基于概率主题模型的京津冀协同发展研究主题演化分析

京津冀协同发展是当前各学科领域共同关注的热点话题。为深入了解京津冀协同发展话题的研究趋势,以2009～2019年中国知网收录的14 235篇与京津冀协同发展相关的期刊论文为研究对象,采用概率主题模型方法,提出以困惑度、主题平均相似度为指标确定最优主题数,结合文献发表时间挖掘期刊论文潜在主题,从主题强度和主题相似度等多个角度分析主题演化趋势。通过数据分析,挖掘10个潜在主题,生成主题强度年度变化趋势,构建主题内容演化路径,分析主题演化规律。以期为深刻认识京津冀协同发展和科学决策提供理论依据。     

基于社会网络分析法的京津冀协同发展相关政策研究

在梳理京津冀协同发展相关政策的基础上,从发布时间、发布部门、政策类别等角度探讨了政策的总体情况,运用自然语言处理技术和社会网络分析法,对政策文本关键词进行词频统计,词云、网络图绘制以及网络特征分析,最后得出结论并提出针对性建议.研究发现,中央各部门在京津冀协同发展相关政策的发布上合作较为密切,京津冀三地各部门之间在相关政策发布上合作较少.这些政策发布主题明确,能够紧紧围绕京津冀协同发展这一主题,而且政策涉及类别较多.从京津冀协同发展战略提出前到提出后,政策涉及词数明显增加,协同产业、协同领域、协同机构、协同保障措施得到明显的扩展,政策更为全面,但并未形成完善的京津冀协同发展政策体系.     

我国现行科技政策主体与主题的构成分析(1978-2018年)

科技发展水平是衡量一个国家或地区发展水平和发展潜力的重要标志,而其科技政策对科技发展有着重要影响。科技部作为我国专职从事科技发展管理的权威政府部门,其制定的科技政策具有较强代表性。因此,为了研究我国现行科技政策的基本发展规律,以科技部的数据为基础,对改革开放至今近40年来仍现行有效的科技政策文本从文本形式、政策主体、政策主题与主体的交互关系以及政策主题关键词的共现四个维度进行频数统计和定量分析。研究发现,我国科技部现行科技政策具有政策文本制定的"灵活性和渐进性",政策文本主体构成的"权威性和精英性",政策文本主题内容的"多样性和特色性",政策文本主题分布的"广泛性和紧密性"四个基本特点。     

基于CSSCI的京津冀协同发展研究的知识图谱分析

采用知识图谱分析工具绘制CSSCI数据库中京津冀协同研究文献的共被引图谱与关键词共现图谱,梳理京津冀协同发展领域的研究主题,探析研究热点与趋势。结果显示:该领域论文研究主要涉及京津冀协同发展战略与协同创新机理,京津冀地区的人口发展格局,京津冀地区环境保护、生态建设与生态补偿机制,京津冀城市群建设,以及政府合作与区域政策五大主题,今后京津冀协同发展将面临新时期新发展,"世界级城市群"、"协同创新"、"协同治理"等将成为新的研究热点。     

京津冀产业协同成熟度研究

京津冀地区的产业协同程度是影响京津冀一体化国家战略有效实施的重要因素。首先,分析京津冀地区的经济、产业结构特点;其次,基于灰色关联度方法,建立京津冀产业协同成熟度模型,根据模型的实证分析结果,提出相应的管理对策。     

把握机遇、乘势而上,积极融入京津冀协同发展战略

正京津冀地区化于环渤海地区的中心位置,是我国创新资源最密集、产业基础最雄厚的区域之一,是国家经济发展的重要引擎和参与国际竞争合作的先导区域。我国将京津冀协同发展作为"十三五"时期重大国家发展战略,制定和颁布了《京津冀协同发展规划纲要》,北京市委市政府也积极落实相关工作。京津冀协同发展需要科技创新驱动和支撑,因此,为北京市属科研单位"十三五"发展提供了新的机遇和     

天津自贸区机场片区产业发展思路浅析

结合全球经济形势与产业发展趋势,深入了解天津在国家"一带一路"战略构想以及京津冀协同发展政策中的未来发展定位和机遇。探讨如何利用天津自贸区作为长江以北唯一自贸区的优势,针对天津机场片区的区域特质,提出天津自贸区机场片区产业的发展思路。     

基于京津冀协同创新视角的大数据产业发展策略研究

当前,京津冀协同发展是一项重大国家发展战略。京津冀地区在发展大数据产业方面各自都具备独特的优势,但也都存在着一些局限因素。因此,在三地协同创新发展的大框架下,依托北京的研发优势、天津的产业化集群优势以及河北省的自然资源和土地资源丰富的优势,抓住京津冀协同发展的国家发展战略,有效实现京津冀三地在发展大数据产业方面的优势互补,各自取长补短,实现产业发展的协同创新,是加快三地大数据产业发展的关键所在。     

京津冀城市群协同创新网络体系构建的问题与对策研究

城市群内各城市发展及其互动和关联是区域协同创新的主要影响因素,构建协同创新网络体系对京津冀城市群落实创新驱动发展战略、构建协同创新共同体具有重要意义.文章基于系统视角,以京津冀城市群协同创新为落脚点,界定了城市群协同创新网络的定义,从空间协同、产业协同、资源要素协同、知识协同等多个层次构建了城市群协同创新网络体系框架.文章结合协同创新网络构建中面临的问题,重点从构建关联与共享的区域知识网络体系、强化要素流动和主体互动的创新网络组织体系、完善城市分工与融合发展产业协作网络体系和建立协同创新空间网络体系等4个方面提出对策建议.     

京津冀产业链协同创新发展研究

京津冀产业协同创新发展是国家亟待推进的战略任务.京津冀三地从产业发展趋势、产业协同和协同创新等方面具有显著的互补、互利、互惠发展的机遇和条件,京津冀产业链协同创新发展的方向是根据三方各地自身的禀赋条件,调整优化产业链和创新链的空间布局,构建跨区域创新创业系统和深化体制机制改革,重点要在产业分工、对接衔接、共建区域创新链、资源共建共享、科技成果转化和协同创新体制机制等方面加大力度.文章建议开展产业链项目联合攻关和重点企业联合培育,推进产业、金融、科技、人才、公共服务等领域政策的一体化发展.     

基于自适应聚类的文本潜在主题的自动发现

提出了一种自适应于不同题材文本自动确定其包含的潜在主题数K的方法.考虑到大多数文本的潜在主题分布符合段落密度特性,提出以段落为中心的研究策略,通过采用基于K均值的聚类算法联同自定义判别函数的聚类分析方法,实现了段落自适应聚类下的文本潜在主题的自动发现.实验结果表明,该方法在一定程度上能有效处理普遍存在的文风自由且主题表达灵活多样的各式文本.     

基于文本挖掘的互联网教育课程主题发现与聚类研究

如何通过有效的数据挖掘对互联网教育平台中的课程主题进行挖掘、聚类是当前互联网教育亟待解决的问题之一。实验基于文本信息对某互联网教育平台的1 472门课程体系的主题分布及类别进行了分析。采集了某平台1 472门课程的描述信息,进而通过自建词典和停用词库对文本进行切词分词,并通过TF-IDF对词频权重进行处理。利用LDA主题模型对课程的主题分布进行识别,发现了230个主题,并得到了每门课程在这230个主题下的文档–主题分布以及主题–词分布。进一步基于分布相似性函数对课程进行层次聚类,发现基于不同抽象层次主题的课程相互关联。最后将16个主题信息进行了可视化,这些主题分别从内容和数量两个角度反映出了课程的主题特征以及课程的聚合分布情况。     

面向食品安全监理话题检测方法的研究

食品安全问题一直是国民热切关注的话题,关系到社会的多个领域。为及时知晓食品安全领域关注的热点问题,对比了食品安全热点话题与其他热点话题在检测方法上的异同,构建了食品安全监理话题检测模型,运用聚类算法对食品安全数据进行文本挖掘来实现话题检测,并对食品安全数据进行分析。通过实验说明,采用Single-Pass算法的评价优于K-Means算法的评价,能够有效地对食品安全话题进行检测。     

基于邻域粗糙集的文本主题特征提取

LDA主题模型是一种有效的文本语义信息提取工具,利用在文档层中实现词项的共现,将词项矩阵转化为主题矩阵,得到主题特征;然而在生成文档过程中会蕴含冗余主题。针对LDA主题模型提取主题特征时存在冗余的不足,提出一种基于邻域粗糙集的LDA主题模型约简算法NRS-LDA。利用邻域粗糙集构造主题决策系统,通过预先设定主题个数,计算出每个主题的重要度;根据重要度进行排序,将排序后重要度低的主题删除。将提出的NRS-LDA算法应用于K-means文本聚类问题上并与传统的文本特征提取算法及改进的算法进行比较,结果表明NRS-LDA方法可以得到更高的聚类精度。     

一种面向博客群的主题倾向性分析模型

本文结合网络虚拟社会中舆情检索的实际需求,提出了一种面向博客群的主题倾向性分析模型.针对博客主题评论篇幅长短不一的结构特点,模型采用不同的文本倾向性处理方法：对于较长篇幅评论文本,分别统计目标评论中赞同、反对字符的倾向字符权重及其分布密度;对于拥有少量文字的主题评论,通过计算评论中字符倾向权重之和,实现评论倾向性评估.实验中通过构建面向“网络文化”的博客主题测试集,对模型的主题评论倾向性计算方法以及语义检索能力进行验证评估.实验结果表明模型具有较好的文本倾向性识别能力.     

基于局部和全局的LDA话题演化分析

对话题演化进行形式化描述,探讨了基于全局和局部话题演化的2种建模方式,并应用话题相似度和困惑度进行评测.对房地产话题和奥运会话题进行实例分析,给出了2种不同建模方法在话题演化方面的优缺点.两会报告实验结果表明,全局话题演化能够获得较好的模型参数,方法简单可靠;而局部话题演化则能产生细粒度话题,反映新话题的产生和旧话题的消亡.     

一种突发性热点话题在线发现与跟踪方法

针对在线发现与跟踪动态突发性文本流中的热点话题问题,在突发性热点词发现与度量方法的基础上提出了一种动态文本模型—动态突发性向量空间模型,用于有效描述文本的动态属性,并且结合文本聚类方法,提出了突发性热点话题的在线发现与跟踪方法.该方法可有效解决传统的基于静态向量空间模型的热点话题发现与跟踪方法仅可分析静态文本的缺陷,并...     

基于LDA模型的网络刊物主题发现与聚类

随着智能终端的普及,文本的主题挖掘需求也越来越广泛,主题建模是文本主题挖掘的核心,LDA生成模型是基于贝叶斯框架的概率模型,它以语义关联为基础,很好地解决了文本潜在主题的提取问题。对文本聚类过程的核心技术LDA生成模型、数据采样、模型评价等作了较为深入的阐述和解析,结合网络教育平台的2 794篇学习刊物进行了主题发现和聚类实验,建立了包含3 800个词项的词库,通过kmeans算法和合并向量算法(UVM)分两步解决了主题聚类问题。提出了文本挖掘实验的一般方法,并对层次聚类中文本距离的算法提出了改进。实验结果表明,该平台刊物的主题整体相似度比较好,但主题过于集中使得许多刊物的内容不具有辨识度,影响用户对主题的定位。     

基于复合主题演化模型的作者研究兴趣动态发现

以金融领域的科技文献作为实验数据,提出了一种新的用于动态挖掘领域相关的作者研究兴趣的复合主题演化模型。该模型能够获取作者在不同时间片下的主题概率分布以及主题下词汇概率分布,并充分考虑作者在合作作者文献中的排名对于其研究主题和主题变化的影响。通过金融领域的实证研究表明,该复合主题演化模型能够有效地揭示金融领域作者研究兴趣的动态变化。