期刊文献+

网络群体心理趋势智能分析模型研究 被引量:3

Psychological Analysis of Trends Intelligent Network Model
下载PDF
导出
摘要 网络群体是随着互联网网民的飞速膨胀而出现的虚拟聚集但真实存在的群体现象。由于互联网的隐秘性、自由性,使得网络群体能针对某一事物现象更真实地表述自己的观点。网络群体心理趋势分析是综合心理学、云计算、信息检索、自然语言处理、统计学等多学科理论和方法设计的智能模型。构建了以程序流为核心的网络群体心理趋势智能分析模型架构,突破了数据流方案,解决了云计算软件技术模式瓶颈。进一步研究了智能分析模型架构中核心模块的设计与实现,并以大学生网络群体的3万篇文本来检验该模型。结果表明,该模型能高效地实现网络群体心理趋势特征分析,能通过云图及结构方程模型给用户一个真实的感受。 Network groups are a virtual gathering but real group phenomenon with the rapid expansion of Internet users. Because of the Internet privacy and freedom, the Internet community can more really represent their own point of view aiming at a thing phenomenon. Psychological Trends Network is a comprehensive psychology, cloud computing, information retrieval, natural language processing, statistical theory and methods such as multi-disciplinary design of the intelligent model. Constructed the program flow at the core of the network group model of intelligent analysis of psychological trend in architecture, breaking the data stream programs to address the cloud computing model software bottleneck. Further researched the design and realization of the core module in intelligent analysis model structure. And the college students Internet Group's 30000 texts were used to test the model, the test showed that the model can efficiently realize the psychological trend of population characteristics of the network, give the user a real feelings through the cloud and the structural equation model.
出处 《计算机科学》 CSCD 北大核心 2010年第6期273-277,共5页 Computer Science
基金 四川省教育厅旅游专项课题(LY09-01) 四川省青年科学基金(09ZQ026-068) 国家自然科学基金(60702075)资助
关键词 网络群体 管道并行集成切词算法 哈希(Hash)散列算法 程序流 中文云图 Network groups, Integration of the segmentation algorithm for pipeline parallel, Hash algorithm, Program flow,Chinese word clouds
  • 相关文献

参考文献18

  • 1张刚,刘悦,郭嘉丰,程学旗.一种层次化的检索结果聚类方法[J].计算机研究与发展,2008,45(3):542-547. 被引量:15
  • 2姜远,周志华.基于词频分类器集成的文本分类方法[J].计算机研究与发展,2006,43(10):1681-1687. 被引量:22
  • 3Westman H. Finding your way in computer graphics[J]. ACM SIGGRAPH Computer graphics, 2006,40(2).
  • 4Hsieh J W,Kuo T W,Chang L P. Efficient Identification of Hot Data for Flash Memory Storage Systems[J].ACM Transactions on Storage, 2006,2 ( 1 ) : 22-40.
  • 5Chiang Y J, Tamassia R. Dynamic algorithms in computational geometry[R]. C.S-91-24. Brown University, 1992.
  • 6An Jun xiu,Jin Yu-chang. Research on Text Classification Algorithm of Largest Dispersion Based on Term Frequency[C]//International Forum on Computer Science-Technology and Applications(IFCSTA 2009). 2009.
  • 7HaaseC,GuyR.JAVA动画、图形和极富客户端效果开发/Sun公司核心技术丛书[M].北京:机械工业出版社,2008.
  • 8Law D. Taligent MVP in interactive statistical graphics [J].Computational Statistics, 2008,23 : 487-495.
  • 9VenugopalS.数据结构从应用到实现(Java版)[M].北京:机械工业出版社,2008.
  • 10曹晓华,曹立人.不规则几何图形识别取样特征的眼动研究[J].心理学报,2005,37(6):748-752. 被引量:12

二级参考文献120

共引文献108

同被引文献57

  • 1李仲涟.论心理的协同效应[J].湖南师范大学社会科学学报,1987,16(5):1-6. 被引量:9
  • 2李小平.态度转变的协同学模型及其意义[J].心理科学,1996,19(2):113-114. 被引量:6
  • 3王永刚,蔡飞志,Eng Keong Lua,胡建斌,陈钟.一种社交网络虚假信息传播控制方法[J].计算机研究与发展,2012,49(S2):131-137. 被引量:19
  • 4何建南.哈肯大脑协同学及其认知意义[J].五邑大学学报(社会科学版),2006,8(2):1-4. 被引量:2
  • 5张刚,刘挺,郑实福,车万祥,李生.大规模网页快速去重算法[A].中国中文信息学学会二十周年学术会论文集(续集)[C].2001.18—25.
  • 6Broder A Z, Glassman S C, Manasse M S, et al. Syntactic clustering of the Web[A]. The Sixth InternationalConference On World Wide Web[C]. 1997.
  • 7Broder A Z. Identifying and Filtering Near-Duplicate Documents [ J ]. Lecture Notes in Computer Science.2000,1848:1-10.
  • 8Brin S, Davis J, Garcia-Molina H. Copy Detection Mechanisms for Digital Documents[A]. SIGMOD*95 Pro-ceedings of the 1995 ACM SIGMOD international conference on Management of data[C]. 1995.
  • 9Shivakumar N, Garcia-Molina H. Finding near-replicas of documents on the web[j]. The World Wide WebAnd Databases. 1999,1590:204 — 212.
  • 10Chowdhury A, Frieder O, Grossman D, et al. Collection Statistics for Fast Duplicate Document Detection [J ].ACM Transactions on Information Systems. 2002,20(2) : 171 - 191.

引证文献3

二级引证文献14

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部