共查询到19条相似文献，搜索用时 281 毫秒
1.
针对学科领域中热点研究主题探测,尝试综合运用共词分析方法与自组织映射(SOM)方法,在词频统计的基础上,分析高频主题词在文献中的共现,并作为输入数据利用SOM Toolbox进行SOM聚类分析,得到领域热点研究主题。以传统医药领域为例进行实证分析,结果表明该方法对领域中热点主题探测有一定效果。 相似文献
2.
[目的/意义]基于图片的情感分析已逐渐成为情感分析的潜在研究热点。本文回顾与总结了图片情感分析的历史与现状,有助于相关研究工作的推进。[研究设计/方法]从传统的视觉情感分析方法和深度学习两个方向对图片情感分析相关研究的技术方法进行梳理并评述。[结论/发现]随着图片情感分析粒度的细化,进一步的研究方向在于深度学习算法和标注方式的优化;同时,加快带有情感标签图片数据集的开放进程,可以更好地推动研究者在此领域研究的不断深入。[创新/价值]深入梳理了图片情感分析现阶段的研究重点与未来发展方向,为该领域进一步研究提供相关借鉴。 相似文献
3.
游客的网络评论由于能够真实反映对旅游服务的真实体验及感受,正在逐渐影响旅游者对旅游目的地的看法甚至旅游消费行为。如何将碎片化的旅游评论转化为对其他用户和旅游经营者有价值的且直观的信息,成为旅游信息挖掘的热点。本文提出了基于LDA（Latent Dirichlet Allocation）主题发现模型的游客评论挖掘方法,以大众点评、携程及马蜂窝中关于故宫的用户在线评论为例,挖掘游客关于故宫的关注主题并分析其情感倾向。实验结果表明,故宫的游客网络评论主题包含入口服务、历史文化、体验感受以及遗址文物四个方面,游客对该四个主题的情感倾向均为正向;其中,大众点评和马蜂窝在体验感受方面的情感极性值较高。该方法对定位旅游目的地游客关注点具有实践意义。 相似文献
4.
5.
[目的/意义]共享住宿与酒店预定平台可能同时存在替代性和互补性,但这种替代性和互补性分别体现在哪些产品和服务上当前文献还缺乏探讨,需要进一步开展跨平台的比较研究。[方法/过程]选取携程酒店预定平台和小猪短租平台为实验对象,采集北京市相关房源的86635条用户评论文本,结合LDA模型、主题社会网络和主题情感分析方法对用户文本评论进行跨平台比较分析。[结果/结论]研究发现两大平台用户在评论主题、主题社会网络和主题情感上的异同之处,从微观用户评论角度解释了两大平台在产品和服务上的替代性和互补性。本文结果为平台管理者进行住宿产品和服务的开发和改进提供重要的实践借鉴。 相似文献
6.
基于Word2vec的情感分析在品牌认知中的应用研究 总被引：2，自引：0，他引：2
[目的/意义]通过基于Word2vec的文本情感分析技术对某显示器品牌的产品与服务的在线评论进行分析,研究消费者的品牌认知和品牌口碑,为管理者建立更科学的品牌管理体系提供有针对性的建议。[方法/过程]首先利用自然语言处理技术,对评论语料库进行预处理,结合深度学习的Word2vec词向量技术构建产品特征词和情感词词库,进一步构造情感概念对进行情感评分,并将其用于分析品牌产品特定特征的用户情感。[结果/结论]通过Word2vec构建的情感词典相较于传统方法（例如一般的情绪词表）进行情感分析,在情感分析的准确率上有所提高,再结合有效的情感概念对构造与情感评分,可以有效地理解用户的品牌认知。 相似文献
7.
基于微博的情感分析近几年获得了广泛的关注,但是通常是对微博上的电影或者产品的评论。我们的研究目标是针对微博上的热点事件的分析,将这些事件的评论分为正向或者负向,将微博用户的评论进行分类有利于辨别公众对于这个事件的普遍看法。本文提出了一个基于卷积神经网络的混合模型：CNN-SVM,用于对事件的评论进行分类。其次,根据微博用户的转发行为,我们提出了一种新的数据结构——转发树,用以解决评论中的一些分类混乱情况。实验结果表明CNN-SVM 确实提高了情感分类的正确率,新提出的转发树结构在对真实世界的情感倾向性的逼近中也是十分有效的。 相似文献
8.
情感倾向性分析旨在识别评论中隐含的情感信息,在产品声誉分析、舆情监控、个性推荐等方面具有广阔的应用前景.在评测消费者对新发布产品的态度时,本产品领域中可供参考的已分类评论数据往往较少,而其他相关领域可能存在大量的已分类的评论数据,利用其他产品已标注的评论数据对新产品进行情感倾向性分析,属于跨领域的情感分类问题.针对这一问题,本文引入迁移学习机制,将经典迁移学习TrAdaBoost算法的样本迁移机制应用于情感倾向性分析,并针对积极类和消极类分类精度不均衡问题提出了改进策略,首先根据评论样本权重进行第一次选择,其次结合分类置信度对评论样本进行第二次选择.实验结果表明,在整体分类精度有所提高的前提下,改进算法的优势在于均衡了积极类和消极类的分类精度,使得分类结果更具实际参考价值. 相似文献
9.
10.
11.
自动文摘是文本挖掘的主要任务之一。相比于抽取式自动文摘,生成式自动文摘在思想上更接近人工摘要的过程,具有重要研究意义。近几年伴随着深度学习方法的发展,基于深层神经网络模型的生成式自动文摘也有了令人瞩目的发展。为了更全面地理解该类方法的思想和研究现状,本文从生成式自动文摘的任务描述入手,梳理了基于RNN (recurrent neural network,循环神经网络)的模型、基于CNN (convolutional neural network,卷积神经网络)的模型、基于RNN+CNN的模型、融合注意力机制的模型和融合强化学习的模型共五大类生成式自动文摘的深度学习方法。这类方法表明,在深层神经网络的训练下,特别是融合注意力机制和强化学习后,摘要效果得以明显提升。在生成式自动文摘研究的未来发展中,除深度学习方法本身的不断应用和改进外,还需关注如何有效实现篇章级语义理解下的摘要、面向不同文本对象特点的摘要和摘要结果自动评价等问题。此外,如何结合传统摘要研究中的成熟方法进一步提高摘要效果,也是一个很有价值的研究方向。 相似文献
12.
学术文献特征表示,是学术文献搜索、分类组织、个性化推荐等学术大数据服务的关键步骤。研究表明,图神经网络能够有效学习文献的特征表示,然而当前研究主要集中在有监督学习方法上,不仅对数据集的大小和质量的要求较高,且学习到的文献特征表示与具体任务高度耦合。基于此,本文将四种无监督图神经网络方法引入学术文献表示学习,从Cora、CiteSeer和DBLP (database systems and logic programming)数据集的引文网络、共被引网络和文献耦合网络中学习文献的表示向量,并应用于文献分类和论文推荐两大下游任务。研究结果表明,(1)深度互信息图神经网络适合于文献分类任务,对抗正则化变分图自编码器则在论文推荐任务上性能更佳;(2)Cora数据集上的结果表明,相较于共被引和文献耦合网络,引文网络更适合于学习通用的文献表示向量。 相似文献
13.
新世纪国际人工智能研究领域可视化分析 总被引：1，自引：0，他引：1
目的：全面了解新世纪国际人工智能领域的研究现状与研究热点。方法：运用TDA软件,利用文献统计分析、关键词共现分析的方法揭示研究热点。结果：国际人工智能领域文献量呈上升趋势,其中美国发文量排名第一,中国位居第六。人工智能的主研究领域包括计算机科学、工程学、自动化与控制系统3个学科。研究热点为遗传算法、神经网络和机器学习。结论：新世纪国际人工智能研究涉及多个学科,研究热点集中在知识获取、知识表示和问题求解3个宏观层面,神经网络、遗传算法和机器学习是研究者们关注的核心。 相似文献
14.
随着大数据的迅速发展,知识网络在不同语言、不同领域和不同模态等情境下呈现高度多样性和复杂性,如何对齐与整合多源情境下的异构知识网络,成为研究者所面临的严峻挑战。本文在知识网络深度表示学习的基础上,提出一种由知识网络构建、跨语言网络表示学习和统计机器学习三个模块构成的知识网络对齐(knowledge network alignment,KNA)模型。为验证模型的有效性,在中英文双语知识网络数据集上开展实证研究,借助于网络表示学习算法将异构知识网络表征到同一空间,利用已知的对齐链接来训练统计机器学习模型,并通过模型来预测未知的节点对齐链接。KNA模型在跨语言共词网络对齐任务中取得Precision@1值为0.7731,高于基线方法 (0.6806),验证了KNA模型在跨语言知识网络对齐上的有效性。研究结果对于改进知识网络的节点对齐效果,促进多源情境下的异构知识网络融合具有重要意义。 相似文献
15.
[目的/意义] 针对目前全领域科学知识图谱构建方法中存在的技术难点,结合网络嵌入模型、机器学习聚类、流形学习可视化算法等人工智能领域的方法与模型,提出一套全新发现科学结构的知识图谱构建方案,以完善科学结构发现与可视化布局,并拓展科学知识图谱的分析应用场景。[方法/过程] 引入基于深度学习的网络嵌入模型和聚类方法改进原有的网络社团划分聚类方法,利用流形学习降维可视化算法扩大数据处理能力,并设计由下至上分层可视化布局方法,提升可视化图谱的稳定性与细节揭示能力。[结果/结论] 以科睿唯安公司的基本科学指标数据库（ESI）研究前沿中高被引论文作为分析数据集,使用新聚类算法得到1 169个研究领域,通过改进的可视化布局算法形成全领域科学结构图谱。与前几期科学结构图谱相比,本文提出的方法支持更大规模的数据分析,对可视化细节揭示与稳定性也有大幅优化,可以更好地展示全领域科学研究宏观结构及内在关系,为全领域科学知识图谱的绘制与构建提供更可靠的方法和技术支持。 相似文献
16.
信息过载现象导致发现并获取有用信息变得越来越困难,用户急切需要精准的知识发现和问题解答服务,通过对当前实现精准知识发现的主要技术方法进行分析,本研究分别采用基于传统知识组织构建方法和基于深度学习的方法,面向湿地领域进行语义知识组织体系的构建和精准发现实验。实验分析证明,传统知识组织方法无法单独支持特定主题的精准知识发现,尽管基于词向量的深度学习方法可以有效弥补传统知识组织系统的局限,但会受到计算语料规模和质量的限制。因此,本研究最终提出融合知识组织与认知计算的基本思路和体系框架,分析了融合方案所涉及的关键技术,这对于构建新一代开放知识服务系统具有重要指导意义。图3。参考文献15。 相似文献
17.
[目的/意义] 跨学科研究已成为现代科学创新研究的重要范式和必然趋势，探究跨学科领域中学科的发展模式与演化路径，对于揭示跨学科领域形成与发展的动态过程具有重要意义。[方法/过程] 以眼动追踪（Eye Tracking，ET）领域为例，对文献引文关系进行提取与学科标注，构建文献和学科层面的引文关系网络；计算各学科的他引比率、他被引比率和普赖斯指数，从宏观层面分析ET领域中主要学科的跨学科发展模式；考察不同阶段内部及不同阶段之间的学科引证关系，探究不同阶段各学科在跨学科发展过程中的关系结构与角色演变；基于引文的中介中心度识别连接不同学科关系的重要文献，考察重要文献、高被引文献以及参考文献之间的引文关系，从微观层面揭示ET领域发展的具体演化路径。[结果/结论] ET领域发展经历潜伏期、发展期和成熟期三个阶段，并呈现独立型、交叉型和学习型三种学科发展模式；各学科之间的引证关系随阶段变化逐渐紧密且分布逐渐均匀，神经学、心理学和临床医学在跨学科发展和知识输出方面处于核心地位；ET领域纵向发展表现为独立型学科的基础理论创新，横向发展表现为3种类型学科的深度融合，并呈现出"独立-线性-网状"的发展路径。 相似文献
18.
当前,针对知识网络的链路预测主要是基于网络拓扑结构的相似性,很少考虑作者的研究领域,导致信息利用不充分等问题,因此本文提出了双层知识网络的链路预测框架hypernet2vec。双层知识网络,即作者合著关系网络和学术领域关系网络,利用网络表示学习,分别将两层网络中的节点映射到低维的向量空间,再输入到专门设计的卷积神经网络中计算并进行链路预测。与经典的链路预测指标如RA指标、LP指标和LRW指标等相比,hypernet2vec模型预测的AUC(area under curve)值取得了显著的提升,平均提升幅度达11.17%。文章还从情报产生层面和复杂系统层面,对模型发生作用的深层机理进行了探讨。 相似文献
19.
[目的/意义]为了解引文分析领域的发展状况,以领域知识载体之一--期刊文献为研究对象,通过知识单元特征描述和知识单元聚类层次结构,发现该领域知识发展的脉络和演进轨迹。[方法/过程]选择2001-2014年汤森路透Web of Science平台结构化的二次文献信息1 166条作为数据源,以信息计量学作为理论基础,利用统计分析、信息计量和分析复杂引文网络的社会网络分析方法,借鉴数据挖掘算法和处理工具技术,描述领域知识体系的特征。[结果/结论]从宏观与微观两个维度,以静态和动态两种方式,利用知识基础与研究前沿的时变对应,通过理论与实践的统一,准确地描述引文分析领域发展的宏观层次结构特征和微观节点属性、静态分布特征和动态演化规律、奠基性的基础理论和突破性的研究前沿。 相似文献