基于ESVM的科技政策文本标签分类研究

文本标签作为一种文本关键词,能够简化科技政策中有效信息的挖掘。本文从科技政策类别角度,将标签类别分为科技投入、知识产权、农村科技和税收四类,针对传统SVM算法的缺点和标签数据不平衡的缺点,结合欧式距离思想,提出一种带有惩罚因子的ESVM科技政策文本标签分类方法。最后,对比SVM和ESVM两种分类方法,验证了本文方法在处理科技政策文本标签数据上的有效性。     

基于网络文本分析的洛阳旅游形象感知研究

本文运用网络文本分析法对洛阳旅游形象感知进行研究,通过携程、马蜂窝、去哪儿等知名旅游网站获得洛阳旅游的相关游记,利用内容分析法提取出旅游者对洛阳旅游形象感知的高频词汇,从"旅游空间感知形象、旅游景观感知形象、旅游服务与设施感知形象、旅游体验感知形象"4个维度进行研究,并在此基础上进一步提出改善旅游设施、挖掘丝绸之路新形象、推进智慧旅游城市等建议来提升洛阳旅游形象。     

科技人才评价与激励政策变迁研究 ——基于1978—2018年政策文本分析

自改革开放以来，国家陆续出台多项政策推动科技人才评价与激励制度体系的建立，目前已基本形成较为完整的政策框架。以1978—2018年发布的有关科技人才评价与激励政策文本为研究对象，我国科技人才评价与激励政策发展总体呈现出发布主体多元化、权力结构扁平化、政策工具多样化及政策体系科学化的特征。面对部门间合作不紧密等问题，提出应加强府际协同合作、构建权力监督体系、坚持“自激励”与“专业激励”相结合等相关建议。     

论科学知识的价值偏向性

科学知识的价值偏向性是指作为价值客体的科学知识的属性只能满足一部分价值主体的需要。价值偏向不同于价值负载和价值关联。对价值中立且传统类型的科学知识,其价值偏向性由价值主体的差异性决定;对价值中立且新类型的科学知识,其价值偏向性由价值主体的差异性和科学知识的差异性共同决定;对价值负载的科学知识(无论哪种类型),其价值偏向性的决定因素除前述相应因素外,还有科学知识的内容,因为这一内容对不同的价值主体有不同的效用。     

AR-Grams:一种应用于网络舆情热点发现的文本聚类方法

网络舆情热点发现是一种常用且处理速度要求较高的应用.针对网络舆情热点发现这一特殊应用场合,本文提出了一种基于随机N-Gram的文本聚类方法AR-Grams.该方法通过随机N-Gram的文本相似度计算方法,确立待聚类文档集中各个初始聚类的标志文档并完成初步的聚类操作,继而通过聚类元素数阈值来确定初始聚类,并可根据实际情况确定是否执行聚类合并.该方法生成的聚类内聚性好,准确率高.另外,为了便于评估整体的聚类效果,提出了聚类的整体覆盖率和正确覆盖率.实验结果表明:与对比方法DR-Grams相比,在低阈值时,AR-Grams的准确率、召回率、F-score、正确覆盖率分别提高了11.9％、9.1％、10.2％和9.2％,提升效果尤为明显;在高阈值时,效果基本相当;在整体上,前述4项指标则分别提高了4.5％、2.9％、3.5％和3.0％,优于对比方法DR-Grams.     

基于深度学习的Stack Overflow问题帖分类方法

针对基于正则表达式和传统机器学习的分类方法分别存在模式手工提取困难和性能瓶颈的问题, 提出一种基于深度学习的问题帖分类方法, 采用深度文本挖掘模型TextCNN和融合注意力机制的TextRNN构建分类模型. 实验结果表明, 基于深度学习的方法在多数问题目的类别上的分类性能优于已有基准方法, 且使用的Adam优化器优于SGD优化器, 使用Glove预训练的词向量优于使用随机生成的词向量. 该方法以提问目的对帖子进行分类, 可为分析Stack Overflow(SO)上的帖子讨论主题增加新维度.     

英汉旅游景介的比较和汉语旅游景介英译中的改写

英汉旅游景介在视角、内容和文本类型上存在较大差异。英语景介以游客为出发点,内容上以通俗描述为主,侧重客观写实,文本类型上以信息型为主,兼具感染型;汉语景介以景点本身为出发点,内容上以专业说明为主,追求主客观交融,文本类型则以信息型为主,兼具表情型。考虑到英汉语景介的差异性和英语游客的接受性,汉语景介英译时需要加以改写,既要转换视角,又要化专业说明为通俗描述,并去虚存实、去虚增实。     

基于MODIS-NDVI汶川震中区域十年后植被恢复的时空变化特征分析

为分析研究受汶川地震影响下茂县、汶川以及都江堰三县的植被动态恢复状况,通过对中分辨率成像光谱仪-植被指数(MODIS-NDVI)时间序列数据计算2007～2017年各年的植被覆盖度,进一步计算2009～2012年以及2013～2017年植被覆盖恢复率,并结合地形地貌、地质构造、地质灾害、植被类型和人类活动等影响因素探讨该地区植被恢复的时空差异变化。结果表明:研究区植被在2007～2017年这10年内随着时间逐渐恢复,且恢复较好,但震中区域差异明显;结合实地调查滑坡数据,得知研究区与滑坡区植被恢复都表现出明显的滞后性;海拔和道路距离与植被恢复面积比分别存在显著的相关性;不同坡向上的植被恢复面积比也存在差异;研究区内地质构造复杂的区域地质灾害频发,灾害密度越大,植被恢复显著点较少;由于各种植被类型的特性不同,导致植被恢复的快慢不同,其中草甸、针叶林、阔叶林及灌丛自然恢复速率较快。可见,研究区内植被恢复受到自然与人为等多种因素影响,震后绝大部分区域植被在10年内恢复到震前水平,但部分区域需要人类进行政策保护,研究结果可为地震灾后植被恢复的决策干预提供理论支撑。