基于主题模型和专利数据的技术创新评价研究

[目的/意义]专利是企业技术创新活动的重要成果,对专利数据进行分析,有利于客观评价企业技术创新能力。[方法/过程]从计量的角度对企业专利数据进行分析的同时,结合机器学习的方法,通过LDA模型对专利摘要文本进行内容挖掘,构建基于专利文本内容的评价指标,建立由专利数量、专利趋势和专利内容三方面指标组成的技术创新评价体系。[结果/结论]采用熵值法确定各项指标对企业技术创新的影响权重,并通过实验对国内自主品牌制造企业进行技术创新评价,说明了评价方法的现实意义。

人工影响天气对气象要素及天气预报的影响探析

在生态环境恶化和全球气候变暖的背景下,我国的自然灾害频繁发生,尤其是暴雨洪涝和干旱高温的天气每年都在出现,同时呈现逐年增加的趋势,严重影响着人们日常的生产和生活,同时造成严重的经济损失。为此,人工影响天气技术开始出现和应用。通过先进的科技手段能够实现对天气情况的预测和干预,在一定程度上降低了气象灾害给人类造成的经济损失。

短时临近天气预报在气象防灾中的应用

最近几年频繁的出现各类自然灾害,存在有不稳定性和多样性的特点,会对经济体系造成较大影响。目前的科学技术和设备,可以及时的预测区域范围内的天气情况,建立在卫星和雷达的基础之上,可以将相关的信息进行有效的整合,较为准确的信息能够在第一时间传递给气象部门,人们可以在第一时间了解天气变化,做好有效的防护措施。本文分析了短时临近天气预报的重要性,并对其在气象防灾中的运用进行了深层次的剖析,希望能够借此提升人们的生活水平。

两高切变型四川盆地大暴雨天气过程机制研究

利用常规观测和EC数值模式资料,对2020年8月12~13日四川盆地大暴雨天气的环境条件、水汽条件、能量条件、不稳定层结、MCS系统演变进行分析。结果表明:本次盆地大暴雨属于“两高切变”型,是在高能高湿环境条件下,北方干冷空气入侵盆地触发锋线对流系统,盆地南部受地形强迫抬升影响触发对流系统,在高空切变线上合并加强,造成四川盆地大暴雨过程。贵州高原的强水汽输送是此次大暴雨的重要水汽条件,对流云团合并加强是造成局地特大暴雨的重要特征。基于EC数值模式资料分析的盆地暴雨落区比实况探空更加清晰。

基于nBD-SVM模型的投诉短文本分类

【目的】对投诉短文本进行有效分类以提高问题处理效率。【方法】针对投诉文本所呈现出的弱结构化、长度较短等特征,提出一种结合主题模型和词向量方法构建SVM输入空间向量,并融入集成学习方法的nBD-SVM文本分类模型。【结果】采用企业投诉文本进行实证分析,对比相关分类方法,nBD-SVM准确率可达81.13%,说明其能够有效提升投诉文本分类的准确性和效率。【局限】实验仅以某公司投诉文本为例。【结论】nBD-SVM分类模型能够适应企业投诉文本分类任务,满足企业的分类应用需求。

基于nLD-SVM-RF的短文本分类研究

【目的】解决短文本内容简短而引起的数据稀疏问题,提高短文本分类效果。【方法】针对短文本数据稀疏的特点,采用多通道文本建模方式,形成融合短文本语义、语序特征和主题特征的文本向量表示作为分类器的输入,采用集成SVM与随机森林的nLD-SVM-RF方法实现短文本分类。【结果】使用投诉短文本进行验证,相较于仅使用Doc2Vec作为特征的SVM单分类器和RF单分类器,当n=5时,nLD-SVM-RF方法准确率分别提高9.70%、6.25%。【局限】本文数据为电信投诉文本,数据量较小,没有在大样本数据集上进行验证。【结论】nLD-SVM-RF算法有助于企业分析短文本信息,辅助决策。

基于文献多属性加权的共词分析方法研究

【目的/意义】共词分析法是文献情报分析的重要方法,对促进学科领域等的研究和发展具有重要作用。针对共词分析法中存在的文献层面和词层面"同量不同质"问题、高频孤立词问题等,提出一种基于文献多属性加权的共词分析方法。【方法/过程】该方法利用文献发表时间、被引次数和下载量等属性来度量文献时效性和被关注度,以表征文献层面的权重;利用文献标题和摘要等属性对文献关键词的差异性进行度量;综合文献权重和词差异性权重对共词分析词频次及共词对频次进行加权处理,然后依据二者加权后的频次确定共词分析用词集合及构建共词矩阵。【结果/结论】以CNKI数据库有关主题模型研究的核心期刊论文为数据源,对该领域的研究主题热点进行分析,从共词分析用词选择和聚类分析等方面与一般共词分析法进行对比,验证了本文所提加权方法具有一定的合理性和有效性。