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.     

一种基于类不平衡学习的情感分析方法

针对网络评论中普遍存在的负面评论较少而影响力却较大的类不平衡问题, 提出一种基于类不平衡学习的情感分析方法. 该方法利用深度学习训练过程中的概率输出, 以计算样例的信息熵作为影响因子构建交叉信息熵损失函数. 在IMDB公开数据集上进行实验验证的结果表明, 基于集成信息熵损失函数的双向长短期记忆网络能处理类不平衡问题; 对数据的统计分析结果表明, 该策略能提升基于双向长短期记忆网络的评论情感极性分类性能. 针对AUC(area under curve)指标, 使用集成信息熵损失函数的双向长短期记忆网络模型比未考虑类不平衡的深度学习模型在中位数上最多提升15.3%.     

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。     

网络舆论场域下热点新闻事件的影响力分析——以“江歌案”为例

全媒体时代不同媒介全方位融合,传统媒体舆论场衰落,以微博、微信为代表的新型的舆论场格局因势而生,热点新闻事件舆论场正逐渐"转场"。本文对"江歌案"中相关舆论进行数据统计,构建舆论影响力分析框架,全面分析网络舆论场域下社交媒体对舆论场的影响力。     

西方社会救助中政府与非政府组织的协作状况与经验

社会救助是保障人们最低生活水平的最后一道防线,社会救助措施由政府与非政府组织提供。社会救助有调整资源配置、实现社会公平、保持社会稳定的作用。从多种现象来看,我国的社会救助存在很多的不足点,如在社会救助中政府与非政府组织的协调程度低,协调手段单一等。文章将角度转向西方国家,分析西方国家在社会救助中政府与非政府组织的协调状况以及借鉴经验。     

论西方铜版画对明清时期绘画的影响

中西方交流在地理大发现之后的明清两代逐渐增多,伴随着西方传教士而来的西方绘画艺术,尤以铜版画为代表,其数量最多且影响较为广泛,对明清之际中国绘画不论是宫廷美术和文人绘画、民间美术都产生了较为显著的影响,而此时的中国绘画一方面是本土文化意识的觉醒与提高,另一方面是国门日益被打开西方文化的强势侵袭;在内外双重作用力之下,求新思变是必然的,逐渐出现一些新的气象。     

也谈“力学性能”

笔者读到《中国科技术语》2015年第1期赵中平的《mechanical properties中文译名演变过程及定义》一文,很受启发,但也有一些不同看法。该文斩钉截铁地说,"力学性能"并不存在,只有"机械性能",恐怕事实并不那么简单。问题的起源大概是对英文中mechanical和mechanics的理解。我们查找一本英文辞典(比如Webster’s New World College Dictionary),便可以知     

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。     

大数据环境下的数据分析及应用研究

大数据蕴含着巨大的商业价值和社会价值。针对大数据的分析与应用面临的新挑战,文章重点阐述了文本分析、Web分析、网络分析及移动数据分析等数据分析技术,并从商务智能挖掘、公共安全预警等领域介绍了大数据分析与挖掘的热点应用。