基于感性工学的儿童自行车造型优选设计研究

为改善儿童自行车的同质化现象,文章通过感性工学理论研究符合儿童和家长情感需求的儿童自行车造型。首先,利用在线评论数据和聚类分析确定代表性样本和造型设计元素,运用语义差异法和因子分析获取和分析感性意象评价值;其次,通过GA-BP神经网络构建感性意象和造型设计元素之间的映射模型,预测目标感性意象的最优造型设计元素组合;最后,进行造型优选设计实践。结果显示感性工学利用在线评论数据能有效获取用户的情感需求,GA-BP神经网络可准确建立造型设计元素和感性意象之间的映射关系,为儿童自行车造型优选设计提供指导。

基于网络文本的昆明市城市公园感知研究

以昆明市的27个城市公园为例,采集社交网络平台中的使用后评价文本,基于内容分析法,结合ROST Content Mining和Excel软件对评价文本数据进行高频词统计、语义网络分析、情感倾向和统计分析,定性与定量结合地对昆明市城市公园游憩感知因子进行总结归类。结果显示,公园出行主要集中在气候适宜的节假日,不同功能类型的公园构成要素的关注度各有差异,其中自然环境因素和服务管理水平的关注度最高,社会环境因素的整体感知度较低,消极倾向评论中对服务管理设施有较高提及率。最后根据游客的真实感受从环境规划设计、人文景观营造和服务设施水平3个方面提出提升建议。

基于胶囊网络的恶意评论检测

针对传统恶意评论检测模型无法适应不断更新的网络文化和语言习惯以及神经网络丢失信息的问题,提出了一种基于胶囊网络的检测模型.首先,采用BERT模型提取词向量的特征,以保留文本的潜在语义信息;然后,通过胶囊网络在局部范围内提取特征表示,并结合Bi-LSTM在全局范围内提取特征表示,以获得更全面的特征表示;其次,利用注意力机制将局部和全局的特征表示进行融合,提取关键信息并降低特征表示的维度;最后,使用Sigmoid分类器对结果进行分类,并输出检测结果.实验结果表明,所提出的组合模型相对于传统模型能够提取到更精细的语义信息,有效地提高了分类效果,在恶意评论的检测任务中,准确度达到了0.922.

基于BERT-GAT表示学习的问答社区最佳回答者推荐

在问答社区中,每天都会出现大量新的问题,为新问题推荐合适的回答者有助于加快问题的解决并促进社区发展.然而,目前最佳回答者推荐大多基于用户历史回复记录或文本匹配进行推荐,而用户是否回答某一问题与多方因素有关,特别是问题与用户擅长的知识领域是否匹配有关.因此,本文根据用户回答文本构建的社区知识语料库并对BERT模型进行微调,结合用户社区行为记录和回答赞同数等辅助信息,基于LightGBM模型进行最佳回答者的推荐.在实验中,利用Precision、MRR和Hit指标分析预测结果,结果表明,本文提出基于BERT-GAT表示学习的LightGBM最佳回答者推荐模型在StackExchange三个流行社区中均取得了较好的性能.

基于双向胶囊网络的恶意评论检测

为了解决现有检测模型无法准确识别语言风格多变、语意隐晦的恶意评论问题,提出了一种基于双向胶囊网络的恶意评论检测模型。首先,利用BERT模型对评论文本进行词嵌入,创建输入矩阵;其次,将输入矩阵传递给双向特征提取层,该层由堆叠的LSTM、双向胶囊网络和注意力网络组成,从正向和反向同时捕获文本的深层语义信息,将生成的正向和反向矩阵拼接起来并输入到注意力机制中,聚焦与恶意评论相关的词语并生成输出向量;再次,拼接输出向量与语境辅助特征向量,丰富特征表示;最后,将拼接向量输入到全连接层中,通过Sigmoid激活函数对评论文本进行分类。在维基百科恶意评论数据集上进行的实验表明,相较于现有研究,基于双向胶囊网络的恶意评论检测模型性能提升显著,能够捕获评论文本中更丰富的语义信息,有效检测恶意评论。

基于网络用户评价数据+的旅游风景道路网布局研究

为充分考虑游客的实际出行需求并提高旅游风景道路网布局的合理性,该文基于网络用户评价数据和旅游服务质量等级数据,提出一种旅游风景道路网布局方法,即通过K-means++和随机森林算法对旅游节点各指标进行客观赋权,计算节点重要度及节点间的路线重要度,并结合现状路网条件,制定区域性“快进+慢游”的旅游风景道路网布局方案。以G228福建段沿线区域为例,对旅游风景道路网布局方法的合理性进行验证,结果表明:该方法可有效划分旅游节点层次并优化区域性旅游风景道路网布局方案,最终构建出G228福建段沿线区域“两级四类”的区域性旅游风景道路网布局方案。研究结果对区域性旅游风景道路网的构建及旅游资源开发具有借鉴意义。

融合评论序列二义性与生成用户隐私特征的谣言检测

现有谣言检测工作存在以下问题:1)没有同时捕获评论序列的文本语义特征和时间周期特征;2)在隐私保护环境下无法获取用户个人资料,导致传播结构中的信息难以充分融合。为此,提出融合评论序列二义性与生成用户隐私特征的谣言检测模型(RD-CSGU)。综合考虑了评论序列不同视角下的文本语义特征和时间周期特征,同时构建了反映传播过程中用户之间社交互动关系的谣言传播异质网络,并基于该网络中的语义关系通过生成对抗网络(GAN)生成用户的隐私特征,解决了用户个人资料访问受限的问题。在Twitter15、Twitter16、Weibo数据集上展开有效性验证,与次优基线模型GLAN(Global-Local Attention Network)相比,RD-CSGU的准确率(Acc)分别提升了0.9、2.2和1.8个百分点,真谣言F1(TR-F1)值分别提升了2.6、6.8和1.9个百分点;结合消融实验及GAN生成嵌入分析的实验结果表明,RD-CSGU能有效检测出社交媒体平台上发布的谣言帖子。

基于文本语义增强和评论立场加权的网络谣言检测

社交网络方便人们信息交流的同时也为谣言的传播提供了新的温床。由于社交媒体帖子通常十分精简,大多数基于内容语义特征的谣言检测方法面临着语义信息不足的挑战。同时,目前基于传播特征的谣言检测方法常常忽略了评论用户的个体特征,未能合理分配不同用户评论的权重。因此,提出一种结合文本语义增强和评论立场加权的网络谣言检测方法。通过外部知识图谱获取帖子中的实体和概念的解释,以提供更多上下文信息,从而增强语义理解。借助点互信息将增强后的文本转化为加权图表示,并利用加权图注意力网络学习帖子的增强语义特征。通过预训练的立场检测模型提取帖子中每条评论的立场信息,并根据评论用户的特征来学习立场信息的权重值。将评论立场的时序数据和相应的评论用户序列数据输入跨模态的Transformer,以学习评论立场的时序特征。将增强的语义特征与加权的评论立场时序特征进行自适应融合,并输入多层感知机中进行分类。在PHEME和Weibo两个数据集上的实验结果表明,该方法不仅准确率高于最先进的基线方法1.6个百分点以上,而且在早期谣言检测方面,比最好的基线方法提前12 h。

引入主题节点的异构图舆情摘要方法

微博等社交软件承载着网民对社会舆论事件的不同观点,如何在海量主题评论中识别出有价值的信息已经成为重要课题。提出了一种基于异构图的舆情摘要方法,有效提取热点事件的主流观点,便于引导化解互联网舆情危机。针对多文档摘要任务中难以捕捉跨文档语义关系的难点问题,将主题节点引入评论句子图从而挖掘出输入文档间的潜在语义关联。具体地,抽取评论的主题并构建包含主题节点的异构图模型,利用图注意力机制进行不同粒度节点语义信息的交互,最后结合最大边界相关算法进行候选摘要句子的抽取。实验结果显示,改进模型在英文通用Multi-News数据集上Rouge1、Rouge2、,RougeL分数分别提升了0.46%、0.46%、0.48%;与已有Textrank、Sumpip等热点模型对比,在自制微博评论数据集上该模型性能达到最好。

面向方面级情感分析的交互式关系图注意力网络

方面级情感分析领域主要采用基于注意力机制的神经网络模型,这类模型忽略了方面词与观点词之间的依存关系和方面词与上下文词之间的距离,导致该类模型情感分类结果不够精确。为了解决上述问题,建立一种交互式关系图注意力网络(RI-GAT)模型。首先,通过长短期记忆(LSTM)网络学习句子的语义特征;然后,将学习的语义特征结合句子的位置信息生成新的特征;最后,在新的特征中提取各方面词和观点词之间的依存关系,实现对句法依存信息和位置信息的高效利用。在Laptop、Restaurant和Twitter数据集上的实验结果表明,相较于次优的动态多通道图卷积网络(DM-GCN),RI-GAT模型分类准确率(Acc)提高了0.67、1.65和1.36个百分点,说明了RI-GAT模型可以更好地建立方面词和意见词之间的联系,使得情感分类更加精确。

基于区块链的物联网多域数据共享机制

针对物联网中传感设备之间的传感信息数据共享面临的安全性和隐私保护问题,文中提出了一种基于区块链的多域数据共享机制。该机制将数据共享问题视为数据交易问题,引入可信的监管机构来保证交易买卖双方的利益。该机制提供了一种数据发布方法,买家可以将数据安全地发布到云存储服务中,并在发布过程中不会泄露数据信息。在数据交易过程中,为保护买家的隐私不被泄露,采用环签名对买家许可证进行签名和验证。此外,该机制提供了一种匿名评价方法,买家可在不透露身份的情况下对交易进行评价并监督卖方行为。安全性分析和仿真实验结果表明,该机制安全性良好,具有高效性并符合物联网数据安全共享的要求。

基于文本挖掘的大唐不夜城景区用户评论分析

采集大唐不夜城景区评论数据,基于Nvivo和Gephi软件对评论文本进行量化分析。根据三个发展阶段、三个评价等级、六个评论时间段对评论进行分组描述,对评论高频关键词与关键词共现网络进行了分析和比较。通过在线评论文本挖掘与分析,以期为大唐不夜城景区服务水平优化提升提供参考。

基于生成式对抗网络的互联网评论区舆情检测方法

互联网评论区的数据量庞大,且用户评论的更新速度极快,需要处理的数据量巨大,导致检测互联网评论区舆情的速度较慢,为此研究基于生成式对抗网络(Generative Adversarial Networks,GAN)的互联网评论区舆情检测方法。首先预处理信息,包括去除噪声和标准化文本数据。其次,利用GAN生成模拟的舆情信息,增强模型的泛化能力。再次,提取舆情信息的特征,反映文本的情感倾向和主题内容。最后,通过主题分类算法实现舆情检测,准确判断评论的主题类别和情感态度,为舆情监控和应对提供有力支持。实验结果表明,即使评论数量高达492.6万条,该方法依然能够保持每秒处理475000条评论的速度,具有显著的处理速度优势。

社会网络下基于在线评论的旅游供应商优选研究

在线旅游平台上评论规模庞大,信息量浩如烟海,平台如何依据他人评论信息为游客提供最优旅游供应商,从而使游客得到满意的服务体验是亟待解决的问题。在社会网络视角下,基于在线评论和概率语言提出一种旅游供应商的优选方法。首先,采集旅游平台上的游客评论数据,运用TF-IDF方法提取各供应商相关评论的关键词,通过筛选整理形成主题并计算其权重;然后,分析每条评论的情感值,并将其转换成概率语言术语集的形式;最后,构建游客群体社会网络,将游客群体意见与在线评论信息相结合,运用PROMETHEE-Ⅱ方法对旅游供应商进行优选排序。结果表明,本文方法推荐结果与旅游平台数据基本一致,但能在相似评分的供应商中做出优劣比较,精准有效地提供最优供应商,且简单可靠。

基于“蚂蚁金服”事件网评文本的互联网金融监管蕴意挖掘

以“蚂蚁金服”事件网络评论为样本,借鉴生命周期理论划分评论发展阶段,运用词云图与语义网络进行文本特征可视化和关联分析,并基于LDA模型和语义情感分析考察各阶段评论主题演进趋势和特征,从而挖掘事件的互联网金融监管蕴意。研究表明:相关评论主题在不同阶段各有侧重,但总体呈现逐步细化、深入的特征;“平台垄断”“数据保护”主题最为突出;监管参与者范围扩大成为主要关注点;爆发和平息阶段的评论感情倾向变化较大。为此,互联网金融监管应注重平台防垄断、用户数据保护及多主体协同监管,重点关注爆发与平息阶段的互联网金融舆情引导。

网络口碑影响的研究综述

近几年来随着互联网的发展,消费者越来越多地利用各种网络平台来分享和交流产品及服务的信息,这一新的口碑形式得到了国外学者的大量关注,并产生了不少高质量的研究成果,而国内对该领域的研究则相对欠缺。依据网络口碑领域最近几年的国际权威研究文献,对网络口碑传播的相关理论、网络口碑产生的动机、网络口碑信息要素、网络口碑对消费者购买和企业销量产生的影响进行了梳理,为国内学者开展网络口碑的理论研究和网络营销实践决策提供一定的参考。

中文网络评论观点词汇语义褒贬倾向性判断

。由于网络评论信息的庞大,因此通过计算机自动识别出用户评论观点的褒贬倾向性具有重要意义。以基于HowNet的词汇语义相似度方法的词汇语义倾向性分析为基础,根据观点词的褒贬特性改进词汇语义相似度计算方法以适用于评论词汇的倾向性判断,并且考虑词汇与多个基准词相似度较小时弱化个别有价值的较大相似度,从而提高倾向性判断的准确率。实验结果表明,改进后的方法在计算观点词词汇语义相似度时更为合理,并且判断倾向性时准确率有一定的提高。

网络安全技术的研究

随着各种新的网络技术的出现,网络给人们带来了许多方便,但网络上的不安全因素也带来了不少麻烦。为此分析了威胁网络安全的几种主要因素;介绍了当前网络中采用的几种有效的安全防范技术。

公路网规划研究进展与发展趋势

为了科学、有效地促进中国公路网的建设与规划,推动公路网规划理论方法的研究,系统地回顾了各国公路网规划理论方法的发展历程与实践应用现状,介绍了现有公路网规划理论、方法体系,并对这些理论体系进行了比较评述。在结合中国公路网规划实践的基础上,认为目前公路网规划在整体规划依据与各方法体系的细节上存在缺陷,指出现代科学技术的应用、定量规划方法和多学科的融合将是未来发展的趋势。

基于耦合CNN评分预测模型的个性化商品推荐

电子商务中大量评论数据蕴含着丰富的信息,该信息有助于解决个性化推荐系统存在的数据稀疏问题.为了充分挖掘评论数据蕴含的价值,提高商品推荐的准确率,本文提出了基于耦合CNN评分预测模型的个性化商品推荐方法.该方法首先利用耦合CNN构建评分预测模型,将耦合CNN分为用户网络和商品网络,划分成输入层、卷积层、输出层和共享层;用户评论数据和商品评论数据分别从相应网络输入;在评论数据分析时,从字向量角度进行语义分析,同时改变传统的使用单一大小卷积核处理句子的模式,使用多个并行的卷积层,利用大小不同的卷积核对句子进行特征提取;两个网络的输出将共同汇聚于共享层,在共享层使用因子分解机进行评分预测;最后将结果中的高评分商品推荐给用户.经对比实验验证,本文所给方法能够提高商品推荐的准确率.