基于主题—情感挖掘模型的微博评论情感分类研究

[目的/意义]近些年来,随着互联网的快速发展,微博逐渐成为人们发表言论的一个社交网络平台。通过对大量评论信息进行情感分析,对政府进行舆情治理、企业市场决策和消费行为分析具有十分重要的意义。[方法/过程]文章针对微博评论表达的特点,提出一种基于主题—情感挖掘模型的无监督情感分类方法,通过将语义角色标注、TF-IDF和K-means聚类方法相结合,构建情感单元词表和主题—情感匹配词表,同时挖掘出评论中主题和情感的分布与联系,并利用点互信息(Pointwise Mutual Information,PMI)和情感词典的方法计算主题词的情感极性值,基于此进行情感分类。[结果/结论]经实验证明,该方法同时考虑了评论中的主题分布与情感极性信息,解决了主题模型中常见的数据稀疏问题,提高了情感分类的效率和准确性,在F值上比S-LDA模型提高了14.24%。

用于网络评论分析的主题-对立情感挖掘模型

为了挖掘网络评论中的产品主题和主题的对立情感信息,以帮助生产商和服务商改进产品和服务质量,帮助消费者做出购买决策,基于LDA(latent Dirichlet allocation)提出了一个用于网络评论分析的主题-对立情感挖掘模型(topic-opposite sentiment mining model,TOSM),模型中假设句子为分配主题和情感的最小单位。该模型在LDA的基础上增加情感层,将LDA的三层结构拓展为四层,能同时得到主题以及主题的对立情感信息。为了使对立情感的描述更准确,在情感层中融入了情感词典先验信息。在Amazon网站的电子产品评论和Yelp网站的饭店评论数据集上进行了三组实验,实验表明,TOSM挖掘到的观点主题与评论中有价值的细节描述相匹配,TOSM模型的情感分类结果优于其他模型。

中美图书情报领域学科话语权的比较研究

[目的/意义]对比分析中美在图书情报领域的学科话语权,有助于加快构建中国特色哲学社会科学学科体系,发现不足,提升自我。[方法/过程]首先,借助LDA主题挖掘模型实现主题抽取,并结合热点主题识别指标厘清近十年图情领域中美两国热点主题分布态势;在此基础上初步筛选学科话语权量化指标,通过专家打分遴选指标并确定权重,形成学科话语权量化公式,进而从热点主题分布角度探究中美学科话语权总体概况;随后,通过梳理热点主题词特点与变化趋势,从对图情领域科研活动影响范围的广度与深度两方面剖析中美两国在该领域的学科话语权演变;最后,本文结合话语分析理论,凝练中国在图情领域的学科话语权及提升路径。[结果/结论]中国在图情领域突出的学术引领力实现了学科话语的高质量传播,其出色的学术影响力助力我国优势积累学科话语权,但在规范学科话语的语境控制方面道阻且长。

基于云计算平台的高校图书管理个性化服务方法研究

为了有效提升高等院校中图书管理的效率和准确性,提出一种基于云计算平台的高校图书管理个性化服务方法。首先使用4层架构建立云计算数字化图书服务平台框架,并以图书信息访问用户为角色中心,设计云计算访问实现过程中的用户服务模型。然后采用基于三层贝叶斯的主题挖掘模型,以非监督的机器学习方法实现个性化图书服务。实验结果验证了所提方法的可行性。此外,平均绝对误差计算结果显示,相比传统方法,所提方法具有较高的服务效率。