《麻省理工科技评论》的中国科技报道研究

本文基于框架分析与文本挖掘的方法,从宏观、中观、微观三个层次深入研究了1968年至2022年间《麻省理工科技评论》报道中国科技议题的特点,深入挖掘了报道中呈现的中国科技形象。研究发现,中国在《麻省理工科技评论》的全球前沿科技议题中具有极高的关注度,并集中于互联网、人工智能、生物医药以及新能源等技术领域。在中国科技成果与进展、科技与经济、科技与政治、科技伦理等六个主题框架下呈现出我国作为科技大国与全球科技与经济领导者的正面形象,突出了我国科技自上而下的发展特点,发展速度快、国际影响力强,但也呈现出我国科技创新力不足、轻视科技伦理与风险的负面形象。     

面向低资源场景的论辩挖掘研究

由于论辩挖掘任务的复杂性,其往往需要大规模的相关语料进行训练;但当前的研究工作大多是针对单一领域数据进行建模求解,在数据较为匮乏的新兴领域中,论辩挖掘任务难以开展。因此,提出了一种面向低资源场景的多任务学习的论辩挖掘方法。该方法首先通过卷积神经网络（CNN）和高速神经网络（Highway）对原文本的字符信息进行编码,获得多个数据集在词级的共享信息表示,然后由双向的有序神经元-长短时记忆循环神经网络（Bi-ON-LSTM）进一步处理词级信息和任务相关特征的联合表示,挖掘文本中潜藏的层级结构信息。最后使用条件随机场（CRF）对模型进行求解得到最终的序列标注结果。该文实验采用德国UKP实验室的学生论文数据集、维基百科文章等六个数据集进行相关的对比实验。实验结果表明,该文提出的方法在宏观F1值上较基准模型有1%-2%的提升,有效地提升模型的整体性能。     

富水砂卵石层深基坑支护技术研究

富水卵石层是当前地下工程建设过程中普遍面临的问题,受制于富水卵石层实际特点,在相关地区进行基坑开挖作业过程中极易出现较大程度的底层变形,这种情况会大幅降低基坑安全性,本论述所提及的工程在富水卵石层进行基坑挖掘作业中出现了涌砂和涌水现象,其对富水卵石层深基坑支护技术提出明确要求.因此本论述以该工程为例,结合对富水卵石层深...     

采用机器学习算法的技术机会挖掘模型及应用

现有技术机会挖掘结果的应用性较低,究其原因,一是样本量较小,二是挖掘过程缺乏对技术应用前景的评估.为解决这一问题,以提升挖掘结果的应用性为目标,以海量专利为样本,在现有研究的基础上,加入对技术应用前景的评估,提出三维的专利预测模型.采用机器学习下的PLSA算法,结合Hadoop平台下的MapReduce计算框架,运用专利文本挖掘,构建专利预测模型的技术维和功效维;采用熵权和TOPSIS法构建专利预测模型的价值维;基于MapReduce计算框架填充专利预测模型的单元项.并以DII数据库中钛领域1999～2018年133 508例专利文本为样本应用了专利预测模型.结果显示,该模型在钛领域内共挖掘出了3个优先级和2个次级的技术机会,可以按优先顺序对技术机会进行开发.该模型丰富了技术机会挖掘的方法,为创新主体指明了更为准确和前景化的技术研发方向.     

结合变异机制和量子PSO的关联规则挖掘算法

针对数据集中的关联规则挖掘问题,提出一种基于改进量子粒子群优化(improved quantum particle swarm optimization,IQPSO)算法的关联规则挖掘方法。首先,将数据实例以量子比特形式表示,构建一个基于量子进化算法(quantum evolutionary algorithm,QEA)的关联规则挖掘基础框架。然后,在该基础框架上,采用新的量子角度更新公式,即使用QPSO代替QEA实现关联规则挖掘。最后,为了进一步提高QPSO算法的收敛性能,融入变异机制和动态惯性权重对其进行改进,加快其收敛速度和跳出局部最优的能力。在UCI和课程成绩数据集上的实验结果表明,提出的算法能够快速且有效地挖掘出关联规则,相比其他几种算法,挖掘到的关联规则价值更高。     

国家社科基金学科类别自动判定模型构建研究

在把所获取的国家社科基金项目标题按照词表示成训练和测试语料的基础上,基于条件随机场模型和双向长短时记忆模型对所构建的国家社科基金项目学科类别判定模型,进行了多个角度和层面的验证,并与支持向量机模型的实验结果进行对比.基于相应的模型性能评价指标,验证了传统机器学习模型在小规模语料上的整体性能,证明增加了人工特征模型后的条件随机场模型的整体性能并未突出,同时对条件随机场的性能进行个案分析.     

我国评论挖掘与情感分析领域研究现状

以中国知网(CNKI)数据库中2003—2018年间2 857篇主题为评论挖掘或情感分析的文献为数据源,综合运用文献计量、科学计量和数据可视化等研究方法,借助CiteSpace、SPSS和Ucinet等分析工具,深入考察我国评论挖掘与情感分析研究领域的发展现状和研究热点.结果表明,当前该领域的研究内容主要集中在舆情监控与事件监测、技术方法和商业智能等主题;同时存在基于本体的相关研究欠缺和忽略用户评论表达方式的改变、语料词库尚不规范等不足;今后该领域的发展将会聚焦于短文本、跨学科应用和在线评论的经济价值等方向.