基于结构模型—词频计算的国防科技战略情报分析方法

[目的/意义]针对传统国防科技发展态势分析定性为主的不足,提出一种综合经典结构分析和自然语言处理(NLP)文本计量的国防科技战略情报分析方法。[方法/过程]首先,综述国防科技战略情报分析方法研究;其次,采用PEST“钻石”结构化模型分析主要国家国防科技战略政策调整动因;再次,解构主要国家国防科技战略政策文本,并运用NLP文本计量发掘国防科技发展重点热点;最后,结合定性定量研判辨析国防科技发展基本态势。[结果/结论]对2018—2022年主要国家发布的50个国防科技战略政策文本进行量化分析,对主要国家国防科技发展策略、高新科技领域重点进行研判。结果表明,文章构建的方法框架能够为认识和研判国防科技战略情报动向提供新的视角。

基于内容分析法的阅读类APP用户使用偏好研究

目的 通过对阅读类APP的用户评价文本进行语意分析,挖掘用户的潜在需求和使用偏好,为此类产品提供优化设计方向。方法 通过内容分析法进行用户使用偏好研究。首先选择一些评分较高的阅读类APP的用户评价,对文本进行归纳和整理。其次利用ROST CM6软件对用户评价文本进行语句的拆解和词频的计算。再对用户的需求进行编码和排序,量化分析用户在使用阅读类APP时的偏好度,明确优化设计方向,构建阅读类APP的偏好模型,并对模型结果进行应用和验证。结论 通过阅读类APP用户评价可以定性分析用户对产品的满意度,定量挖掘用户潜在的需求和偏好,从而明确此类产品的优化设计方向,培养用户养成良好的阅读习惯,提高其阅读质量,最终提升用户的使用效率和满意度。

基于朴素贝叶斯算法的信息过滤研究

随着信息量的快速增长,获取和筛选相关信息变得越来越重要。文章研究了基于朴素贝叶斯算法的信息过滤方法。首先,介绍了朴素贝叶斯算法的基本原理,包括贝叶斯定理、朴素贝叶斯分类器及该算法的优缺点。其次,探讨了朴素贝叶斯算法在信息过滤领域的应用,包括信息过滤的分类、文本表示方法、基于朴素贝叶斯的信息过滤模型构建。最后,通过实验评估了该方法在文本分类任务上的性能,包括不同特征表示方法的对比以及与其他分类算法的性能对比。实验结果表明,基于朴素贝叶斯算法的信息过滤具有较好的性能,可以有效分类不同主题的文本。