基于演化聚类的社交媒体舆情分析方法综述

当前,社交媒体已经成为人们发布和获取信息的最主要渠道之一。由于大量用户的参与,社交媒体平台上已累计了海量的舆情数据,并且还在以指数级增加。如何发现和跟踪社交媒体中舆情变化是当前数据挖掘领域研究的热点问题之一。基于演化聚类的方法是分析社交媒体舆情的一类主要方法。主要从主题模型和矩阵/张量分解模型两方面来总结当前基于演化聚类的舆情分析方法,并且分析这两类方法的优缺点;最后对下一步研究进行了展望。     

职技高师企业管理概论课程教学改革初探

教学方法改革是提高教育教学质量的重要一环。本文对已实施“循环社会实践教学法”、“案例教学法”、“专题教学法”、“学生分组辩论法”等多项教学方法进行了总结。“循环社会实践教学法”强调了教学前、中、后三个环节有机的结合；“案例教学法”强调了通过案例分析，提高学生分析问题、解决问题的能力；“专题教学法”强调了激发学生研究热情、拓宽学生的视野；“学生分组辩论法”强调了学生驾驭知识的能力和综合素质的提高。     

基于概率主题的文本层次分类

概率主题模型是一种统计生成模型,它从文档集合中抽取一系列主题,并将这些文档表示为不同主题依照一定概率混合而成.通过这种模型发现的主题,能揭示文档的语义信息,在很多领域都有着广泛的应用.为此基于概率主题模型,提出了一种新的层次文本分类方法. 该方法首先利用Gibbs抽样提取一系列主题,然后计算测试文档和每个类的基于主题的相似度.在20 NewsGroups数据集上的实验结果表明,该方法的分类性能明显超越支持向量机分类方法.     

一种改进的网络突发话题检测算法

引进文本相关度这一影响因子,提出了一种基于蚁群聚类算法的突发话题检测算法,该算法结合蚁群聚类算法的优势,综合考虑文本聚类和文本相关度的影响,得到对网络突发话题检测的最优聚类效果,并对近年来网络突发话题进行实验,达到了很好的聚类速度和聚类效果,验证了算法对突发话题检测的准确性和即时性.     

汉译英中的话题-主语处理问题

英汉两种语言在句子结构方面有很大的差异。汉语是话题突出语言（topicprominentlanguage）,句子的基本结构是话题＋说明,而英语是主语突出的语言（subjectprominentlanguage）,句子结构是主语＋谓语,主语在句中处于不可或缺的地位,要求意足形完。本文通过翻译实践,讨论了汉英翻译时根据句子话题来确定英语主语的理论及操作策略,并以此实现有效再现原文语句的交际价值。     

汉英翻译中的话题结构转换

话题结构在英汉两种语言中表现形式不一样:汉语的话题常位于句首,是汉语固有的语序;英语的话题隐藏在宾语中的情况非常普遍.在汉英翻译中,往往要将置于汉语句首的话题转换成英语句子中的宾语.     

A New Generalized Similarity-Based Topic Distillation Algorithm

The procedure of hypertext induced topic search based on a semantic relation model is analyzed, and the reason for the topic drift of HITS algorithm was found to prove that Web pages are projected to a wrong latent semantic basis. A new concept-generalized similarity is introduced and, based on this, a new topic distillation algorithm GSTDA（generalized similarity based topic distillation algorithm） was presented to improve the quality of topic distillation. GSTDA was applied not only to avoid the topic drift, but also to explore relative topics to user query. The experimental results on 10 queries show that GSTDA reduces topic drift rate by 10% to 58% compared to that of HITS（hypertext induced topic search） algorithm, and discovers several relative topics to queries that have multiple meanings.     

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.     

基于双向主题模型的协同过滤算法*

主题模型可以学习用户和推荐项目的潜在主题分布。提出了一种基于双向主题模型的协同过滤算法,分别学习用户和推荐项目的潜在主题分布用于推荐服务。在真实的数据集上实验验证,该算法的性能均优于几个经典的协同过滤算法。     

基于特征加权词向量的在线医疗评论情感分析

针对在线医疗评论文本具有行业专业性强、差异性大、不够规范等特点,提出一种基于特征加权词向量的在线医疗评论情感分析方法.利用Word2vec方法构建词向量模型,抽取情感词集合完善医疗服务领域情感词典,根据句法关系识别主题词与情感词的依存关系,引入期望交叉熵因子,建立特征加权词向量模型,分析在线医疗评论的情感倾向.实验结果表明扩充的医疗服务情感词典在分析性能上的准确率、召回率以及F₁值均高于基础情感词典,引入期望交叉熵因子后,基于特征加权词向量的情感分析方法在SVM分类上表现出更好的效果,体现了其在在线医疗评论挖掘领域的良好效用.