基于文本相关性的高校网络舆情监控系统的设计与实现

随着互联网的发展,高校大学生通过网络对各个热点问题发表意见和评论,一些负面的舆情信息会对高校造成巨大危害.为了实现校园网的公共安全,利用聚焦网络爬虫技术和聚类技术设计实现了一个基于文本相关性的高校网络舆情监控系统.根据高校网络舆情的特点,对聚焦爬虫和聚类算法进行一些改进,以提高热点话题发现的效率和精确度,从而有效增强对大学生网络舆情的监控.

众源地理空间数据的空间文本相关性分析

众源地理空间数据作为一种由大众采集并向大众提供的开放地理数据,蕴含着丰富的空间信息和规律性知识,其中具有代表性的是签到数据。基于地理学第一定律:所有的事物都是相互联系的,但离得越近,彼此之间的联系越强,利用移动社交网站中的签到数据,研究空间与文本的相关性,在对数据进行了预处理和地理映射处理的前提下,统计出各区域的文本属性值,在空间尺度的变化下采用探索性空间分析法分别对美国各州、纽约市和洛杉矶市做全局空间自相关性分析和局部空间自相关性分析。结果表明,不同的文本属性信息在空间上存在着不同全局空间自相关特性,局部自相关的分析也揭示了文本的聚集规律,为相关决策部门或企业制定合理决策提供了合理科学的依据。

基于文本与语义相关性分析的图像检索

为了更加有效地检索到符合用户复杂语义需求的图像,提出一种基于文本描述与语义相关性分析的图像检索算法。该方法将图像检索分为两步:基于文本语义相关性分析的图像检索和基于SIFT特征的相似图像扩展检索。根据自然语言处理技术分析得到用户文本需求中的关键词及其语义关联,在选定图像库中通过语义相关性分析得到"种子"图像;接下来在图像扩展检索中,采用基于SIFT特征的相似图像检索,利用之前得到的"种子"图像作为查询条件,在网络图像库中进行扩展检索,并在结果集上根据两次检索的图像相似度进行排序输出,最终得到更加丰富有效的图像检索结果。为了证明算法的有效性,在标准数据集Corel5K和网络数据集Deriantart8K上完成了多组实验,实验结果证明该方法能够得到较为精确地符合用户语义要求的图像检索结果,并且通过扩展算法可以得到更加丰富的检索结果。

基于社交的空间文本skyline查询

将社交信息应用到空间文本skyline查询中,提出了基于社交的空间文本skyline(SSTS)查询。SSTS查询中skyline对象的选择依赖于三个方面:与查询用户之间的距离、与查询关键字的文本相关性和在用户中的流行性。该查询引入了新型的函数计算它的社交相关性。为了提高查询者的满意度,扩展了SSTS查询,提出了受限的基于社交的空间文本skyline(constrained SSTS,CSSTS)查询,同时引入了一个新颖的概念受限skyline。针对每一种查询,应用了裁剪策略和终止条件,提高了查询速度。最后,通过实验验证了所提方法的有效性。

结合旋转森林和Ada Boost分类器的多标签文本分类方法

针对一些多标签文本分类算法没有考虑文本—术语相关性和准确率不高的问题,提出一种结合旋转森林和Ada Boost分类器的集成多标签文本分类方法。首先,通过旋转森林算法对样本集进行分割,通过特征变换将各样本子集映射到新的特征空间,形成多个具有较大差异性的新样本子集。然后,基于Ada Boost算法,在样本子集中通过多次迭代构建多个Ada Boost基分类器。最后,通过概率平均法融合多个基分类器的决策结果,以此作出最终标签预测。在四个基准数据集上的实验结果表明,该方法在平均精确度、覆盖率、排名损失、汉明损失和1-错误率方面都具有优越的性能。

已知时间的空间文本skyline查询

现有的空间文本skyline查询忽略了地理空间对象的时间信息,考虑到时间信息对应用的重要性,将时间信息应用到空间文本skyline查询中,提出了一种新的查询,即已知时间的空间文本skyline查询(Time-aware SpatialTextual Skyline Query,TSTSQ)。TSTSQ中skyline对象的筛选依赖于三个条件:文本相关性、空间邻近和有效时间。分别设计了对象的空间文本相关性和时间文本相关性的计算函数,构建时空信息和文本信息的对象索引结构TKR-Tree,通过构造高效的裁剪策略实现了TSTSQ的查询算法。通过实验数据的分析和对比,验证了TSTSQ查询的有效性。

基于特征词权重的文本分类

在文本分类时,只有少数学者利用特征词权重对文本进行向量表示,但是所使用的特征选择算法没有考虑特征词权重的正负及其范围等。因此,本文在CHI统计基础上提出一种计算特征词类相关性的新方法,并根据各类特征集中包含的特征词的数量,选用不同的文本类相关性计算方法;在判定文本类别过程中,只使用文本包含的特征词的个数及其类相关性,对含特征词少的文本也能很好判别。实验表明,该方法有效可行。

多说有益还是无益?交易所网络平台互动与审计师定价策略

本文以2010—2020年中国沪深A股非金融上市公司为样本,探讨管理层网络互动平台信息披露与审计师定价策略之间的关系。研究发现,网络平台互动程度越高,审计师定价水平越低。管理层回复及时性和文本相关性均能够正向调节两者负向关系。作用渠道检验表明,网络平台互动主要通过缓解“风险溢价机制”而非“成本补偿机制”来降低审计师定价水平。进一步的拓展性分析发现,上市公司风险信息、内部竞争文化和研发文本信息的披露能够降低审计师定价水平,验证了风险信息的趋同观、竞争文化的监督效应以及研发文本信息的信息增量效应。本文研究结论从网络平台互动的角度丰富了审计师实际获得的决策信息集,为审计师评估企业重大错报风险、制定合理的收费标准提供了可行的思路和参考。

基于维基百科和网页相似度分析的主题爬行策略

针对当前常用爬虫爬行策略的不足,提出结合维基百科和网页相似度分析的主题爬行策略。利用维基百科分类树的结构对主题进行描述;下载网页后对网页进行相应处理,结合文本相关性和Web链接分析来计算候选链接的优先级。实验表明,该爬虫搜索结果与主题相关度明显高于传统爬虫,爬虫爬全率有一定提高。该主题爬虫主题描述方法和爬行策略有一定的推广价值,尤其在转基因生物领域中,该爬虫中有一定的创新性。

企业信息披露与资本结构动态调整

管理层讨论与分析(MD&A)是上市公司定期报告中的重要非财务信息,发布公司未来发展以及战略部署的相关信息,可以为利益相关者提供决策信息,并且有效增强资本市场有效性。采用文本挖掘的方法,对2007—2018年中国A股上市公司的管理层讨论与分析所披露的信息进行度量,研究其对企业资本结构动态调整的影响。研究发现:MD&A文本相似度的提升会显著降低企业资本结构动态调整,MD&A文本复杂性的提升则会提升企业资本结构动态调整,在经过内生性的稳健性检验后结论依然成立;并且进一步的检验发现,文本复杂性的提升与资本结构动态调整之间存在倒U型关系。通过影响路径的检验发现,低于目标资本结构时,MD&A文本相关度以及复杂度均会通过调整负债影响资本结构动态调整;而高于目标资本结构时,MD&A文本相关度会通过调整股票发行影响资本结构,文本复杂度会同时通过调整负债和股票的路径影响企业资本结构动态调整。此外,通过对文本内部的因果解释性研究发现,文本的因果解释性与企业资本结构动态调整存在正U型关系,即较少的解释性信息是一种掩饰态度,充分的解释信息表现了对企业发展及战略等的阐述。从非文本信息的视角研究企业资本结构动态调整,为上市公司的企业治理以及投资者的信息决策提供了借鉴,同时为监管制度和政策的改进提供参考。