开放式团队创新研讨主题识别方法及其可视化

当前全球创新方向正在向开放式团队创新转变。开放式团队创新环境中,基于网络的电子研讨成为最基本、最重要的创新活动,及时准确地识别海量电子研讨信息的研讨主题,并通过可视化形象地展示给创新团队成员,对提高开放式团队创新的效率和质量至关重要。针对传统主题挖掘研究中存在的主要问题,提出了开放式团队创新研讨主题识别方法。该方法在文档建模阶段提出并建立了基于团队创新研讨信息本体和研讨树结构的研讨文本语义计算方法;在研讨主题聚类阶段,针对开放式团队创新研讨的短文本特征,运用AntSA算法对研讨文本进行聚类分析;并通过计算聚类结果中每个节点名词的研讨主题标签贡献率,识别每个类别的研讨主题。最后,根据所提出的开放式团队创新研讨主题识别方法,设计和开发了开放式团队创新研讨主题可视化系统,识别并直观显示各研讨主题间的语义关系和结构关系,并对其进行了实验研究。     

基于多阶段转换学习的群体研讨文本言语行为分类

在群体支持系统(Group Support Systems,GSS)的环境下,群体能够在很短时间内产生大量研讨文本,远远超过了人们对信息处理的能力。因此,迫切需要一种能够自动分析和处理群体研讨文本的方法,言语行为分类就是这类方法中有可能实现并且具有应用价值的一个。在分析Zeno研讨模型的基础上,提出了适合群体研讨语料的言语行为分类体系。采用基于转换学习的办法,通过引入多阶段转换学习的概念,初步解决了群体研讨文本言语行为分类的问题,并且在议题类别和一些表达主张的类别(如支持和反对)上取得了较好的识别效果。研究群体研讨文本的言语行为分类对于拓展GSS,进而研究和开发自动主持人系统具有重要意义。同时,也为在中文环境下解决其他类型研讨(如网络聊天室、即时聊天工具等)文本的言语行为分类问题提供了参考依据。     

决策任务结构化的群体研讨过程和模式

基于对大多数重要的决策需要成立决策群体以共同做出决策,首先建立了一个群体决策任务的研讨模型,提出了4类"研讨模式":①交互群体中群体成员的主动研讨;②名义群体中群体成员的主动研讨;③交互群体中群体成员的被动研讨;④名义群体中群体成员的被动研讨.最后,以某公司如何开拓市场空间的研讨结构化为例,探讨了研讨模式1在群体决策任务结构化研讨中的应用.     

基于Web的群体决策研讨信息自主可视化模型

在开放式群体决策研讨过程中,为了有效克服简单的文本记录方法和信息显示方式给群体交流带来的不便,克服在研讨过程中存在的“知识断层”和“信息过载”,改善交流效果并最终有效地辅助决策,需要探索集文本、音频和视频等多媒体为一体的研讨信息可视化显示方式。在分析群体成员对研讨信息可视化需求的基础上,提出了研讨信息自主可视化的概念,建立了基于UM L的群体研讨信息自主可视化模型。最后,给出了相应的实现模式和一个简单的群体研讨信息自主可视化平台示例。     

综合集成过程中研讨信息记录模式的识别方法研究

运用人工神经网络理论和方法,建立研讨信息记录模式识别模型,并经"基于WEB的开放式群体决策研讨平台GASS"研究项目的实际应用,表明该方法具有较强的学习、联想和容错功能,能够根据具体的研讨活动状况定量评价信息记录模式,改进了以往仅评主观选择研讨信息记录模式的方式,从而在综合集成体系中提供更加有效的决策支持.     

基于辩论的群体研讨建模与决策方法

研讨是支持群体共同求解复杂决策问题的有效工具, 其本质上是一种多人间的逻辑思辨与推理的过程. 本文借鉴人工智能领域中的辩论理论, 提出了一种基于辩论的群体研讨模型与决策方法. 首先对比分析了一般研讨流程与辩论过程, 揭示了群体研讨决策和辩论过程在机制和目的上的相似性; 然后引入Dung的抽象辩论框架, 建立了基于辩论的群体研讨系统框架, 并探讨了论据状态的推理机制和论据强度的概念, 并给出了几种典型的决策规则. 最后结合一个软启动产品设计方案优选案例对本文研究进行了验证, 结果表明, 采用基于辩论的群体研讨和决策方法有助于从认知角度来分析决策者的行为动机, 可用于解释决策者偏好形成或直接用于决策, 从而提高决策的科学性与有效性.     

基于文本挖掘的众包人才能力分析北大核心CSSCI

由于众包模式中存在人才盲目参与任务竞争的问题,故需要分析众包环境下人才所需要具备的能力。同时,众包平台上出现很多人才之间进行经验交流的网上社区,面对海量的人才众包经验数据,急需通过有效的方法来获取众包人才能力。针对网上众包社区中的经验沟通交流信息,通过文本挖掘技术来分析众包人才的能力。为了从众包人才交流社区的非结构化文本中识别出能力特征,基于文本聚类的主题识别方法,将人才交流文本内的句子按其不同主题进行聚类,每一个结果簇表示某一种能力特征,采用基于关键词的聚类结果表示方法来解析每一个簇。通过对聚类结果的分析,分别确定了众包人才能力的5个方面:学习与创新能力、服务意识、在线社交能力、成就导向和竞争意识。通过实验检验了所提出方法的有效性。最后,分别分析了程序开发人才和标志设计人才的能力差异化原因。     

基于文本挖掘的众包人才能力分析

由于众包模式中存在人才盲目参与任务竞争的问题,故需要分析众包环境下人才所需要具备的能力。同时,众包平台上出现很多人才之间进行经验交流的网上社区,面对海量的人才众包经验数据,急需通过有效的方法来获取众包人才能力。针对网上众包社区中的经验沟通交流信息,通过文本挖掘技术来分析众包人才的能力。为了从众包人才交流社区的非结构化文本中识别出能力特征,基于文本聚类的主题识别方法,将人才交流文本内的句子按其不同主题进行聚类,每一个结果簇表示某一种能力特征,采用基于关键词的聚类结果表示方法来解析每一个簇。通过对聚类结果的分析,分别确定了众包人才能力的5个方面:学习与创新能力、服务意识、在线社交能力、成就导向和竞争意识。通过实验检验了所提出方法的有效性。最后,分别分析了程序开发人才和标志设计人才的能力差异化原因。     

面向复杂决策任务的综合集成决策研讨总体框架设计

从群体决策任务结构化理论出发,分析了复杂决策任务研讨过程的层次结构和组合机理,结合从定性到定量的综合集成方法,研究提出了一种适合软件实施需求,能够充分实现人机结合的研讨信息分解集成框架,在此基础上设计实现了一种可付诸于实施的研讨厅系统———开放式群体决策研讨平台GASS,并给出一个企业开拓新市场的决策实例.     

综合集成研讨厅中的研讨信息组织模型

提出了用于支持群体研讨的信息组织模型,其目的是在以计算机为媒介的群体研讨中,使人们通过结构化的发言来提出方案并对其进行辩论,从而提高群体研讨效率和有效性,同时提供群体记忆的功能.作者认为,在任务导向的群体研讨中,每一条发言都具有一定的目的和指向性,而发言之间存在着各种性质的关系.因此,在这个群体研讨信息组织模型中,发言按其目的被分为主意、论证、疑问和资料等4类,不同的发言通过相关、支持、反对、补充和质疑等5种语义关系按其指向联系起来,这样研讨中的发言就被组织成一个动态的树结构.这个模型在作者开发的一个综合集成研讨厅的原型系统中已得到应用,实践表明它是可行的.     

基于频繁词集聚类的微博新话题快速发现

新话题发现是进行舆情分析的基础和前提，新话题发现的一个关键环节是进行关键词的聚类分析.目前，大量的新话题来源于微博，但是将传统的聚类算法用于微 博新话题发现时，会产生特征向量的高维性和稀疏性问题，使得聚类结果非常不准确，而且收敛时间难以控制，进而影响舆情分析的可靠性和实时性.鉴此，本文提 出了频繁词集聚类FWSC （frequent words sets clustering）方法.实验结果表明，我们提出的方法能够快速有效地发现新话题.     

基于SOFM神经网络的e-供应链客户聚类分析及营销策略

通过SOFM神经网络能根据数据的相似性对e-供应链中海量的客户数据进行客观的、科学的聚类分析,将客户划分成不同群类,并针对这些群类的不同特征和客户的重要性,采取有针对性的营销策略,不仅能提高客户的满意度,而且能实现e-供应链效益最大化.采用了改进的SOFM神经网络进行e-供应链中的客户聚类分析,运行效果较好.     

基于模糊邻近关系的结构聚类

在有序粒度空间理论的基础上,提出了基于模糊邻近关系的结构聚类分析理论和方法.首先,给出了依据距离的一致聚类的概念,提出了模糊粒度空间的一致聚类特征;其次,给出了模糊邻近关系结构聚类的粒度表示,并获得了基于模糊邻近关系结构聚类的快速算法;进而,提出了获取最佳聚类的新方法,并且这一方法是全局最优的;最后,给出了通过两个模糊邻近关系的交运算获取结构聚类融合的方法.为复杂系统结构分析研究提供了一整套理论工具和方法.     

目标识别的灰色工程方法研究

灰色系统理论是研究贫信息系统分析、建模、预测、决策、控制的有效工具,在工程技术、社会、经济等领域应用广泛.探讨了灰色系统理论在目标识别中的应用问题,提出了目标识别的灰色关联算法、灰色统计算法、灰色聚类算法及灰色统计聚类算法.     

电子表格格式去除系统的研究

随着电子影象文档应用的日益广泛,相关文档图象的自动处理日益成为人们研究的热点。本文针对电子表格的特点,对从表格中自动提取填充内容这一问题进行了研究。系统首先在模版库中对输入表格图象进行自动匹配;然后对表格图象与相应的模版图象进行自动配准,从表格图象中将模版信息去除,并对误删除信息进行修补;最终,提取出表格的填充内容。通过对系统的实际测试,实验结果表明该方案是很有效的。     

一种基于构建2竞争聚类及KNNFL 的事件探测与追踪系统

一种构建-竞争聚类法被用于事件探测,该方法是受神经网络研究中构建-竞争学习的思想启发的.另外,提出了一种用于事件追踪的基于K近邻特征线(KNNFL)的分类方法,这种基于最近邻特征线(NFL)的方法本质上可以看作是对K近邻(KNN)法的推广,将改进后的KNN融入到NFL中形成KNNFL是为了更适合新闻事件的分析.研究结果表明,本文所提出的方法与传统的增量k均值法、Single-Pass法、Rocchio法以及KNN法相比较,可以获得更好的效果.通过分析可以看到,KNNFL即使在正例样本非常稀少的情况下仍然具有鲁棒性的表现.     

基于社会网络分析的投资组合优选方法

网络中存在着与金融市场相关的海量信息,为实现自动化的技术分析与基本面分析提供了空间.因此,本文利用了以文本为主的上市公司基本面的财经信息,建立了金融市场的社会网络模型;然后利用其中的最大全连通补网进行基于多元化策略的投资组合优选,并与技术分析方法相结合,给出了一种较低风险的投资策略.本文根据真实数据对基于该方法生成的投资策略进行了交易仿真实验,研究结果表明:本方法能够有效地降低投资组合的风险,并在一定程度上提高投资收益.     

战争系统中民意走势预测分析模型框架研究

将目前最具活力的方法之一——基于Agent的复杂模型构建技术引入战争系统的民意问题中,提出了“政治倾向性(民意走向)进化”的观点,设计了我国某地区特定民意走势的预测分析模型,并详细分析了模型实现框架和运行流程,为民意走势预测分析进一步的研究奠定基础.     

基于设计结构矩阵(DSM)的复杂研发项目建模与优化研究进展

研发项目是由流程架构、组织架构和产品架构组成的复杂系统.本文首先分析了研发项目复杂性的特征、分类和产生原因,指出设计结构矩阵(DSM)方法是量化分析复杂研发项目的有效工具.进一步,本文从流程架构中迭代和重叠的建模,到流程DSM的排序优化与仿真;从组织架构中团队之间依赖度的测度,到组织DSM聚类准则的确定;从产品架构中部件之间依赖度的测度,到产品DSM的模块化设计以及聚类算法的演变和发展;从单一领域的DSM扩展到多领域矩阵(MDM)的建模与应用,清晰地展示了基于DSM的复杂研发项目建模与优化的几条研究脉络和最新研究进展.最后,本文提出"系统架构的复杂性研究-DSM中元素间依赖关系的测度-DSM优化/聚类"相集成的理论分析框架,并指出了有待进一步研究的关键问题.     

“最大值准则”决策悖论及其求解模型

按照最大值决策准则,当相应决策系数向量各分量的值区分度较高时人们易于对决策对象所属类别做出判断.而真正有价值的问题是决策系数向量若干个分量的值区分度不高的情形.本文针对灰色聚类系数向量之最大分量取值与其它分量的值区分度很低,且按照"最大值准则"做出的决策与对决策系数向量进行整体评估所得的结论冲突,即"最大值准则"决策悖论发生的情形,提出了对聚类系数向量各分量取值信息进行综合集成的聚核权向量组和聚核加权决策系数向量;并据此构建了两难决策问题求解模型,给出了3种实用的聚核权向量组.破解了"最大值准则"决策悖论.最后以英国高等学校科学研究卓越框架(research excellence framework,简称REF)为例说明"最大值准则"决策悖论求解模型的实际应用.