基于抑郁症患者微博平台数据的文本语义挖掘与情感分析

基于抑郁症患者倾向于在社交平台表达情感的特性,提出在当前社交媒体上搜寻、分析和讨论抑郁症患者的主要特征。首先对抑郁症患者的微博数据进行高频词分析,使用LDA主题模型构建映射关系;然后基于时间序列分析该类人群正负向情感表达的变化情况,细致分析5类消极情绪的强度占比;最后在现有理论成果的基础上对抑郁症患者的平台形象、认知特征、行为特征及情感特征进行总结。在微博平台中利用文本特征与情感关键影响因素识别潜在的抑郁症患者具有非常重要的实际意义。

面向情报研究的文本语义挖掘方法述评

【目的】对主要的文本语义挖掘方法及其在情报研究中的应用进行综述分析。【文献范围】集中选择近10年国内外主流的文本语义挖掘方法在情报研究领域的应用以及少数此前的代表性研究和文本语义挖掘方法的进展研究。【方法】分别概括介绍词、句子和篇章粒度的文本语义挖掘方法、算法,并通过主题演化和技术挖掘领域的实际应用进行方法剖析。【结果】文本语义挖掘方法与传统的情报分析方法相比,主要弥补了两个缺陷:侧重于分析结构化的数据,无法处理多种异构的数据源;分析停留在统计语法层面,没有深入到文本的语义信息。【局限】仅对主流的文本语义挖掘方法以及在科学研究领域的应用进行综述分析,研究不全面。【结论】文本语义挖掘方法弥补了传统情报分析方法的不足,是情报研究方法的重要发展方向,随着方法的成熟,下一步研究重点是外部语义资源的丰富。

基于领域本体的语义文本挖掘研究

为了提高文本挖掘的深度和精度,研究并提出了一种基于领域本体的语义文本挖掘模型。该模型利用语义角色标注进行语义分析,获取概念和概念间的语义关系,提高文本表示的准确度;针对传统的知识挖掘算法不能有效挖掘语义元数据库,设计了一种基于语义的模式挖掘算法挖掘文本深层的语义模式。实验结果表明,该模型能够挖掘文本数据库中的深层语义知识,获取的模式具有很强的潜在应用价值,设计的算法具有很强的适应性和可扩展性。

基于SPO语义结构的关键词补充主题识别及演化分析

弥补基于SPO(Subject-Predication-Object)语义结构进行文本主题识别及演化分析方法中部分主题信息缺失、无法识别新兴领域主题、语义信息不够具体的缺陷,提升主题识别及演化分析的效果。首先,抽取科技文献标题和摘要中的SPO语义结构,使用关键词作为补充进一步丰富语义;然后,结合社会网络分析指标、新颖性和相对增长性指标分阶段进行核心主题、新兴主题识别;最后,基于文献引用及各阶段核心主题与新兴主题的变化情况进行主题演化趋势分析。分析发现,基于SPO语义结构的关键词补充主题识别及演化分析方法在以基因编辑领域为代表的较新的领域效果更佳,3个阶段的核心主题可从技术和应用2个维度概括为ZFN、TALEN,ZFN、TALEN和CRISPR/Cas9,CRISPR/Cas和碱基编辑在基因编辑系统优化、基础科学、临床疾病治疗和生物技术四大方向的应用,新兴主题主要包括疾病诊断、高通量功能基因组学、合成生物学代谢工程领域、精准医学精准编辑、基因编辑递送工具和基因编辑中的伦理问题六大方向。提出的方法可有效识别研究领域的核心和新兴主题,并把握其主题演化趋势,相较仅基于SPO语义结构的方法,效果得到提升。

面向科技文献检索的关键词层次结构构建

[目的/意义]关键词是描述科技文献内容特征的最小知识单元,在文献检索工作中发挥着重要作用。针对关键词语义关系缺乏限制检索效果的问题,挖掘了关键词层次关系,以优化检索结果。[方法/过程]通过分析层次结构整体特征、关键词涉及的研究主题与关键词间的概念重合关系,归纳了概念范围、概念距离与概念距离指数等概念以规范、指导层次结构建立工作,并借助层次结构实现了科技文献检索。[结果/结论]以实证数据为例,演示了关键词层次结构构建步骤,探讨了层次结构在科技文献检索中的作用,从结果来看层次结构具有明确检索目标、扩大检索范围、拓展检索知识的作用。

面向专利情报研究的SAO语义结构分析方法述评

【目的/意义】对主要的SAO语义结构方法及其在专利情报研究中的应用进行综述分析。【方法/过程】以SAO结构、专利分析、技术分析等关键词在中国知网、万方数据和Web of Science进行检索并参考相关会议,经过人工阅读和筛选,选取基于SAO结构在专利情报分析的相关研究进行综述。分别概括了SAO语义结构方法在专利情报分析中的相关技术,并通过技术演化分析和技术预测等典型应用场景进行方法剖析。SAO语义结构分析与传统的专利分析方法相比,主要弥补了文本语义信息的缺陷。【结果/结论】本研究有助于相关研究者全面了解SAO结构在技术情报分析中的相关技术及应用场景。SAO语义结构方法弥补了传统技术情报分析方法的不足,是情报研究方法的重要发展方向,随着方法的成熟,未来可以考虑应用到更多技术情报分析场景中。