美国情报界数据战略的文本特征与建构思路——以话语分析为视角

[研究目的]研究分析美国情报界数据战略的特点与建构思路,对中国特色数据情报战略建设提供借鉴。[研究方法]基于话语分析,对特朗普政府《情报界信息环境数据战略2017—2021》和拜登政府《情报界数据战略2023—2025》的词汇、语法及语篇进行定量比较研究,总结两份情报界数据战略的异同与特点。[研究结论]美国通过两部情报界数据战略建立并不断完善数据标准,充分应用数据科学技术保障数据安全,鼓励多元主体协同数据情报创新,并打造数据驱动型情报团队。我国应尽快制定战略统一数据认知,明确标准筑牢制度基础,以多边监管共筑数据安全,通过多元共享体系活力,建构具有中国特色的数据情报战略体系。

文本特征和图结点混合增强的图卷积网络文本分类

在BertGCN模型的基础上改进其结构,同时结合文本特征和图结点混合增强的方法,使用新的边权重计算算法BM25+构造图的边.使用R8、R52、Ohsumed和MR这4个常用的公开数据集来验证所提方法的有效性.结果表明:与BertGCN模型及其它基线模型相比,该方法在4个文本分类数据集上的准确率评价指标均有不同程度的提升.

围绕文本特征开展英语学习活动的高中英语阅读教学探索

理解文本特征是一项重要的阅读技能,英语课程标准对此也提出了相关要求。教师可设计如下英语学习活动引导学生理解、利用文本特征:预测内容、判断文体、理解内容、定位信息、回顾内容等分析文本特征类活动,对比文本和文本特征所给信息一致性、评价文本特征的适宜性等评价文本特征类活动,添加文本标题、添加图片说明、添加图片等创造文本特征类活动。这些学习活动可以帮助学生培养阅读技能,提升思维品质和看的技能,学会自主探究。

基于关键词加权的混合特征文本快速分类仿真

电子文本形式的网络信息不仅数量多,且混合特征具有较高相似性,很难达到特征的平均分布。特征项在类别间的不均性导致文本权重计算易出现偏差,影响类别特征词的提取,导致文本分类难度较大。为此,提出一种基于关键词加权的混合特征文本快速分类方法。采用词频逆文本频率指数信息检索方法对文本加权,计算不同权重下文本关键词在中心集合中出现的频率。根据频率阈值提取关键特征,确定文本集合中类中心点。计算与类中心相关性最高的文本数据,提取关联度特征。建立神经网络分类模型,预先设定一组包含详细特征的文本集,作为初始值输入到神经网络中,每个层次根据目标特征逐一比对实现有效分类。实验证明,所研究方法的查全率更高,文本混合特征提取的召回率高于40%,说明研究方法应用性能更优,对不同种类的文本集均能完成精准分类。

依据文本特征,推进《水浒传》整本书阅读教学

知晓、熟悉《水浒传》的情节,是开展《水浒传》整本书阅读教学的基础;了解文本特征,是深化《水浒传》教学内容的依据。《水浒传》的文本特征体现在三个方面:“魔幻+现实”——贯穿《水浒传》情节的一条主轴;情节错讹——特殊成书过程导致的必然结果;人物评价——毫不隐讳的秉笔直书。只有弄清《水浒传》的文本特征,才能科学进行《水浒传》整本书阅读教学。

抓住文本特征走进《孤独之旅》

诗化小说以其重视心灵体验、善于营造诗意化的意境和浓郁的情感而成为一种独特的小说类型。在诗化小说《孤独之旅》的教学中,教师要引导学生抓住小说的文本特征,深化个性化审美体验。

考虑文本情感特征的电商小微企业信用风险预警

电商小微企业为社会创造多元就业岗位、促进先进生产力发展,但信用风险影响其正常融资与发展。为进一步完善电商小微企业信用风险预警问题,基于淘宝生鲜行业小微企业的真实交易数据,考虑在线评论的文本情感特征,建立主客观两维度的信用风险指标体系;构建“两步法”网格搜索算法优化的随机森林模型,并运用SMOTE获取平衡数据集以构建更严格的预警模型;同时通过建立Logistic、CART、随机森林三大模型来设置对照组。实证结果表明:(1)考虑文本情感特征因素后所构建主客观两维度指标体系有效合理,通过了ROC有效性判定。(2)“两步法”网格搜索算法优化的随机森林模型效果优于其他三种预警模型。(3)平衡数据集不管对于单个预警模型还是集成预警模型而言都至关重要。研究为电商平台、金融机构建立统一预警模型、科学预测电商小微企业信用、高效贷款提供新思路。

深入把握文本特征,准确定位教学内容——谈《盼》的叙事特色及教学指向

本文就《盼》作为体现“围绕中心意思写”的范例,简析了《盼》的叙事特色,在分析教材对该文文本特色的开掘与择取及教学中存在的问题的基础上,结合课文在单元中的角色、地位,配套习题的指向,学生的发展需要等,提出《盼》一文的教学指向。

基于SWCNN和双向LSTM的文本情感特征分析方法

针对文本句子中语义角色重叠、高维度文本词向量训练中难以收敛等问题,将情感词标签与卷积神经网络相结合,采用结合情感词的卷积神经网络算法,将词语转为情感标签后与词向量拼接再输入卷积神经网络,将输出的特征再与双向长短期记忆神经网络所获取的特征进行融合,最后通过全连接网络输出情感分类结果。实验结果表明,在微博新冠疫情评论情绪数据集上,本研究所提出的算法模型文本情感特征识别精确度达到89.23%,比其他深度学习算法在准确率上至少提高1.95%,而且训练具有更快的收敛速度,能够为文本情感识别提供一种新的思路与方法。

基于特征融合的中文新闻文本情感分类方法研究

针对现有的新闻文本情感分析任务中,单一模型提取文本特征的片面性,且无法充分提取新闻文本语义等特征问题,提出一种基于门控单元特征融合的BERT-CNN情感分析方法。该方法分别采用BERT语言预训练模型与卷积神经网络(CNN)对新闻文本的特征向量进行提取;然后采用门控循环单元对提取到的文本特征进行特征融合;再输入到Softmax层进行新闻文本分类;最后从精准率、召回率和F_(1)-Score三个维度对比BERT、BERT-CNN、BERT-DPCNN和BERT-ERNIE的实验结果。实验结果表明,当分类场景更换为情感识别时,BERT-CNN依旧具有强大的语义捕捉能力,证明了BERT-CNN的泛化能力;另外,从原BERT的提升效果看,基于门控单元特征融合的BERT-CNN方法(提升2.07%)比词向量的方法(提升0.31%)更高。这一结果也证明了基于门控单元特征融合的BERT-CNN方法的有效性。

基于知识图谱和主题模型的短文本特征增强方法

【目的】中文短文本具有特征稀疏的问题,构建高质量的短文本特征表示将对文本的分类、推荐等处理具有重要意义。【方法】针对这一问题,本文提出了一种基于知识图谱和主题模型的短文本特征增强模型,借助知识图谱获取外部知识对短文本进行特征扩展,使用主题模型对短文本进行语义挖掘,最后通过向量拼接生成短文本特征增强向量。【结论】本文将提出的方法应用到中文短文本分类任务中,并进行了对比实验,实验结果证明本文提出的方法能够更好地对短文本进行特征表示。

社交媒体辟谣信息文本特征对辟谣效果的协同影响研究

利用社交媒体辟谣是控制谣言传播的应对方式之一,对社交媒体官方辟谣信息的文本特征及其构成逻辑进行探究有助于提升辟谣效果。研究基于ELM模型,将文本特征分为内容特征和形式特征,分别作为中心路径和边缘路径,运用QCA定性比较分析法,选取澎湃新闻官方微博发布的辟谣信息为样本,探究辟谣信息文本特征多因素组态效应对辟谣效果的影响。研究发现单一必要性条件分析表明论据可读性强能够显著提升辟谣效果,通过组态分析得出两条典型影响路径和相关结论,并据此为官方媒体如何提高辟谣信息质量与辟谣效果提供了参考。

基于深度学习和文本情感的上市公司财务舞弊识别方法

上市公司财务舞弊是指采用不当手段使会计信息失真的恶劣失信行为,对公司经营、经济发展和社会利益产生负面影响。目前,更多研究关注于金融数字数据,对文本信息和深度学习算法的研究较少,因此提出了一种基于深度学习并融合文本情感特征的上市公司财务舞弊识别方法。该方法首先对财务指标进行预处理,并使用BiLSTM提取股评文本的情感特征。然后使用RCC(residual-cross-convolutional)并行网络进行财务舞弊识别,其采取残差网络、交叉网络、卷积网络和长短期记忆网络并行的方式提取财务舞弊特征,并使用批标准化和全连接得到最终的识别结果。实验结果表明,该方法在识别上市公司财务舞弊的任务上较其他模型取得了更好的效果,召回率和AUC分别达到了88.46%和82.06%。

健康知识付费产品描述的文本特征对购买量的影响

互联网医疗平台发布的付费健康知识是专业人员分享高质量知识经验、普通用户提升健康素养的重要途径。而产品描述是知识产品化过程的关键环节,影响用户知识付费行为。对健康知识产品描述的文本特征及其影响展开研究,有助于提高知识产品质量和购买量。文章以“好大夫在线”付费阅读产品为例,采用内容分析法对网络采集并筛选后的样本记录从知识产品描述的标题、引言、主题等多个维度进行文本特征提取、编码和测量,并基于统计分析探索其对用户购买量的影响和作用。研究发现:健康知识标题语气对购买量没有显著影响;引言文本可读性与购买量之间呈现“M型”关系,引言呈现方式对购买量有显著影响,通常复合型比单一型具有更高购买量;健康知识主题对购买量没有显著影响,但与引言呈现方式的交互效应显著,引言部分保持适度可读性更能吸引用户购买,可读性值过低或者过高都会降低购买量,病例叙事更能激发用户的付费意愿。

基于多维度文本特征的电商平台评论有用性研究

伴随电子商务的发展,基于Web 2.0的在线评论体系不断完善,但海量评论降低了有效信息的获取效率,引发信息过载问题。如何迅速识别对消费者有用的评论、缓解信息过载问题,引起了业内与学界的广泛关注。利用大众点评网近5万条餐厅在线评论数据,综合考虑评论的多维度文本特征与情感表达倾向,采用Tobit、负二项回归方法对评论有用性影响因素开展实证研究。在此基础上,提出餐厅在线评论有用性分类阈值并使用支持向量机算法检验阈值的分类性能。研究结果表明:在线评论内容的菜品品质维度属性数量与平均长度、商家服务维度属性数量与平均长度以及正向情感倾向均显著正向影响在线评论有用性,且阈值为2的模型分类性能最佳。因此,电子商务网站可以进一步优化在线评论体系,提高消费者信息获取效率,促进在线评论生态持续向好发展。

融合网络和文本特征的智能课程推荐方法

针对在线教育平台上资源过载和传统推荐方法输入特征单一的问题,提出基于网络拓扑和文本数据的特征融合方法,使用深度学习的表示学习方法来进行智能课程推荐。对于课程设计策略构建网络拓扑结构,并使用Node2vec向量化方法将网络中的节点映射到低维向量空间;之后使用卷积神经网络抽取特征并融合经Doc2vec表示的文本数据,拟合用户数据与目标课程之间的相似度。在进行推荐时,选择两者相似度最高的Top N课程。实验结果表明,该方法的性能远远超过传统的推荐方法,同时,消除实验表明该文使用特征对于最终的推荐效果都有一定的积极作用。

基于科技英语文本特征的翻译策略研究

科技英语是一种重要的英语语体,是促进各国科技交流的重要载体,具有独特的语言特性,如何选择适当的翻译技巧则需要研究者分析文本特征并结合相关翻译理论,在实践中对翻译策略进行研究,才能保证译文质量。故本文从词汇、句法和语篇三个维度分析如何进行科技文本的翻译,并适当采用直译或意译以及视角转换等的翻译策略以保证科技文本的客观性、专业性和准确性。

互文性视阈下《搜神记》的文本特征

《搜神记》是晋代及其前神异故事的集合,故事的文本、意义之间体现出互文性特征。互文性表现在文本内容的互补、文本主题的互反,以及人物构形、情节元素、叙事核心的互鉴等方面。将各主题中所包含的故事进行对比,能看出《搜神记》文本的互文性特点:一些文本通过内容的对照补充呈现互补特征;部分文本经由主题的矛盾冲突体现互反特性;有文本在人物构形、情节元素、叙事核心等方面表现互鉴特点。在互文性视阈下,《搜神记》中看似零散的文本之间形成张力构成整体系统。

基于文本特征识别的医院电子档案自动分类系统设计

针对传统系统在医院电子档案自动分类中存在错分率高、分类效率低的问题,设计基于文本特征识别的医院电子档案自动分类系统。首先,建立电子档案文本信息处理模块、文本特征识别模块、自动分类模块3个功能模块;其次,对档案文本信息聚类,提取电子档案文本特征,根据特征进行档案自动化分类;最后,进行实验对比分析。实验结果表明,该系统的错分率在1%以内,分类效率在95%以上,具有一定的应用价值。

基于文本特征识别的医院电子档案自动分类系统设计

随着医疗信息化的快速发展,医院电子档案的数量迅速增长,急需有效的管理与分类系统来提高工作效率和数据质量。传统的手动分类方法不仅耗时且易出错,严重影响了医院信息系统的运行效率和服务质量。因此,设计一个基于文本特征识别的自动分类系统显得尤为重要。文章旨在设计并实现一个高效的医院电子档案自动分类系统,通过利用先进的文本处理技术和算法,实现高效准确的档案管理。