基于用户评论分析的网络学术信息资源评价体系模型研究

[目的/意义]从用户角度,通过用户评价内容挖掘构建形成网络学术信息资源评价模型,为网络学术信息资源评价提供一个新的视角,并为其更进一步深入研究奠定基础。[方法/过程]文章在利用爬虫工作自动抓取三个知名学术网站用户评论的语料库基础上,运用数据挖掘研究方法对评论数据进行分词、聚类,根据词间与词对关系,构建形成评价体系模型。[结果/结论]基于用户评论挖掘构建形成涵盖资源内容属性、资源外部特征、网络功能属性、获取过程、用户体验五个维度的网络学术信息资源评价体系模型。该体系模型反映出科学用户在利用新兴网络学术信息资源过程中对资源自身属性和平台规范性的关切,是用户与利用正式学术信息资源的本质区别。

用户评论驱动的语音测试数据生成方法

目前,语音识别的测试需要提供语音及其转录文本,测试语音需要涵盖各个场景下的语音输入,因此,测试语音的数量远远不够.鉴于用户评论中包含用户使用场景等可辅助测试的信息,文中提出一种用户评论驱动的语音测试数据生成方法.首先,爬取移动应用市场中语音相关应用的用户评论,对其进行清洗和预处理.其次,提取评论中的语音属性并分析语音属性在评论中的组合.最后,通过数据蜕变对语音种子进行语音属性及其组合的变换,生成语音测试数据.文中对百度、阿里云和讯飞语音识别进行实验,通过语音种子与生成测试语音的输出结果是否一致来评估识别错误率.实验结果表明,生成的测试语音可以有效检测出三款语音识别软件中的错误行为.