检索结果-内蒙古大学图书馆

中文信息学报 2017年第3期31卷 170-176页

作者：杜慧徐学可伍大勇刘悦余智华程学旗中国科学院计算技术研究所中国科学院网络数据科学与技术重点实验室北京100190 中国科学院大学北京100190

该文提出了一种基于情感词向量的情感分类方法。词向量采用连续实数域上的固定维数向量来表示词汇,能够表达词汇丰富的语义信息。词向量的学习方法,如word2vec,能从大规模语料中通过上下文信息挖掘出潜藏的词语间语义关联。本文在从语... 详细信息

该文提出了一种基于情感词向量的情感分类方法。词向量采用连续实数域上的固定维数向量来表示词汇,能够表达词汇丰富的语义信息。词向量的学习方法,如word2vec,能从大规模语料中通过上下文信息挖掘出潜藏的词语间语义关联。本文在从语料中学习得到的蕴含语义信息的词向量基础上,对其进行情感调整,得到同时考虑语义和情感倾向的词向量。对于一篇输入文本,基于情感词向量建立文本的特征表示,采用机器学习的方法对文本进行情感分类。该方法与基于词、N-gram及原始word2vec词向量构建文本表示的方法相比,情感分类准确率更高、性能和稳定性更好。

关键词：情感分析情感分类词向量机器学习

来源：评论

学校读者我要写书评

暂无评论

基于上下文的深度语义句子检索模型

引用

中文信息学报 2017年第5期31卷 156-162页

作者：范意兴郭嘉丰兰艳艳徐君程学旗中国科学院网络数据科学与技术重点实验室中国科学院计算技术研究所北京100190 中国科学院大学北京100190

传统的信息检索的研究多集中在文档级的检索场景中,然而,句子级的检索在如移动应用以及信息需求更加明确的检索场景下具有非常重要的意义。在句子级的检索场景下,我们认为句子的上下文能够提供更加丰富的语义信息来支撑句子与查询的匹配... 详细信息

传统的信息检索的研究多集中在文档级的检索场景中,然而,句子级的检索在如移动应用以及信息需求更加明确的检索场景下具有非常重要的意义。在句子级的检索场景下,我们认为句子的上下文能够提供更加丰富的语义信息来支撑句子与查询的匹配,基于此,该文提出了一个基于句子上下文的深度语义句子检索模型(contextaware deep sentence matching model,CDSMM)。具体的,我们使用双向循环神经网络来建模句子内部以及句子上下文的语义信息,基于句子和查询的语义信息得到它们的匹配程度,在WebAP句子检索数据集上的实验表明,我们的模型性能显著地优于其他的方法,并取得了目前最好的效果。

关键词：信息检索文本匹配循环神经网络

来源：评论

学校读者我要写书评

暂无评论

基于WMD距离与近邻传播的新闻评论聚类

引用

中文信息学报 2017年第5期31卷 203-214页

作者：官赛萍靳小龙徐学可伍大勇贾岩涛王元卓刘悦中国科学院计算技术研究所中国科学院网络数据科学与技术重点实验室北京100190 中国科学院大学计算机与控制学院北京100049

随着新闻网站的快速发展,网络新闻和评论数据激增,给人们带来了大量有价值的信息。新闻让人们了解发生在国内外的时事,而评论则体现了人们对事件的观点和看法,这对舆情分析和新闻评论推荐等应用很重要。然而,新闻评论数据又多又杂,而且... 详细信息

随着新闻网站的快速发展,网络新闻和评论数据激增,给人们带来了大量有价值的信息。新闻让人们了解发生在国内外的时事,而评论则体现了人们对事件的观点和看法,这对舆情分析和新闻评论推荐等应用很重要。然而,新闻评论数据又多又杂,而且通常比较简短,因此难以快速直观地从中发现评论者的关注点所在。为此,该文提出一种面向新闻评论的聚类方法 EWMD-AP,用以自动挖掘社会大众对事件的关注点。该方法利用强化了权重向量的Word Mover's Distance(WMD)计算评论之间的距离,进而用Affinity Propagation(AP)对评论进行聚类,从杂乱的新闻评论中得到关注点簇及其代表性评论。特别地,该文提出利用强化权重向量替代传统WMD中的词频权重向量。而强化权重由三部分组成,包括结合词性特征与文本表达特征的词重要度系数、新闻正文作为评论背景的去背景化系数和TFIDF系数。在24个新闻评论数据集上的对比实验表明,EWMD-AP相比Kmeans和Mean Shift等传统聚类算法以及Density Peaks等当前最新算法都具有更好的新闻评论聚类效果。

关键词：新闻评论聚类强化权重向量去背景化 Word Mover's Distance 近邻传播

来源：评论

学校读者我要写书评

暂无评论

开放知识库构建技术的多维量化评价方法

引用

计算机科学 2017年第12期44卷 17-22页

作者：陈新蕾贾岩涛王元卓靳小龙程学旗中国科学院计算技术研究所网络数据科学与技术重点实验室北京100190

网络大数据时代的到来使得开放知识库的构建技术越来越受到学术界和工业界的关注。近年来,依托开放知识库构建技术而构建的知识库及相关应用层出不穷。然而,目前并没有一种较为统一、全面的开放知识库构建技术的多维量化评价方法。在已... 详细信息

网络大数据时代的到来使得开放知识库的构建技术越来越受到学术界和工业界的关注。近年来,依托开放知识库构建技术而构建的知识库及相关应用层出不穷。然而,目前并没有一种较为统一、全面的开放知识库构建技术的多维量化评价方法。在已有工作的基础之上,提出了一套开放知识库构建技术的多维评价指标体系,综合考虑包括开放知识库的构建准确率、构建时间、构建规模在内的多个维度,并在此基础上提出了开放知识库构建技术的多维量化评价方法。实验表明,开放知识库构建技术的评价结果较传统的评价方法更为全面、合理,并且可以根据实际应用中维度的重要性差异产生不同角度的评价结果。

关键词：开放知识库评价多维量化

来源：评论

学校读者我要写书评

暂无评论

数字贸易基于区块链的大宗散货仓单系统建设指南

数字贸易基于区块链的大宗散货仓单系统建设指南

引用

来源：评论

学校读者我要写书评

暂无评论

数字贸易基于区块链的供应链金融平台安全通用技术要求

数字贸易基于区块链的供应链金融平台安全通用技术要求

引用

来源：评论

学校读者我要写书评

暂无评论

基于特征驱动的微博话题检测方法

引用

中文信息学报 2017年第3期31卷 101-108,124页

作者：贺敏刘玮刘悦王丽宏白硕程学旗中国科学院计算技术研究所中国科学院网络数据科学与技术重点实验室北京100190 国家计算机网络应急技术处理协调中心北京100029

该文针对微博数据稀疏、内容关系难以计算的特点,提出了一种基于特征驱动的微博话题检测方法。提取有意义串作为微博动态特征,根据微博的结构关系计算特征的作者影响力和文档影响力,与内容统计特性共同构成特征的属性组,采用逻辑回归对... 详细信息

该文针对微博数据稀疏、内容关系难以计算的特点,提出了一种基于特征驱动的微博话题检测方法。提取有意义串作为微博动态特征,根据微博的结构关系计算特征的作者影响力和文档影响力,与内容统计特性共同构成特征的属性组,采用逻辑回归对特征建模,基于属性组对特征二元分类得到话题关键特征,将关键特征之间的互信息作为距离度量,改进最近邻聚类方法对关键特征聚类产生话题。微博数据实验表明,该方法有效提高了微博话题检测的准确率和召回率。

关键词：话题检测微博关键特征逻辑回归聚类

来源：评论

学校读者我要写书评

暂无评论

一种半监督的微博话题噪声过滤方法

一种半监督的微博话题噪声过滤方法

引用

第六届中国计算机学会大数据学术会议

作者：屠守中杨婧赵林朱小燕清华大学计算机科学与技术系北京 100084 中国科学院计算技术研究所网络数据科学与技术重点实验室北京 100190 中国科学院信息工程研究所信息安全国家重点实验室北京 100093

社交网络中存在大量营销、招聘等垃圾信息以及无实质内容的短文,为话题建模工作带来很多干扰,更严重影响社交网络方面的学术研究及商业应用.因此,本文提出一种基于SVM-kNN模型的半监督话题噪声过滤方法.该方法融合了支持向量机(Support ... 详细信息

社交网络中存在大量营销、招聘等垃圾信息以及无实质内容的短文,为话题建模工作带来很多干扰,更严重影响社交网络方面的学术研究及商业应用.因此,本文提出一种基于SVM-kNN模型的半监督话题噪声过滤方法.该方法融合了支持向量机(Support Vector Machines,SVM)和k近邻(k-Nearest Neighbor,k-NN)算法,在SVM计算得到超平面的基础上使用kNN算法在局部范围内迭代寻找分类超平面的最优解;同时为减少误分类发生,分别在SVM和kNN阶段引入惩罚代价和比例权重,以提高噪声过滤的效果.通过选取新浪微博中不同大小的数据集进行实验,结果与其它方法相比表明,本文提出的方法只利用了少量的标注样本进行训练,在准确率、召回率和F值方面均优于其他的对比方法.

关键词：微博话题噪声过滤支持向量机 k近邻算法

来源：评论

学校读者我要写书评

暂无评论

融合马尔可夫聚类的实体间关系消解方法

引用

计算机科学与探索 2017年第4期11卷 511-519页

作者：常雨骁庞琳贾岩涛林海伦王元卓刘悦刘春阳中国科学院计算技术研究所网络数据科学与技术重点实验室北京100190 中国科学院大学北京100049 国家计算机网络应急技术处理协调中心北京100029

随着面向网络大数据的知识库的不断出现,它们各自都包含海量的实体以及实体间的关系。然而许多有相同含义的关系并没有统一名称,针对这种情况,提出了一种基于马尔可夫聚类(Markov cluster algorithm,MCL)的实体间关系融合方法。该方法... 详细信息

随着面向网络大数据的知识库的不断出现,它们各自都包含海量的实体以及实体间的关系。然而许多有相同含义的关系并没有统一名称,针对这种情况,提出了一种基于马尔可夫聚类(Markov cluster algorithm,MCL)的实体间关系融合方法。该方法首先计算关系间的语义相似度,然后利用关系间的语义相似度作为有边的权重,构建无向图,并利用马尔可夫聚类算法进行聚类。实验表明,该方法相比层次聚类和k-means聚类方法在聚类纯度上有一定提高,并且更加方便使用。

关键词：马尔可夫聚类知识库实体间关系

来源：评论

学校读者我要写书评

暂无评论

社交网络用户在在线媒体中点播行为预测

引用

中文信息学报 2017年第4期31卷 199-207页

作者：刘强李静远王元卓刘悦任彦中国科学院计算技术研究所网络数据科学与技术重点实验室北京100190 中国科学院大学北京100049 国家计算机网络应急技术处理协调中心北京100029

在线媒体快速发展,为用户带来丰富多彩信息的同时,用户的参与也给在线媒体本身带来巨大的经济利益。因此,如何通过精确预测用户的偏好以增加在线媒体点击,成为一个学术界和工业界均关注的问题。现有的预测方法主要是借助用户个人信息和... 详细信息

在线媒体快速发展,为用户带来丰富多彩信息的同时,用户的参与也给在线媒体本身带来巨大的经济利益。因此,如何通过精确预测用户的偏好以增加在线媒体点击,成为一个学术界和工业界均关注的问题。现有的预测方法主要是借助用户个人信息和历史行为来预测用户行为,然而此类方法没有考虑媒体本身缺乏用户信息造成无法预测的问题。随着社交网络的发展,在线媒体与服务运营商间的兼并或合作的增多,支持用户通过单一账户使用多个媒体网络服务的情况越来越常见,这就为基于用户在社交网络中的资料预测用户在其他媒体中的喜好提供海量可信的基础数据。该文基于社交网络Google+和视频媒体YouTube的数据,首先证明用户在YouTube偏好具有高度的集聚性,并提出用户在社交网络中偏好与其在线媒体点击行为具有关联性,基于这种关联性,该文使用社交网络用户信息预测用户在在线媒体中的点播行为。实验结果显示,使用社交网络用户信息可以有效预测用户偏好,预测准确率比仅使用媒体本身信息提高了17%,而且能满足用户个性化需求。

关键词：社交网络在线媒体用户偏好预测

来源：评论

学校读者我要写书评

暂无评论

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：

请选择收藏分类：

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

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：