排序方式: 共有3条查询结果,搜索用时 46 毫秒
1
1.
面向价值共创的数字人文类开放数据竞赛行动者协作行为研究 总被引:1,自引:0,他引:1
[目的/意义]开放数据竞赛的社会价值由主办和协办机构、参赛个人或团队、数据提供方以及评审团队等诸多行动者共同推动,行动者间的协作水平和效率将直接影响开放数据竞赛的运行。文章对数字人文类开放数据竞赛行动者协作行为进行研究,为竞赛设计提供参考。[方法/过程]基于价值共创的理论视角,选取上海图书馆开放数据竞赛进行案例研究,结合日志法和访谈法,分析开放数据竞赛中各类行动者的协作行为。[结果/结论]数字人文类开放数据竞赛是由不同行动者之间协作共同实现价值共创的过程。行动者间存在较为显著的竞合关系,价值共创的效果与行动者间的竞合水平息息相关。行动者通过协作创造的价值包括期望价值、新兴价值、承认价值三种。 相似文献
2.
基于OCC模型和LSTM模型的财经微博文本情感分类研究 总被引:1,自引:0,他引:1
为了解决财经微博文本中网民情感状态转移的时序数据分析问题,本文提出一个基于认知情感评价模型(Ortony,Clore&Collins,OCC)和长短期记忆模型(long short term memory,LSTM)的财经微博文本情感分类模型(OCC-LSTM)。基于OCC模型从网民认知角度建立情感规则,对财经微博文本进行情感标注,并作为LSTM模型进行深度学习的训练集;基于LSTM模型,使用深度学习中的TensorFlow框架和Keras模块建立相应的实验模型,进行海量微博数据情感分类,并结合13家上市公司3年的微博文本数据进行实证研究和模型验证对比。实证研究结果发现本文提出的模型取得了89.45%的准确率,高于采用传统的机器学习方式的支持向量机方法 (support vector machine,SVM)和基于深度学习的半监督RAE方法 (semi-supervised recursive auto encoder)。 相似文献
3.
1