基于线上-线下超网络模型的舆论演化仿真分析

目前在舆论演化模型及其动力学规则的研究中大多数都没有考虑线下网络,导致其无法真实反映舆论传播过程。为解决上述问题,首先利用线上-线下社交网络映射方法得到线上-线下社交网络拓扑结构;然后构建线上-线下超网络模型,集成舆论事件态势信息形成舆论演化仿真环境;最后,利用传播学原理制定线上-线下超网络模型动力学交互规则,进行舆论动力学仿真。将提出型用于事件实例分析,仿真结果与舆论事件实际发展情况之间的余弦相似度达到0.99,平均差值为1%。实验结果表明,所提模型取得了比其他方法更好的仿真效果,验证了线上-线下超网络模型和舆论动力学交互规则的正确性和有效性。

融入类别标签和主题信息的用户兴趣识别方法

社交网络用户兴趣发现对信息过载缓解、个性化推荐和信息传播正向引导等方面具有重要意义。目前已有的兴趣识别研究未能同时考虑文本主题信息及其对应的类别标签信息对模型学习文本特征的帮助,文中提出了一种融入类别标签和主题信息的用户兴趣识别方法。首先,利用BERT预训练模型、BiLSTM模型和多头自注意力机制分别获取文本和标签序列的语义特征;其次,引入标签注意力机制,使模型更加关注文本与其类别标签更相关的词语信息;然后,利用LDA主题模型和Word2Vec模型得到文本主题特征;接着,设计门控机制进行特征融合,使模型能够自适应地融合多种特征,进而实现微博文本兴趣类别分类;最后,统计用户发表的所有文本在各个兴趣类别上的数量,将数量最多的兴趣类别确定为用户兴趣识别结果。为验证所提方法的有效性,文中构建了一个微博兴趣识别数据集。实验结果表明,该模型在微博文本兴趣类别分类和用户兴趣识别任务中均取得了最优性能。

Spatial-temporal Pattern and Population Driving Force of Land Use Change in Liupan Mountains Region, Southern Ningxia, China

The Liupan Mountains is located in the southern Ningxia Hui Autonomous Region of China, which forms an important dividing line between landforms and bio-geographic regions. The populated part of the Liupan Mountains region has suffered tremendous ecological damages over time due to population pressure, excessive demand and inappropriate use of agricultural land resources. In this paper, datasets of land use between 1990 and 2000 were obtained from Landsat TM imagery, and then spatial models were used to characterize landscape conditions. Also, the relationship between the population density and land use/cover change (LUCC) was analyzed. Results indicate that cropland, forestland, and urban areas have increased by 44,186ha, 9001ha and 1550ha, respectively while the grassland area has appreciably decreased by 54,025ha in the study period. The decrease in grassland was most notable. Of the grassland lost, 49.4% was converted into cropland. The largest annual land conversion rate in the study area was less than 2%. These changes are attributed to industrial and agricultural development and population growth. To improve the eco-economic conditions in the study region, population control, urbanization and development of an ecological friendly agriculture were suggested.

基于关系强度理论与反馈机制的信息传播动态网络表示

现有多数网络表示学习方法不能很好地贴合真实世界的信息传播网络,且无法对信息传播动态网络的时间特性与动力学演化特征进行有效建模。提出一种新的信息传播动态网络表示模型,基于关系强度将信息传播动态网络划分为关系网络与传播网络,并分别计算变化节点对的概率密度和邻接矩阵。通过更新节点注意力强度矩阵,聚合节点邻域变化信息,并融合节点邻域变化信息、自身历史信息以及外部影响因素,对信息传播动态网络进行归纳式表示学习。引入反馈机制,将最新的节点表示反馈到邻居节点,解决网络表示不及时的问题,提升网络表示性能。实验结果表明,与Know-Evolve、DyRep、LDG等模型相比,该模型的命中率和平均排名提升显著,与LDG模型相比,其时间效率在Social Evolution数据集和Github数据集上分别提升了91.8%、87.2%。

网络舆情监测预警系统模型与关键技术

网络舆情对社会影响日益增大,如何从海量网络数据中及时获取网络舆情信息,实现网络舆情自动监测与预警,对确保国家安全和社会和谐具有重要的意义。面对当前网络舆情的理论研究和系统实现脱节较为严重的现实,需从系统模型和关键技术层面搭建两者之间的桥梁。借用和改造战场态势分析和威胁估计的概念、思想和方法构建网络舆情监测与预警系统模型,从信息获取、态势分析和威胁估计3个视角分析网络舆情监测与预警的关键技术,并对网络舆情监测与预警系统的发展方向进行探讨。研究成果已用于指导某网络舆情监测与预警系统的实现,对于网络舆情的理论研究和系统实现的融合具有重要意义。

网络舆情认知机理分析

网民群体的利益需求与心理作用力是网络舆情形成的内因。本文从认知心理学的角度分析网络舆情认知机理,并借鉴信号与系统中激励和系统的分析方法,结合复杂网络理论,建立了网络舆情扩散传播模型。其中,网络舆情扩散传播的强度由社会公共事务信息(刺激源)、网民心理和网络信息对受众认知影响等因素决定;网络舆情扩散传播的范围由网络空间社会结构决定。此外,简要分析总结了网民心理及其表征,以及网络信息对受众认知影响的因素和途径。

基于知识图谱和二级传播理论的网络舆情事件传播分析

在目前的网络舆情事件传播分析中,尽管生命周期模型能够较好地描述舆情事件的发展规律,但却忽略了部分时期之间存在的共性特征,无法充分体现意见领袖对网络舆情事件传播过程的影响。本文提出了一种基于知识图谱和二级传播理论的网络舆情事件传播分析方法,首先,构建网络舆情事件知识图谱;然后,基于知识图谱计算用户影响力挖掘意见领袖;最后,考虑到意见领袖的重要地位,为有效刻画网络舆情传播规律、周期与途径,根据传播学二级传播理论构建网络舆情事件传播模型,将生命周期模型的五个时期按照舆情发展态势划分为三个阶段:潜伏期(爆发期阶段)、爆发期(成熟期阶段)以及成熟期和衰退期(消亡期阶段)。实验结果表明,该方法能够有效计算和发掘包括意见领袖在内的用户影响力,传播、分析网络舆情事件效果较好。

网络舆情引导智能代理模型

传统马甲机械发帖的网络舆情引导方式智能水平不高,引导效果不佳。人工智能的快速发展为网络舆情智能引导奠定了坚实的理论与技术基础。本文借用和改造智能体的思想和方法来研究网络舆情引导方式,构建自学习、自组织的网络舆情引导智能代理模型,具有网评帖文生成、引导时机与方法选择、协同引导等能力,能够根据网络舆情态势的发展,自适应调整网络舆情引导策略,实现智能化的网络舆情引导。本文的研究成果对于丰富网络舆论斗争理论,占领网络舆论制高点。具有重要理论意义和参考价值。

网络舆论智能引导仿真推演模型与系统构建

传统马甲机械发帖的网络舆论引导方式存在智能水平不高、效果不佳的缺点。人工智能的快速发展为网络舆论智能引导奠定了坚实的理论与技术基础。本文突破新闻传播学的思维定式,利用智能体、系统建模与仿真等理论技术,研究网络舆论智能引导,提出“态势感知-仿真推演-舆论引导”的网络舆论智能引导思路,构建网络舆论智能引导仿真推演模型,明确仿真推演工具,进而构建网络舆论智能引导系统,在仿真推演的基础上实施网络舆论引导,从而颠覆传统马甲的机械式发帖引导方式,破解难以在真实网络环境中直接尝试各种引导策略的困局。本文的研究成果对于丰富网络舆论斗争理论,占领网络舆论制高点,具有重要理论意义和参考价值。

基于多头注意力机制Tree-LSTM的句子语义相似度计算

针对现有句子语义相似度计算由于缺乏语义结构信息导致精度低的问题,该文在依存关系树的基础上,提出了一种基于多头注意力机制Tree-LSTM(multi-head attention Tree-LSTM,MA-Tree-LSTM)的句子语义相似度计算方法。首先,MA-Tree-LSTM将外部具有指导意义的特征作为输入,再将输入结合多头注意力机制作用在Tree-LSTM树节点的所有孩子节点上,为每个孩子节点赋予不同的权重值,从而实现多头注意力机制和Tree-LSTM的融合;其次,将三层的MA-Tree-LSTM应用于句子语义相似度计算并实现句子对的相互指导,从而得到句子对语义特征的多层表示;最后联合多层的语义特征建立句子对语义相似度计算模型,从而实现句子对间相关的语义结构特征的充分利用。该文提出的方法鲁棒性强,可解释性强,对句子单词的顺序不敏感,不需要特征工程。在SICK和STS数据集上的实验结果表明,基于MA-Tree-LSTM的句子语义相似度计算的精度优于非注意力机制的Tree-LSTM方法以及融合了多头注意力机制的BiLSTM方法。

城市公园栖息地特征对鸟类群落的影响:以上海市为例

上海作为中国城市化率最高的城市之一,是近40年来中国乃至世界城市化的缩影.近年来,随着上海生态城市建设进程的加快,公园数量和面积显著增加.城市公园作为野生动物栖息地的生态功能日益凸显.本研究选择上海市5个典型的大型城市公园,从景观尺度、微生境尺度和栖息地可利用度等3个尺度设置评价指标,利用对鸟类群落产生显著影响的公园面积、公园城市化指数、微生境复杂度、公园水体斑块密度等栖息地特征变量和鸟类群落对栖息地利用度进行公园生态功能评价.结果表明,公园作为鸟类栖息地的生态功能指数从高到低依次为海湾森林公园、上海植物园、世纪公园、共青森林公园和辰山植物园,数值与公园鸟类种类数排序一致.公园鸟类种类与城市化指数呈显著的负相关,城市化指数越高的区域,公园作为鸟类栖息地的生态功能越显著.在公园位置和面积确定的情况下,微生境复杂度是导致鸟类多样性差异的主要变量.5个公园中具有复杂微生境(含4个植被要素)的样方数量均不超过公园样方总数量的15%,具有简单微生境的样方数量占比为45%~75%,说明公园植被微生境营造以简单微生境为主,已成为制约鸟类多样性的限制因素之一.基于以上结论,在城市公园规划中应加强中心城区公园布局,在公园内部应配置复杂生境、增加水体密度和木本植物多样性、适当减少游客休憩区域及人工草皮面积,设置自然演替区以提高其作为野生动物栖息地的生态功能.

血细胞对动脉粥样硬化出血斑块炎症环境及转归的影响

动脉粥样硬化是一种大中型动脉的慢性炎症性疾病,可导致缺血性心脏病、中风和周围血管病等心脑血管疾病,严重危害人类健康。斑块内出血是进展期斑块的重要特征,且已被证实可以短期内加速斑块进展,这主要与血细胞进入斑块后影响斑块内炎症水平相关。本文旨在综述血细胞各组分在出血斑块炎症调节和转归中的作用。

高湿地区典型住宅室内墙壁表面全年霉菌生长风险评价

霉菌生长不仅破坏建筑结构和表面,而且会影响人体健康,地区气候和建筑特性的不同都会严重影响住宅室内霉菌生长情况。为了掌握重庆市典型住宅全年室内霉菌生长现状和影响因素,采用大样本横断面问卷调研结合WUFI Plus和WUFI-Bio软件模拟的方法,研究了重庆市住宅室内潮湿/霉菌现状及各个因素对霉菌生长的影响。问卷和模拟结果均显示,由于建筑节能设计标准的提高,重庆市2001年之前、2001-2010年和2010年以后建造的住宅室内潮湿情况存在显著差异,2001年之前的住宅发霉程度明显大于2001年之后的住宅。进而以2001-2010年的住宅为例,模拟分析了4种典型墙面材料(水泥砂浆、粉刷墙、乳胶漆和壁纸)和不同换气次数下的霉菌生长风险。结果显示:各种墙面材料的水蒸气扩散阻力系数与霉菌生长程度存在显著相关性,水蒸气扩散阻力系数越小,霉菌生长风险越小;换气次数为2 h-1时,霉菌生长程度最小。

基于上下文词向量和主题模型的实体消歧方法

传统词向量训练模型仅考虑词共现而未考虑词序,语义表达能力弱。此外,现有实体消歧方法没有考虑实体的局部特征。综合实体的全局特征和局部特征,该文提出一种基于上下文词向量和主题模型的实体消歧方法。首先,在传统词向量模型上增加上下文方向向量,用于表征语序,并利用该模型与主题模型训练主题词向量;其次,分别计算实体上下文相似度、基于实体上下文主题的类别主题相似度以及基于主题词向量的实体主题相似度;最后,融合三种相似度,选择相似度最高的实体作为最终消歧实体。实验结果表明,相比于现有的主流消歧方法,新方法是有效的。

融合实体描述及类型的知识图谱表示学习方法

知识图谱在很多人工智能领域发挥着越来越重要的作用。知识图谱表示学习旨在将三元组中的实体和关系映射到低维稠密的向量空间。TransE、TransH和TransR等基于翻译操作的表示学习方法,只考虑了知识图谱的三元组信息孤立的学习表示,未能有效利用实体描述、实体类型等重要信息,从而不能很好地处理一对多、多对多等复杂关系。针对这些问题,该文提出了一种融合实体描述及类型的知识图谱表示学习方法。首先,利用Doc2Vec模型得到全部实体描述信息的嵌入;其次,对实体的层次类型信息进行表示,得到类型的映射矩阵,结合Trans模型的三元组嵌入,得到实体类型信息的表示;最后,对三元组嵌入、实体描述嵌入及实体类型嵌入进行连接操作,得到最终实体嵌入的表示,通过优化损失函数训练模型,在真实数据集上分别通过链接预测和三元组分类两个评测任务进行效果评估,实验结果表明新方法优于TransE、TransR、DKRL、SimplE等主流模型。

基于两级传播理论的舆论超网络传播分析

社交网络挖掘可以使人们更好地认识信息在网络中的传播规律,分析信息在事件中的传播特点。现有的文献研究主要集中于舆论事件社交网络的静态建模,以及针对一些共性特点的仿真验证,而对舆论事件模型结构变化的讨论较少。本文尝试从两级传播理论出发,采用三层超网络结构对舆论事件不同时段构建传播分析模型,给出舆论演化分析度量指标,挖掘超网络结构变化的特点,探索舆论酝酿期积蓄力量的潜在因素。以长生疫苗事件进行分析,发现需要在酝酿期有多样化的意见领袖不断在各个话题中进行牵引,在积累了潜在的舆论人群之后才能促成舆论爆发。

基于主题词向量聚类的话题内新事件检测

目前关于话题内新事件检测的研究较少,传统的新事件检测方法多采用基于主题模型的方法,无法兼顾主题信息和语义信息,效果不够理想。针对该问题,该文提出一种基于主题词向量聚类的话题内新事件检测方法。该方法首先使用主题词嵌入(TWE)模型对经过预处理的语料进行训练,获取主题词向量;其次,通过对主题词向量进行K-means聚类来获取话题分布;再次,按照话题内新事件检测流程,将新事件检测问题转化为新子话题发现问题;最后,利用获取到的话题分布,对按时间顺序的文档进行检测。实验结果表明,该方法能够兼顾主题信息和语义信息,有效提高话题内新事件检测的性能。

基于模糊综合评判的网络舆论引导效果评估

[目的/意义]随着大数据时代的到来,网络舆论监测与引导的研究已经较为成熟,但是针对具体舆论事件主体的定量引导效果评估的研究较少。网络舆论引导的目的就是,降低网络舆论对事件主体的威胁指数,因此,可以利用威胁指数的变化值来评估引导方法的优劣。[方法/过程]本文提出一种基于模糊综合评判的网络舆论引导效果评估方法。首先,构建网络舆论威胁评估指标体系,采用层次分析法确定各层权重;其次,对网络舆论态势指标进行威胁等级模糊化,并利用模糊综合评判合成威胁等级模糊集;然后,对威胁等级模糊集解模糊化,得到网络舆论对事件主体的威胁指数;最后,利用网络舆论引导前后威胁指数的变化量评估引导效果。[结果/结论]从方法的可行性和必要性分析实验结果,分析表明该方法能够对舆论引导效果进行准确的评估,完全吻合经验判断。

MaskAE:基于无监督的短文本情感迁移方法

基于无监督的文本情感迁移技术是通过迁移原句子情感并且保持句子内容不变,生成带有其他情感的新句子的技术。这项技术在两个方面富有挑战性:第一,没有平行语料;第二,文本属性纠缠问题,即当改变句子情感时,通常难以保证句子内容不变。该文提出了一个基于掩码自编码器(mask-autoEncoder,MaskAE)的文本情感迁移方法。首先,利用情感词典来匹配句子中的情感词并用"mask"符号标记它;之后,利用MaskAE模型生成被标记的情感词,保持其他词不变,从而缓解属性纠缠问题。在模型训练过程中,利用情感判别器去控制生成句子的情感,从而解决没有平行语料问题。实验结果表明,该文模型简单有效,与当前先进模型比较,在自动评价指标和人工评价指标上均有提升,生成的句子在语法和语义正确性上的表现也更好。

Multiple Time Scale Analysis of River Runoff Using Wavelet Transform for Dagujia River Basin, Yantai, China

Based on monthly river runoff and meteorological data, a method of Morlet wavelet transform was used to analyze the multiple time scale characteristics of river runoff in the Dagujia River Basin, Yantai City, Shandong Prov- ince. The results showed that the total annual river runoff in the Dagujia River Basin decreased significantly from 1966 to 2004, and the rate of decrease was 48×106m3/10yr, which was higher than the mean value of most rivers in China. Multiple time scale characteristics existed, which accounted for different aspects of the changes in annual river runoff, and the major periods of the runoff time series were identified as about 28 years, 14 years and 4 years with decreasing levels of fluctuation. The river runoff evolution process was controlled by changes in precipitation to a certain extent, but it was also greatly influenced by human activities. Also, for different time periods and scales, the impacts of cli- mate changes and human activities on annual river runoff evolution occurred at the same time. Changes in the annual river runoff were mainly associated with climate change before the 1980s and with human activities after 1981.