互联网舆情分析弹性自组织网

主要解决海量互联网信息的舆情分析问题。以概念倾向性和话题属性新概念为基础,建立了具有人工及自我双重训练功能的、具有自我反馈机制的舆情统计分析模型。以互联网为平台构建了虚拟的弹性自组织网,解决了网络舆情分布式计算、规模自由扩展及大规模舆情信息视觉化等的问题,并根据力学抽象使其具备了网络拓扑结构的自优化、自更新功能。实验表明,模型具有分析效率高、准确、结果直观等特点。     

一种基于扩展主题图的分布式知识融合

针对知识融合的效率问题, 扩展了传统主题图的组织结构, 并在此基础上构建一种基于扩展主题图的分布式知识融合体系结构, 提出一种基于全信息的主题图相似度算法, 设计了扩展主题图融合的规则和算法, 充分考虑了比较元素的涵义和所处语境, 提高了相似度算法的准确性, 实现了分布式环境下知识的有效融合.     

比较视野中的国际时评与外交政策互动——以中美两国为例

在与外交政策的互动过程中,中国与美国的国际时评的作用存在着显著的不同。美国国际时评起着观察者、参与者和催化剂的作用;中国国际时评更多的是外交政策的一个工具,是一种面向受众的单向度传播。面对声音微弱的现实,中国有必要改进国际时评的写作,以制造话题,为提高软实力服务。     

论邓小平江西讲话的历史地位

“9·13”事件后,在江西下放劳动的邓小平先后到吉安和赣州一些地方调研。在调研中,邓小平发表讲话,初步回答了“什么是社会主义、怎样建设社会主义”这个基本问题。对“什么是社会主义”的问题,邓小平的反思是:依靠机械化,大力发展生产力,使国家富强,人民富裕。在“怎样建设社会主义”这个问题上,邓小平的理解是:要建设社会主义,必须加强党的组织建设,弘扬艰苦奋斗的优良传统,贯彻群众路线,同外国发展经济关系,实现机械化。从理论上来说,江西讲话是邓小平理论主题形成的起点;从历史发展来讲,江西讲话是邓小平拨乱反正的理论基石。探讨邓小平的江西讲话可以使我们明白邓小平理论主题形成的起点问题和邓小平拨乱反正的理论基础问题。     

近十年来我校科研状况浅析

通过对我校近十年来科研成果产出情况的统计分析，说明目前学校的科研和科技队伍现状，指出了学校在科研和论文发表方面的优势和不足，并对如何进一步加强学校的科研工作提出了建议。     

关于科研的选题

本文从科研选题的实践性、创新性、可行性等方面论述了选题的重要性及选题成功的条件，揭示了提高科研成果质量的首要问题是正确选题。     

基于复杂网络的微吧话题流行度预测研究

微吧是微博平台的贴吧,具有良好的话题主题性,为更好地进行话题流行度预测研究,对电影吧作为研究对象,建立复杂网络模型,并设计自适应差分进化算法对网络进行训练。在算法参数的设计中,通过对算法复杂度边界的推导得到最优参数。对比实验表明,较于神经网络该模型结构更加灵活,较于拟合模型该模型能够对话题特性进行更为全面的描述,并且在话题流行度的预测中具有更高的准确度和稳定性。     

基于共词网络的雾霾事件下微博关注话题差异性——以中国北方雾霾严重地区典型城市为例

雾霾对人体健康、生态环境及交通运输等方面影响重大,雾霾来临时,人们会在微博等媒体上表达对雾霾的关注.微博中蕴含了网民对雾霾的关注话题及心理反映,通过微博掌握微博网民对于雾霾的相关反应,有助于城市管理者有针对性的调节雾霾情形下的舆论宣传和资源调配.考虑到微博文本中相同词语共现频率越高就越倾向于表达同一主题,采用基于社区的...     

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.      

基于Timed-HITS与协同过滤的混合推荐算法

用户间的信任关系、用户对商品的偏好兴趣及商品的时效性都会影响对商品的推荐效果.将这些因素引入到基本的HITS算法中,对HITS算法进行了改进.将用户对商品的偏好兴趣矩阵进行了改进,利用隐馈数据通过逻辑回归算法估计用户对商品的偏好兴趣,对评分为零的情况赋予了不同的偏好兴趣度,这样更符合实际.将改进的HITS算法和协同过滤算法相结合得到一个混合推荐算法,同时将用户分为活跃用户和非活跃用户分别进行推荐.将提出的算法在Movielens数据集上进行了试验,结果表明该算法在一定程度上缓解了数据稀疏和冷启动的问题,推荐效果优于基于用户的协同过滤算法.