基于ETM模型的中亚国家“一带一路”网络舆情热点检测

[目的/意义]及时准确地检测中亚国家“一带一路”网络舆情热点,对于推进“一带一路”建设具有积极意义。[方法/过程]首先利用ETM(Embedded Topic Model)模型对文档建模得到候选热点主题;然后借助YAKE关键词抽取算法综合考虑候选热点主题的一致性、独立性和媒体关注度,确定热点主题;最后抽取每一主题的代表性文档以增强热点主题的可理解性。[结果/结论]在构建的中亚国家“一带一路”网络舆情数据集上的实验表明,该方法取得了较好效果。

中亚语种通用语料库构建研究

面向中亚国家“一带一路”网络舆情分析这一应用目标,探讨如何构建中亚国家通用语料库。首先利用爬虫完成新闻语料采集,其次在语料预处理的基础上,对其进行唯一编码并利用关系数据库完成语料的结构化组织和持久存储,并采用人机结合的标注方式对语料内容按照主题进行分类,最后研究语料库的信息服务方式以最大化其价值。目前,语料库词语容量已达到1.5亿,且还在持续更新,但仍然属于生语料,后续需根据具体应用领域完成相应标注工作。以文章构建的语料库为基础,不仅为分析中亚国家“一带一路”网络舆情提供可依托的语料库,还可用于中亚国家语言的研究学习和教学科研等相关场景。

语料库驱动下的吉尔吉斯斯坦主流新闻网站中的kerek用法分析

吉尔吉斯语中kerek一词表达"应该"、"需要"的意义。kerek在吉尔吉斯语中使用相对频繁,用法也比较复杂。本文通过借助语料库手段通过对语料库中kerek的使用情况进行分析解读,进一步了了解其在语篇中的搭配模式,帮助教师在教学过程中能够准确合理利用语料库,清楚明确的对其意义和用法进行解读分析,同时也可以帮助学习者进一步领会其意义及用法。