基于感性工学的儿童自行车造型优选设计研究

为改善儿童自行车的同质化现象,文章通过感性工学理论研究符合儿童和家长情感需求的儿童自行车造型。首先,利用在线评论数据和聚类分析确定代表性样本和造型设计元素,运用语义差异法和因子分析获取和分析感性意象评价值;其次,通过GA-BP神经网络构建感性意象和造型设计元素之间的映射模型,预测目标感性意象的最优造型设计元素组合;最后,进行造型优选设计实践。结果显示感性工学利用在线评论数据能有效获取用户的情感需求,GA-BP神经网络可准确建立造型设计元素和感性意象之间的映射关系,为儿童自行车造型优选设计提供指导。

基于网络文本的昆明市城市公园感知研究

以昆明市的27个城市公园为例,采集社交网络平台中的使用后评价文本,基于内容分析法,结合ROST Content Mining和Excel软件对评价文本数据进行高频词统计、语义网络分析、情感倾向和统计分析,定性与定量结合地对昆明市城市公园游憩感知因子进行总结归类。结果显示,公园出行主要集中在气候适宜的节假日,不同功能类型的公园构成要素的关注度各有差异,其中自然环境因素和服务管理水平的关注度最高,社会环境因素的整体感知度较低,消极倾向评论中对服务管理设施有较高提及率。最后根据游客的真实感受从环境规划设计、人文景观营造和服务设施水平3个方面提出提升建议。

基于胶囊网络的恶意评论检测

针对传统恶意评论检测模型无法适应不断更新的网络文化和语言习惯以及神经网络丢失信息的问题,提出了一种基于胶囊网络的检测模型.首先,采用BERT模型提取词向量的特征,以保留文本的潜在语义信息;然后,通过胶囊网络在局部范围内提取特征表示,并结合Bi-LSTM在全局范围内提取特征表示,以获得更全面的特征表示;其次,利用注意力机制将局部和全局的特征表示进行融合,提取关键信息并降低特征表示的维度;最后,使用Sigmoid分类器对结果进行分类,并输出检测结果.实验结果表明,所提出的组合模型相对于传统模型能够提取到更精细的语义信息,有效地提高了分类效果,在恶意评论的检测任务中,准确度达到了0.922.

基于BERT-GAT表示学习的问答社区最佳回答者推荐

在问答社区中,每天都会出现大量新的问题,为新问题推荐合适的回答者有助于加快问题的解决并促进社区发展.然而,目前最佳回答者推荐大多基于用户历史回复记录或文本匹配进行推荐,而用户是否回答某一问题与多方因素有关,特别是问题与用户擅长的知识领域是否匹配有关.因此,本文根据用户回答文本构建的社区知识语料库并对BERT模型进行微调,结合用户社区行为记录和回答赞同数等辅助信息,基于LightGBM模型进行最佳回答者的推荐.在实验中,利用Precision、MRR和Hit指标分析预测结果,结果表明,本文提出基于BERT-GAT表示学习的LightGBM最佳回答者推荐模型在StackExchange三个流行社区中均取得了较好的性能.

基于双向胶囊网络的恶意评论检测

为了解决现有检测模型无法准确识别语言风格多变、语意隐晦的恶意评论问题,提出了一种基于双向胶囊网络的恶意评论检测模型。首先,利用BERT模型对评论文本进行词嵌入,创建输入矩阵;其次,将输入矩阵传递给双向特征提取层,该层由堆叠的LSTM、双向胶囊网络和注意力网络组成,从正向和反向同时捕获文本的深层语义信息,将生成的正向和反向矩阵拼接起来并输入到注意力机制中,聚焦与恶意评论相关的词语并生成输出向量;再次,拼接输出向量与语境辅助特征向量,丰富特征表示;最后,将拼接向量输入到全连接层中,通过Sigmoid激活函数对评论文本进行分类。在维基百科恶意评论数据集上进行的实验表明,相较于现有研究,基于双向胶囊网络的恶意评论检测模型性能提升显著,能够捕获评论文本中更丰富的语义信息,有效检测恶意评论。

基于网络用户评价数据+的旅游风景道路网布局研究

为充分考虑游客的实际出行需求并提高旅游风景道路网布局的合理性,该文基于网络用户评价数据和旅游服务质量等级数据,提出一种旅游风景道路网布局方法,即通过K-means++和随机森林算法对旅游节点各指标进行客观赋权,计算节点重要度及节点间的路线重要度,并结合现状路网条件,制定区域性“快进+慢游”的旅游风景道路网布局方案。以G228福建段沿线区域为例,对旅游风景道路网布局方法的合理性进行验证,结果表明:该方法可有效划分旅游节点层次并优化区域性旅游风景道路网布局方案,最终构建出G228福建段沿线区域“两级四类”的区域性旅游风景道路网布局方案。研究结果对区域性旅游风景道路网的构建及旅游资源开发具有借鉴意义。

融合评论序列二义性与生成用户隐私特征的谣言检测

现有谣言检测工作存在以下问题:1)没有同时捕获评论序列的文本语义特征和时间周期特征;2)在隐私保护环境下无法获取用户个人资料,导致传播结构中的信息难以充分融合。为此,提出融合评论序列二义性与生成用户隐私特征的谣言检测模型(RD-CSGU)。综合考虑了评论序列不同视角下的文本语义特征和时间周期特征,同时构建了反映传播过程中用户之间社交互动关系的谣言传播异质网络,并基于该网络中的语义关系通过生成对抗网络(GAN)生成用户的隐私特征,解决了用户个人资料访问受限的问题。在Twitter15、Twitter16、Weibo数据集上展开有效性验证,与次优基线模型GLAN(Global-Local Attention Network)相比,RD-CSGU的准确率(Acc)分别提升了0.9、2.2和1.8个百分点,真谣言F1(TR-F1)值分别提升了2.6、6.8和1.9个百分点;结合消融实验及GAN生成嵌入分析的实验结果表明,RD-CSGU能有效检测出社交媒体平台上发布的谣言帖子。

基于文本语义增强和评论立场加权的网络谣言检测

社交网络方便人们信息交流的同时也为谣言的传播提供了新的温床。由于社交媒体帖子通常十分精简,大多数基于内容语义特征的谣言检测方法面临着语义信息不足的挑战。同时,目前基于传播特征的谣言检测方法常常忽略了评论用户的个体特征,未能合理分配不同用户评论的权重。因此,提出一种结合文本语义增强和评论立场加权的网络谣言检测方法。通过外部知识图谱获取帖子中的实体和概念的解释,以提供更多上下文信息,从而增强语义理解。借助点互信息将增强后的文本转化为加权图表示,并利用加权图注意力网络学习帖子的增强语义特征。通过预训练的立场检测模型提取帖子中每条评论的立场信息,并根据评论用户的特征来学习立场信息的权重值。将评论立场的时序数据和相应的评论用户序列数据输入跨模态的Transformer,以学习评论立场的时序特征。将增强的语义特征与加权的评论立场时序特征进行自适应融合,并输入多层感知机中进行分类。在PHEME和Weibo两个数据集上的实验结果表明,该方法不仅准确率高于最先进的基线方法1.6个百分点以上,而且在早期谣言检测方面,比最好的基线方法提前12 h。

引入主题节点的异构图舆情摘要方法

微博等社交软件承载着网民对社会舆论事件的不同观点,如何在海量主题评论中识别出有价值的信息已经成为重要课题。提出了一种基于异构图的舆情摘要方法,有效提取热点事件的主流观点,便于引导化解互联网舆情危机。针对多文档摘要任务中难以捕捉跨文档语义关系的难点问题,将主题节点引入评论句子图从而挖掘出输入文档间的潜在语义关联。具体地,抽取评论的主题并构建包含主题节点的异构图模型,利用图注意力机制进行不同粒度节点语义信息的交互,最后结合最大边界相关算法进行候选摘要句子的抽取。实验结果显示,改进模型在英文通用Multi-News数据集上Rouge1、Rouge2、,RougeL分数分别提升了0.46%、0.46%、0.48%;与已有Textrank、Sumpip等热点模型对比,在自制微博评论数据集上该模型性能达到最好。

面向方面级情感分析的交互式关系图注意力网络

方面级情感分析领域主要采用基于注意力机制的神经网络模型,这类模型忽略了方面词与观点词之间的依存关系和方面词与上下文词之间的距离,导致该类模型情感分类结果不够精确。为了解决上述问题,建立一种交互式关系图注意力网络(RI-GAT)模型。首先,通过长短期记忆(LSTM)网络学习句子的语义特征;然后,将学习的语义特征结合句子的位置信息生成新的特征;最后,在新的特征中提取各方面词和观点词之间的依存关系,实现对句法依存信息和位置信息的高效利用。在Laptop、Restaurant和Twitter数据集上的实验结果表明,相较于次优的动态多通道图卷积网络(DM-GCN),RI-GAT模型分类准确率(Acc)提高了0.67、1.65和1.36个百分点,说明了RI-GAT模型可以更好地建立方面词和意见词之间的联系,使得情感分类更加精确。

基于区块链的物联网多域数据共享机制

针对物联网中传感设备之间的传感信息数据共享面临的安全性和隐私保护问题,文中提出了一种基于区块链的多域数据共享机制。该机制将数据共享问题视为数据交易问题,引入可信的监管机构来保证交易买卖双方的利益。该机制提供了一种数据发布方法,买家可以将数据安全地发布到云存储服务中,并在发布过程中不会泄露数据信息。在数据交易过程中,为保护买家的隐私不被泄露,采用环签名对买家许可证进行签名和验证。此外,该机制提供了一种匿名评价方法,买家可在不透露身份的情况下对交易进行评价并监督卖方行为。安全性分析和仿真实验结果表明,该机制安全性良好,具有高效性并符合物联网数据安全共享的要求。

基于文本挖掘的大唐不夜城景区用户评论分析

采集大唐不夜城景区评论数据,基于Nvivo和Gephi软件对评论文本进行量化分析。根据三个发展阶段、三个评价等级、六个评论时间段对评论进行分组描述,对评论高频关键词与关键词共现网络进行了分析和比较。通过在线评论文本挖掘与分析,以期为大唐不夜城景区服务水平优化提升提供参考。

基于生成式对抗网络的互联网评论区舆情检测方法

互联网评论区的数据量庞大,且用户评论的更新速度极快,需要处理的数据量巨大,导致检测互联网评论区舆情的速度较慢,为此研究基于生成式对抗网络(Generative Adversarial Networks,GAN)的互联网评论区舆情检测方法。首先预处理信息,包括去除噪声和标准化文本数据。其次,利用GAN生成模拟的舆情信息,增强模型的泛化能力。再次,提取舆情信息的特征,反映文本的情感倾向和主题内容。最后,通过主题分类算法实现舆情检测,准确判断评论的主题类别和情感态度,为舆情监控和应对提供有力支持。实验结果表明,即使评论数量高达492.6万条,该方法依然能够保持每秒处理475000条评论的速度,具有显著的处理速度优势。

社会网络下基于在线评论的旅游供应商优选研究

在线旅游平台上评论规模庞大,信息量浩如烟海,平台如何依据他人评论信息为游客提供最优旅游供应商,从而使游客得到满意的服务体验是亟待解决的问题。在社会网络视角下,基于在线评论和概率语言提出一种旅游供应商的优选方法。首先,采集旅游平台上的游客评论数据,运用TF-IDF方法提取各供应商相关评论的关键词,通过筛选整理形成主题并计算其权重;然后,分析每条评论的情感值,并将其转换成概率语言术语集的形式;最后,构建游客群体社会网络,将游客群体意见与在线评论信息相结合,运用PROMETHEE-Ⅱ方法对旅游供应商进行优选排序。结果表明,本文方法推荐结果与旅游平台数据基本一致,但能在相似评分的供应商中做出优劣比较,精准有效地提供最优供应商,且简单可靠。

基于网络文本分析的大运河江苏段文化遗产游客旅游体验研究——以大运河淮扬段里运河和中运河区域为例

大运河是中华优秀传统文化的富集区和中华文明历史记忆的重要承载地。本文基于知名旅游网站相关游记和评论文本的研究数据,以大运河淮扬段里运河和中运河为区域,探索大运河江苏段文化遗产游客体验感较强的品牌基因和结构维度,从而提出有助于大运河淮扬段旅游目的地品牌建设与开发的对策。

基于多特征融合的评论文本个性化情感分类新方法

现有的情感分类研究未能充分考虑用户个人历史评论中蕴含的个性特征对情感分类结果的影响,且未能综合考虑用户社会关系、个人属性、历史评论与当前评论等诸多因素的共同作用。为此,提出一种基于多特征融合的评论文本个性化情感分类新方法。首先,利用大量无标注的用户历史评论挖掘用户个性表达,结合用户历史评论和用户属性信息提取得到用户特征向量;然后,利用node2vec算法在获得图节点表示方面的优势对用户社会关系网络进行学习以得到用户的社会关系向量,并利用预训练的word2vec模型获得用户当前评论向量;最后,将用户特征向量、社会关系向量和有标注的当前评论向量输入全连接神经网络中进行训练以得到最终的分类模型。在从中文股吧爬取的真实数据集上的实验结果表明,与支持向量机、朴素贝叶斯、TextCNN、Bert等典型方法相比,所提方法能够有效提高情感分类的准确率和F 1值,验证了其在改善情感分类表现方面的有效性。

高校辅导员网络评论特色工作室建设探析

加强高校辅导员网络评论特色工作室建设,其基本思路是:遵循大学生成长规律和网络生活特点,遵循网络传播规律和网络评论特点,有效利用教育短视频的独特功能,切实推动“视评”教育价值发挥。平台建设要遵循三个基本要求:是学生聚集和喜爱的平台,要结合辅导员自身特点和长处,建立专业平台个性化内容输出机制,创设个人品牌。内容建设要紧贴社会热点和教育领域,紧贴大学生生活实际和思想实际,紧贴平台内容需要和社会价值。队伍建设所需人才的知识不仅是思想政治教育专业内的知识,而是更宽层面、更广领域的社会知识系统集合。

基于结构感知混合编码模型的代码注释生成方法

代码注释能够提高程序代码的可读性,从而提升软件开发效率并降低成本。现有的代码注释生成方法将程序代码的序列表示或者抽象语法树表示输入到不同结构的编码器网络,无法融合程序代码不同抽象形式的结构特性,导致生成的注释可读性较差。构建一种结构感知的混合编码模型,同时考虑程序代码的序列表示和结构表示,通过序列编码层和图编码层分别捕获程序代码的序列信息和语法结构信息,并利用聚合编码过程将两类信息融合至解码器。设计一种结构感知的图注意力网络,通过将程序代码的语法结构的层次和类型信息嵌入图注意力网络的学习参数,有效提升了混合编码模型对程序代码的复杂语法结构的学习能力。实验结果表明,与SiT基准模型相比,混合编码模型在Python和Java数据集上的BLEU、ROUGE-L、METEOR得分分别提高了2.68%、1.47%、3.82%和2.51%、2.24%、3.55%,能生成更准确的代码注释。

网络评论管理:挑战与潜在研究方向

通过打破时间和空间方面的限制,互联网经济极大地降低了人们获取信息的成本,便利了人们的生活。然而以电子商务为代表的网络平台中普遍存在着信息不对称的缺点;网络评论在一定程度上解决了商家和消费者之间的信息不对称问题。海量的网络评论中蕴藏着关于产品质量、商家服务、产品是否符合顾客个性化需求、产品/服务缺陷等方面的有用信息。随着网络评论对顾客的购买选择行为影响力的增加,商家也日渐意识到评论信息的商业价值,注重网络评论的管理,并基于网络评论来优化定价、库存、营销等决策。网络评论为信息系统与信息管理、市场营销、组织行为、运营与供应链管理等领域的学者带来了广泛的研究课题,包括评论的深度挖掘与知识发现、基于评论的需求预测、评论自身的管理以及基于评论的运营管理等。本文在梳理网络评论的作用与管理挑战的基础上,综述学者已经开展的相关研究工作,并对下一步值得关注和进一步研究的评论管理相关研究方向进行了展望。

国际夜空保护地建设的网络文本分析与启示--基于三个典型案例的研究

光污染的出现严重威胁到了生物的生命节律,为恢复与保护夜空环境,夜空保护地的设立尤其重要。文章通过词频及语义网络对三个典型夜空保护地的Google Maps游客评论文本进行分析,得到游客的游憩动机、观赏偏好、设施偏好、活动偏好、积极情感来源、消极情感因素及游客感知关联,针对我国夜空保护地的建设提出选址条件、开发策略和运营管理方面的思考与建议。