引导。

关键词： word2vec模型 LDA主题模型文本可视化科研热点

来源：评论

学校读者我要写书评

暂无评论

中文短文本自动摘要算法

中文短文本自动摘要算法

引用

作者：崔莹南京财经大学

学位级别：硕士

社交媒体平台,如微博、推特等,以其操作便利性、信息共享性、用户互动性、话题丰富性以及更新即时性等特征,吸引着大量的用户在平台上进行信息的发布与分享,同时社交媒体也成为用户获取信息的重要来源,为企业的营销与推广提供了语料和... 详细信息

社交媒体平台,如微博、推特等,以其操作便利性、信息共享性、用户互动性、话题丰富性以及更新即时性等特征,吸引着大量的用户在平台上进行信息的发布与分享,同时社交媒体也成为用户获取信息的重要来源,为企业的营销与推广提供了语料和契机。为了提升信息获取的全面性、多样性、准确性及效率,短文本自动摘要技术成为解决问题的核心技术之一。本文主要研究的是中文短文本摘录式摘要算法,综合考虑社交网络短文本的特点和基于聚类的文本自动摘要技术的优点,提出了适用于社交网络短文本的自动摘要算法。该类摘要的获取能够有效地过滤冗余信息和内容噪声,可以反映整个数据集各个侧面的关键信息,有利于企业战略决策和政府舆情控制等工作的开展,具有一定的现实意义[1]。首先,针对社交网络短文本文本长度较短、特征稀疏且上下文语义缺失的特点,本文提出借助词的外部语义来扩充词的语义信息,利用word2vec模型训练得到词向量,获得的词向量通过算术运算后仍具有语义上的联系,因此可以把对文本内容的处理简化为文本中词所对应的向量之间运算。其次,对词权重的计算,本文主要提出三类影响词权重的因素,词频、词的左右熵及词的覆盖率,借助TextRank的思路,通过构建影响力转移矩阵,重新设计词权重的计算方法。然后,结合词的权重和语义信息,本文提出新的短文本相似度计算方法,将短文本之间相似度计算的问题转化为“搬运优化”的思路解决,以提高短文本相似度计算的准确性。最后,本文提出将基于密度峰值的聚类算法应用到短文本集上,通过处理每个短文本的局部密度和到比它密度高的短文本的最短距离获得类簇的个数和聚类的中心,而后将所有的短文本分配到其所属的类簇。该方法只需迭代一次即可完成短文本集的聚类,有效地提高了聚类的效率与质量。根据词的权重来计算每个短文本的权重,将每个簇内的短文本根据权重进行排序,挑选各个簇内最重要的短文本组成摘要,保证摘要的覆盖面广、多样性强且冗余度少。

关键词：社交网络短文本自动摘要 word2vec模型词权重短文本相似度密度峰值聚类

来源：评论

学校读者我要写书评

暂无评论

基于评论文本的中小学在线教育平台满意度分析

基于评论文本的中小学在线教育平台满意度分析

引用

作者：翁好静曲阜师范大学

学位级别：硕士

随着互联网技术的发展,教育理念的变革,用户教育需求的升级和生活方式的转变,中小学在线教育的市场规模大幅度增长.尤其在2020年,受新冠肺炎疫情的影响,中小学延期开学,教育部发布“停课不停学”的通知,加速了中小学在线教育平台的发展... 详细信息

随着互联网技术的发展,教育理念的变革,用户教育需求的升级和生活方式的转变,中小学在线教育的市场规模大幅度增长.尤其在2020年,受新冠肺炎疫情的影响,中小学延期开学,教育部发布“停课不停学”的通知,加速了中小学在线教育平台的发展.相比线下教育,在线教育无学习地点局限,可以实现资源利用最大化,学习行为自动化,学习形式交互化,教学形式个性化和教学管理自动化.现如今,中小学在线教育平台良莠不齐,关于在线教育平台服务质量的研究能够有效帮助甄选出服务质量较高的在线教育平台;同时,关于在线教育平台满意度的研究可为平台提高用户满意度提供科学依据,有助于平台更加有针对性地进行改进.前人对于服务质量和满意度的研究多是通过调查问卷展开,调查对象和调查范围都具有一定的局限性,因此,本文选用中小学在线教育平台的评论信息进行分析,真实反映用户在使用过程中的看法和态度.本文以2020年1月到2020年12月的中小学在线教育平台评论信息作为研究样本,对平台服务质量和满意度进行研究.在关于平台服务质量的研究中,对各平台的评分进行统计分析,进而对各平台服务质量进行排序,研究表明掌门1对1,纳米盒,高途课堂,猿辅导和学而思网校这五个中小学在线教育平台服务质量较高.在平台满意度的研究上,首先对评论信息分词加载TF-IDF算法,选取权重值最高的特征词;然后基于word2vec进行词向量化,分别建立长短期记忆网络和卷积神经网络的情感分类模型,分析结果表明卷积神经网络模型情感分类结果更优;在此基础上,利用主成分分析法提取指标特征,形成满意度的影响指标体系;最后利用四分图模型对指标满意度和重要性进行分析,得出中小学在线教育平台的市场竞争优势是课程优势,包含众多必修课程和选修课程的讲解,同时为提高用户满意度,平台需对系统状况进行及时改进,注重学生学习成效的提高.

关键词：评论文本分析 TF-IDF算法 word2vec模型卷积神经网络四分图模型

来源：评论

学校读者我要写书评

暂无评论

基于文本挖掘的数据类岗位招聘需求信息分析

基于文本挖掘的数据类岗位招聘需求信息分析

引用

作者：朱小蕊湘潭大学

学位级别：硕士

线上发布招聘信息,能够将招聘内容传播给更多求职者。加之数据行业发展迅速,本文选取数据类岗位进行分析。通过收集年度秋招平台中以关键词为“数据”的招聘信息,进行区域和时间两方面的分析,对企业情况、资历要求、岗位信息等内容分别... 详细信息

线上发布招聘信息,能够将招聘内容传播给更多求职者。加之数据行业发展迅速,本文选取数据类岗位进行分析。通过收集年度秋招平台中以关键词为“数据”的招聘信息,进行区域和时间两方面的分析,对企业情况、资历要求、岗位信息等内容分别研究。结构化数据运用了描述性统计分析的方法,非结构化数据运用LDA主题模型和word2vec模型得到分类主题及其最有代表性的特征词,可视化的表达形式更清楚展示不同内容的情况。结构化数据的研究结果表明,华东、华南区域的数据类的岗位信息较多,民营企业最多。岗位信息中显示,偏南部区域的小规模企业、新兴行业多,对学历、经验要求较高,中部区域经济发展较活跃,工资较高,偏北部区域企业规模更大,稳定发展行业多,对学历、经验要求较低;月初和月末小规模企业发布招聘信息较多,薪酬较低,月中则更多是大规模企业,高薪酬的工资。对每个区域、每个月前60的工作福利进行展示,有利于求职者了解福利的情况。非结构性数据研究结果中工作内容方面南部沿海区域对管理经营更重视,中部区域对流量获取和研发系统的关注更高,北部区域对实验测试设计和工厂材料采购的要求更高;按月份分析,秋招初期对求职者的管理经营和流量获取能力要求较高,逐步提高了对实验测试设计和研发系统能力的要求,还运用word2vec模型扩展得到工作内容分类下对应的岗位名称。任职资格方面南部区域对专业技能要求更高,中部区域对软件掌握的要求更高,北部区域更重视求职者的工作经验,而按照时间划分则为刚开始对知识能力、软件要求较高,后续对工作经验有了较高的要求,分析的结果符合秋招的心理预期。本文的研究有利于求职者明确自己的条件,找到与之匹配的工作区域和投递时间,提高了求职效率,还给出工作内容和任职资格的主题,便于求职者有针对性的提高自身能力素质。

关键词：文本挖掘 LDA主题模型 word2vec模型招聘信息

来源：评论

学校读者我要写书评

暂无评论

社交媒体环境下网络舆情异化模式研究

社交媒体环境下网络舆情异化模式研究

引用

作者：闫思琦哈尔滨工程大学

学位级别：硕士

伴随着移动互联网的快速发展,社交媒体成为信息传播和流通的主要渠道。社交媒体环境下人人都有麦克风,使得人人都有机会通过社交媒体进行网络交流。在频繁的交流过程中会产生大量的舆情信息,这些信息良莠不齐形成网络舆情异化现象。网... 详细信息

伴随着移动互联网的快速发展,社交媒体成为信息传播和流通的主要渠道。社交媒体环境下人人都有麦克风,使得人人都有机会通过社交媒体进行网络交流。在频繁的交流过程中会产生大量的舆情信息,这些信息良莠不齐形成网络舆情异化现象。网络舆情事件频发使得网络舆情异化变的复杂多样,给企业、政府和相关部门管控和引导舆情的发展带来新的挑战。为此,本文在社交媒体环境下分析网络舆情异化现象,界定网络舆情异化的概念、表现形式以及影响因素,基于网络舆情异化研究流程,进行案例实证分析,发现社交媒体环境下网络舆情异化模式及网络舆情生命周期各阶段的异化情况。为引导网络舆情异化,从而有效的管控网络舆情提供理论和实践参考。首先,通过梳理国内外文献,对社交媒体和网络舆情的相关概念进行总结,分析社交媒体对网络舆情的影响;采用案例分析法,分析近年来典型案例的舆情异化现象,界定社交媒体环境下网络舆情异化的概念,总结网络舆情异化的表现形式并分析形成异化的影响因素,为社交媒体环境下网络舆情异化的研究奠定了理论基础。其次,根据社交媒体环境下网络舆情异化的概念及表现形式,设计社交媒体环境下网络舆情异化的研究流程。在社交媒体环境下依据社会网络分析法构建用户社交关系网络;对用户社交关系网络进行关键节点挖掘;对用户社交关系网络做“用户-内容”的映射形成舆情传播网络;利用改进的word2vec模型文本相似度计算方法进行文本间相似性分析,并结合主题识别分析舆情传播网络上关键节点的异化情况。接着,以“榆林产妇坠楼”事件为例,进行社交媒体环境下网络舆情异化的实证研究。根据第3章网络舆情异化的研究流程,得到“榆林产妇坠楼”事件的网络舆情异化情况;通过对案例的分析发现舆情传播过程中的3种异化模式:中心发散式网络舆情异化模式、多中心扩散式网络舆情异化模式和点触扩散式网络舆情异化模式;结合网络舆情生命周期得到不同阶段的舆情异化情况。最后,分析了社交媒体环境下网络舆情异化产生的影响;参考了社交媒体环境下网络舆情异化模式的特点,从完善政府自身监管机制、提高公众的信息处理能力和参与素养水平以及强化媒体的行业自律性三个方面对社交媒体环境下网络舆情异化提供引导策略。本文旨在开辟社交媒体环境下网络舆情异化的理论研究,丰富了网络舆情理论研究体系,为舆情治理提供实践指导。

关键词：社交媒体社会网络分析网络舆情异化 word2vec模型

来源：评论

学校读者我要写书评

暂无评论

多主题分类的外卖评论情感分析 ——基于深度学习和集成学习方法

多主题分类的外卖评论情感分析 ——基于深度学习和集成学习方法

引用

作者：陈娅欣上海财经大学

学位级别：硕士

互联网的快速发展促进了许多网络平台的诞生,人们即使相隔万里也能通过同一个网络平台表达自己的想法,由此在各平台上留下了海量的评论文本,从这些评论文本中我们可以挖掘出对自己有利用价值的信息来进行分析,比如从大众对热点事件的看... 详细信息

互联网的快速发展促进了许多网络平台的诞生,人们即使相隔万里也能通过同一个网络平台表达自己的想法,由此在各平台上留下了海量的评论文本,从这些评论文本中我们可以挖掘出对自己有利用价值的信息来进行分析,比如从大众对热点事件的看法中挖掘出舆论走向,从网购商品的评论中挖掘出顾客的使用反馈,从影视剧作品的影评中挖掘出作品的内容和质量等。文本情感分析技术已在各个领域形成了以深度学习和机器学习为基础的相对成熟的研究体系,如何进一步提升情感分析模型的效果是目前文本分析领域的研究方向。互联网外卖平台作为与大众生活密不可分的网络平台,也是餐饮业扩大市场规模的重要途径,顾客的评论是外卖平台直接获取反馈信息的方式,作为餐饮行业最应该关注的就是顾客评论中体现的需求和欲望。顾客的评论信息是自己的体验反馈,也成为了口碑传播的重要方式,因此外卖平台亟需从顾客评论中来判断顾客的情感倾向,分析影响顾客评论情绪的主要方面,从而为商家、骑手和平台提出合理性建议。目前对于外卖平台顾客评论文本的情感分析研究较少,研究的范围和方法也较单一,主要是传统的机器学习方法如支持向量机、朴素贝叶斯等,还有模糊评价法,以及从现成的情感词典来判断情感极性等,已有的外卖评论情感分析的研究也主要集中在单一主题下的情感极性预测和不分主题下的情感极性预测这两个方面,而从外卖评论文本来看,不论是不分主题还是单一主题都是不完善的,因为一条评论会出现包含多个主题类别不同评价的情况,基于此,本文对外卖评论的多主题分类情感分析方法不再局限于不分主题和每条文本单一主题的研究思路,而是将顾客在线评论中所要表达的不同方面的情感极性逐一建立模型进行分析预测,最后经过概率的加权平均得到综合情感极性,不仅将信息进行更精细的提取,也给外卖的三大主要领域即商家、骑手、平台提供了更具体的评价结果。本文具体的研究工作主要包括以下几个内容: (1)基于卷积神经网络(Convolutional Neural Networks,CNN)和长短期记忆网络(Long Short-Term Memory,LSTM)提出了将两者优点进行结合的CNN＿LSTM模型,该模型拥有卷积神经网络对特征提取的能力以及长短期记忆网络对长序列文本处理的能力,将百度外卖评论文本经过word2vec模型训练得到的词向量和词索引作为每个深度学习模型的输入,通过对比单一的CNN模型、LSTM模型与CNN＿LSTM模型的预测分类结果,得到CNN＿LSTM模型拥有更好的评论文本情感极性预测分类表现的结论。 (2)基于是否分主题进行外卖评论文本的情感极性预测,本文提出了多主题分类下的文本情感分析,通过LDA主题模型训练得到评论文本的主题概率分布,经过人工理解和主题归并得到商家菜品、平台服务和骑手配送三大主题,在每一个主题下进行CNN、LSTM、CNN＿LSTM三个深度学习模型的训练,得到评论文本在每一个主题下的情感极性,再经过概率加权平均得到综合的情感极性标签,将其与传统的不分主题下文本情感分析进行对比,得到了在多主题分类的方式下深度学习模型的情感极性预测效果都要优于不分主题下预测效果的结论,证明多主题分类的情感分析考虑了每条评论涵盖的所有主题,不仅保证了模型所利用的文本样本信息是全面的,也提高了情感分析预测过程的细致度和精确度。 (3)基于集成学习能够有效提升模型的泛化性能,本文提出将在传统机器学习中用来提升分类预测效果的集成学习Bagging方法运用到深度学习模型上,分别在不分主题和多主题分类下建立了基于Bagging的CNN模型、基于Bagging的LSTM模型和基于Bagging的CNN＿LSTM模型,通过在百度外卖评论文本上的实证分析获得了基于Bagging的集成学习能够进一步提升深度学习模型的泛化性能的结论。

关键词：外卖评论文本情感分析多主题分类 CNN LSTM CNN_LSTM 集成学习 LDA主题模型 word2vec模型

来源：评论

学校读者我要写书评

暂无评论

基于主题模型的文本语义增强及短文本分类方法研究

基于主题模型的文本语义增强及短文本分类方法研究

引用

作者：卫红敏山东工商学院

学位级别：硕士

近年来,随着深度学习和预训练技术的不断进步,自然语言处理的研究取得了优异成绩。文本表示和短文本分类对自然语言处理领域中的自动翻译、文本摘要、情感分析等任务产生了重要的影响。由于自然语言具有复杂性、多样性等特点,使得目前... 详细信息

近年来,随着深度学习和预训练技术的不断进步,自然语言处理的研究取得了优异成绩。文本表示和短文本分类对自然语言处理领域中的自动翻译、文本摘要、情感分析等任务产生了重要的影响。由于自然语言具有复杂性、多样性等特点,使得目前文本表示存在“维数灾难”、“向量高度稀疏”和“浅层语义”等问题,从而导致文本向量不能充分表达出文本的语义信息。由于短文本具有数据量少、数据特征稀疏等特点,导致目前短文本分类的效果不理想。文本语义表示和短文本分类仍然是目前研究的重点和难点。针对上述问题,本文结合主题模型、词嵌入和文本分类等方法展开以下方面的研究:(1)提出了一种结合LDA主题模型和word2vec模型的文本语义增强模型(Semantic to vector,Sem2vec)。Sem2vec模型在word2vec模型的输入层前面增加主题嵌入层,首先利用LDA主题模型获得单词的主题分布,计算单词与其上下文词的主题相似度,作为主题语义信息融入到词向量的训练中。然后得到主题权重嵌入词向量,来代替one-hot向量输入至Sem2vec模型。在目标函数的约束下,得到模型的最优参数,最终输出增强的语义词向量表示,并进一步得到文本的语义增强表示。为了验证Sem2vec模型的有效性,在搜狗、清华和20新闻组数据集上与经典模型进行实验比较。在语义相似度和文本分类两个任务上的结果表明,Sem2vec模型在语义相似度计算方面更为准确,在textcnn、Bi LSTM和Transformer文本分类算法上的分类结果,较经典模型可以提升0.58%-3.5%,同时提升了时间性能。(2)提出了一种基于BTM主题模型的有监督双词主题模型(Supervised Biterm Topic Model,SBTM),并将其应用于短文本分类任务中。该模型在BTM主题模型的基础上,引入主题-类别分布参数,由此来识别主题与类别间的语义关系,并准确地将主题与类别进行映射,完成文档的主题分类。通过主题分类,更精确地计算出单词-主题的概率,从而使短文本分类更加准确。为了验证SBTM模型的有效性,在搜狗新闻标题、清华新闻标题和亚马逊评论短文本数据集上与经典模型进行实验比较。实验结果表明,SBTM主题模型用于短文本分类时,能够建立起主题与类别的准确映射,且分类结果较经典模型可以提升1.3%-10.2%。

关键词：文本表示 word2vec模型主题模型语义增强短文本分类

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：