词共现网络的遗传聚类在话题发现中的应用

基于词聚类的话题发现方法中,普遍存在聚类结果不稳定(聚类结果较大程度依赖于聚类对象的初始化操作)的问题,为此通过将文档集建模为词共现网络,设计词共现网络的过滤方法,然后提出基于词共现网络的遗传聚类算法,实现从网络文档中提取热点话题。与已有方法相比,该方法所发现的话题相对稳定,这在实验中亦得到了验证,因而该方法在实际应用中具有更好的现实意义。

基于词共现网络的海量文本分析与热点话题发现

在语言学领域,词与词之间的关系具有很强的规则性,基于词共现网络的文本表示可以最大程度捕捉文本结构信息,揭示其内在的组织原则与语言学规律。论文以取自凤凰网环球军事、新浪网中国军事、中华网中国军事的海量军事语料为研究对象,构建军事领域词共现网络,通过词频统计、结点度分布分析以及命名实体抽取,揭示其小世界特性和无标度特性,实现海量文本的热点话题发现。实验结果显示了相关方法的有效性。

基于词共现网络的对农微博热点话题及用户舆情分析——以中国乡村之声官方微博为例

采用词共现网络的方法,对中央人民广播电台中国乡村之声官方微博热点话题及用户舆情进行分析。中国乡村之声官方微博的热点话题聚焦于农业经济信息和农民民生问题。中国乡村之声官方微博用户最关注的热点话题首先是农民民生问题,其次是农业经济信息;用户舆情总体呈现出较为积极向好的倾向。不过,中国乡村之声官方微博还可以进一步优化话题设置,适当增加农民民生问题话题的比重,尽量多设置切合农民表达意愿的话题,及时回应和平息消极舆情。

基于词共现网络的对农广播热点话题分析——以中国乡村之声《三农中国》为例

本文采用词共现网络的方法,对中央人民广播电台中国乡村之声《三农中国》栏目中的热点话题进行了分析。《三农中国》的主热点话题领域为"农产品市场信息""农产品价格信息"和"农业气象信息";次热点话题领域为"扶贫攻坚""对农政策"。分析发现,该节目基本满足了农民受众的农业经济信息需求及对农政策信息需求,但是对农民信息需求度较高的农村社会医疗保障、农民子女教育等问题关注不够,缺乏针对农民工受众群体的信息资讯传播。

MEDLINE数据库中主要主题词与全部主题词的共现网络无标度性与小世界特性的检验分析

以MEDLINE数据库所收录的药理学主题文献集合为例,分别构建全部主题词和主要主题词共现网络,分析了两种网络节点的点度中心度、接近中心度、中介中心度等3种中心性指标。然后根据节点的度分布,检验了两种网络节点度分布的无标度性,比较分析了两种词共现网络的整体属性(平均距离和聚集系数)以检验其小世界效应。结果发现,这两种词共现网络都具有无标度特性和小世界效应,由全部主题词构建的共现网络适用于网络属性分析,由主要主题词构建的网络适用于学科主题内容分析。

基于词共现网络分析的我国高校继续教育专业建设现状研究

我国高校继续教育的专业建设存在着质量不高、内涵错位、监管缺失等多方面的问题。为全面了解高校继续教育的专业建设现状,本文从文本挖掘的视角出发,以1?902所高校的2017年度继续教育发展报告为数据集,从专业设置、专业评估、教学过程、专业实践和评价反馈五个方面构建专业建设的评价标准,并进行文本抽取,构建各个维度的词共现网络。通过从文本中提取的高频词汇、网络结构特征和关键词共现网络的描述,对各高校继续教育专业建设现状进行上述五方面的分析,使用社区发现算法对专业建设不同方面的关键词进行模块化聚类,寻找组成各方面的关键要素及关键词,并给出完善评审监督机制、多方位收集用人单位评价和建立终身教育观等建议。

基于语义加权网络的重点领域科学基金资助态势识别研究

[目的/意义]科学基金制度是各国(地区)提升科学研究水平的重要方式,准确识别科学基金的资助方向和资助成效是感知科技发展态势的关键。[方法/过程]为识别科学基金资助态势,在提出关键短语抽取规则后,利用语义相似度消除同、近义词的歧义影响,利用动态滑动窗口和语义相似度构建语义加权的词共现网络,并基于社团划分方法识别基金主题。在集成电路领域比较1812项中国国家自然科学基金和2807项美国国家科学基金的资助主题分布、资助力度变化和资助效果,该方法能够准确识别基金主题分布和资助成效。[结果/结论]中国国家自然科学基金和美国国家科学基金均涵盖了集成电路领域的主要研究主题,在重点资助方向和资助力度上有较大差异;中国国家自然科学基金资助的论文平均被引频次相对较低,受资助机构相对单一。

一种新的网络热点话题提取方法

网络热点话题提取是网络舆情分析的重要手段,已成为信息检索领域研究的热点内容之一.传统聚类方法因其聚类结果不允许相交等因素,暴露了其在基于(主题)词聚类进行话题发现中的诸多缺点.本文基于小世界理论建立词的共现网络模型并去除大量冗余词,然后运用极大相容块技术并基于过滤后的词共现网络实现对相交话题的提取,获取网络热点话题.本文方法与传统聚类方法有本质区别,基于(主题)词聚类进行话题发现具有独特的优势,较好克服了已有方法的缺点.实验说明了本文方法对提取网络热点话题是有效和可行的,比同类算法具有更好的性能,且具有较好的可伸缩性.

一种运用相容语义块约简的网络话题检测方法

针对已有基于词聚类的话题检测方法存在的缺点,本文利用网络文档的半结构化特征提供的语义信息以及利用词在语义上下文的共现频率定义词之间的语义相似度,然后构建文档集的词共现语义网络,实现词之间语义关联的建模;据此提出相容语义块的概念,并通过对相容语义块的构建、分裂和约简来实现对话题的检测,进而提出一种基于相容语义块约简的网络话题检测方法.该方法获得的结果稳定,表现话题的词集简短而富有表达力,因而十分适合于网络话题检测,实验亦说明它的这些优点以及它的有效性和可行性.

跨文档事件检测算法

为了从海量文档中检测出特定事件,提出了一种跨文档事件检测的模型和算法。首先从文档中提取信息要素,包括主体、时间、地点、主题。然后以信息要素为基础对文档建立共现词网络图,并采用4W向量描述待检测事件,即从逆向的角度考虑,对共现词网络图进行带约束条件的深度优先搜索,寻找图中定长的环。最后判断这些环中的节点是否包含待检测事件的信息要素以实现事件的检测,并以环中节点反向获得与事件相关联的文档。实验表明该算法能从文档库中检测出事件,与其他算法相比,能同时获得较高的准确率和召回率。

武夷山景区游客在线评论的可视化分析

游客在线评论可以揭示游客的主要关注点,并对其他游客的决策产生影响。提出一种游客在线评论文本的分析和可视化方法。首先对评论数据进行关键词识别,再通过词云对高频词进行可视化,并基于词共现网络分析共现于同一条评论中的关键词。通过对在线评论的可视化分析,有利于直观分析游客的关注主体及情感倾向。

基于文本挖掘的微信公众号文本内容传播特征研究——以“北京农业”微信公众号为例

目的/意义:从北京农业微信公众号推送文章出发,爬取文本内容,对微信推送文章的外部特征及传播特征进行了分析,以期能从微信公众号推文内容角度为农业知识传播提供参考与借鉴。方法/过程:利用Python语言编写爬虫代码及各种计算脚本,将获取的5103条推文作为数据样本,结合主题词抽取、文本聚类、以及高频词共现网络,分析了北京农业微信公众号推文现状及内容传播特征。结果/结论:北京农业微信公众号在农业知识传播的内容组织方面已较为全面,在深刻剖析传播特征的基础上,应着力从需求挖掘、创造热点等方面让推文更有热度。

基础设施韧性的研究现状与发展趋势——基于国际文献综述的解析

随着韧性思想在城市研究中的不断深入,韧性与城市设计中的众多要素产生了愈加紧密的联系。基础设施作为城市环境的物质性基础,在遭遇灾害时其坚固程度决定了市民能否安全转移撤退、救援能否开展,其承载的内容与韧性关联性强,因此关于基础设施韧性的研究也显得愈发重要。以“基础设施韧性”为主题开展的研究资料有限,但涵盖韧性思想的基础设施相关研究不乏先例,需要通过有效的途径提取相关研究的关键信息,从而提供深入开展基础设施韧性研究的线索。本文通过直接检索、特征迭代检索、数据迭代检索三种方式进行文献的拓展搜索,借助科学制图的方式,分析基础设施韧性研究目前的研究重点、薄弱环节和未来趋势,由此形成对基础设施韧性研究更为全面的认识。从目前的文献数量分布来看,现有研究主要关注于风险领域,包括风险的种类、风险评估、风险管理三方面;关于基础设施韧性的坚固性研究、恢复性研究、优化措施研究、效能评估研究等方面较为薄弱,而这些主题在未来的研究蓝图中具有较大的挖掘潜力。