基于K-means与Word2vec的哺乳文胸评论主题挖掘研究

目的为了了解消费者在网络平台购买哺乳文胸时的关注侧重点,文章从在线评论中抽取有效关键词构建哺乳文胸主题,并通过计算主题的重要程度协助商家了解消费者关注重点方向。方法选用TF-IDF关键词抽取算法,结合K-means和Word2vec进行语义聚类、主题识别、主题词挖掘及主题重要度计算。结果哺乳文胸评论文本聚类后的主题重要程度排名是:产品品质(45.47%)、产品外观(35.83%)、产品服务(18.79%)。结论通过该方法能够有效的识别和构建哺乳文胸主题及主题词,同时,通过主题的重要程度,能够了解消费者对于网络平台购买哺乳文胸时关注的重点方向,为哺乳内衣企业进行产品改善及生产等提供理论参考。

政策主题视角下我国政府数据治理政策演进研究

[目的/意义]我国政府数据治理框架处于不断的发展过程之中,分析数据治理的政策主题的演进与变迁,能够梳理政策发展脉络,指导数据治理政策体系的发展与完善。[方法/过程]系统收集中央层面政府数据治理政策,建构发展阶段,并借助LDA主题模型提取各阶段的重点主题,分析我国政府数据治理政策关注重点的演变与各阶段特征。[结果/结论]我国政府数据治理政策沿着“发展环境酝酿—政府数据价值释放—社会数据化转型”的路径不断演变发展,覆盖范围逐渐从政府内部拓宽至全社会,作用机制逐渐从政府主导转向鼓励市场发展,作用环节逐渐从数据收集、组织扩散至开发、利用等数据生命周期各环节,但数据安全问题始终是关注重点。

基于数据挖掘的杭州亚运会赛事舆情研究

文章采用自然语言处理、机器学习和话语分析理论相结合的方法分析媒体话语,拓宽话语分析的边界,用跨学科框架更加客观、系统地分析媒体报道。通过运用爬虫技术、聚类算法等计算工具和话语分析工具,结合跨学科理论实现研究方法的创新,同时在实践层面,助力杭州和中国政府在后亚运时代传播积极的声音。

基于文本挖掘技术的网络舆情采集与分析应用研究

该文就基于文本挖掘技术的网络舆情采集与分析应用展开研究,从网络舆情生命周期理论、网络舆情采集与分析相关技术、中文分词算法、文本挖掘技术、以及具体的文本预处理、词频分析和LDA主题建模等方面展开讨论。在网络舆情数据预处理中,通过去噪、自定义词典及分词、停用词过滤等手段,可提升数据质量,文本词频分析利用TF-IDF算法,准确挖掘关键词,深入理解舆情事件的重要性,而LDA主题建模技术则通过发现主题结构,为舆情事件提供更为深刻的分析视角。研究表明,通过建立起舆情监测管理机制,可以更好地构建网络舆情环境。

公众对上门护理服务的态度和关注点:基于网络爬虫的文本挖掘

目的基于网络爬虫获取上门服务平台评论数据,采用文本挖掘技术探讨用户对上门服务的关注焦点和情感态度。方法采用Python代码爬取上门护理服务平台评论数据,用狄利克雷分布主题模型挖掘获取评论潜在主题,利用ROSTCM6.0软件对评论文本数据进行高频词统计、主题情感分析等过程,挖掘护士和患者所关注的热点、核心主题,以及评论情感倾向。结果共抓取到3166条评论,主题模型识别出6个潜在主题,分别为平台功能、服务价格和效率、服务内容和专业度、护士态度及患者体验、服务对象、平台的下载和使用;评论中用户对“护士”“服务”“态度”“方便”“平台”等词提及度较高,在一定程度上展现了用户感受和关注重点;用户积极情绪占59.19%,中性情绪占27.23%,消极情绪占13.58%,用户消极情绪主要集中在服务水平存在差异、收费不合理、平台下载使用等方面。结论用户对各平台整体服务感知较好,但目前发展中仍存在服务水平参差不齐,收费不规范、平台不正规等困境,建议针对发展过程中的短板精准地实施改进,推动上门护理服务良性发展。

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。

利用专利文本分析识别技术主题的关键技术研究综述

[目的/意义]针对利用文本分析识别技术主题的关键技术:技术主题表示模型及相似度计算的研究现状进行系统的综述。[方法/过程]总结了当前技术特征项识别的不断深入、文本表示模型的多样化及技术主题知识单元的关联强度分析的主要方法,以及当前利用专利文本分析识别技术主题的关键技术的不足之处。[结果/结论]提出了基于专利文本分析的技术识别关键技术的发展趋势,主要包括技术主题表示模型不断拓展且结合运用、主题知识单元关联的多层次分析、专利文本内容分析与引用分析的结合和主题聚类及聚类融合方法的改进及应用。

基于图挖掘的文本主题识别方法研究综述

本文通过文献调研分析,将基于图挖掘的文本主题识别方法总结为中心度方法、紧密关联子图查找和图聚类三种,后两者又细分为基于clique子团或类clique子团、基于图拓扑结构或结点属性聚类的方法。中心度方法通过对比文本网络中术语结点的重要度来实现文本主题的识别,紧密关联子图查找和图聚类方法则是根据文本图中术语结点和边的属性相似度来识别文本核心主题。基于语言文本网络自身特性,如何构建复杂文本关系图来同时揭示术语间的句法、共现和语义关系,如何基于术语关联和图拓扑结构识别其中的紧密关联子团,基于何种标准将紧密关联子团聚类以揭示文本核心主题,都是未来需要进一步深入研究的问题。

采用可变时间窗口的TIF-LDA微博主题模型

微博是社交网络的主要形式,其短文本和时效性的特点能够体现出当前大众最新兴趣取向.微博文本不同于传统文本,其时效性的特点使得在对其进行主题挖掘时容易忽略时间因素而造成结果不准确.针对此问题,提出了采用可变时间窗口的TIF-LDA微博主题模型对微博主题分析做出时间限定,并基于微博发布的时间为微博词条添加时间权重,使用词条的时间权重之和作为词条在LDA主题挖掘计算中的影响因子.实验结果表明,相较于标准的LDA主题模型,本文所提模型能够更加准确地反映用户最新的关注热点.

基于LDA模型的新能源汽车政策文本量化分析

运用潜在狄利克雷分配模型(LDA)进行主题挖掘,以国家和中部六省两个层级的144个新能源汽车相关政策作为研究对象,从高频词汇、主题强度及年度变化等方面进行量化分析。结果表明国家层级主题主要是节能发展、动力蓄电池回收等,从绿色发展的整体角度推动发展;中部六省层级的主题主要是设施建设和财政补贴等,更注重从基础保障方面推进;新能源汽车产业政策体系较为完善,但是层级间政策存在互动性不足、忽视传导渗透作用等问题。

电商直播消费者购买满意度研究--基于弹幕文本分析和计量模型的证据

[目的/意义]基于海量直播弹幕挖掘消费者对电商直播服务评价和满意度的影响因素,对电商直播平台长远发展具有重要意义。[方法/过程]研究一:基于服装类、化妆品类、3C产品类、家电类、生鲜类、零食类等产品直播弹幕,通过改进TF-IDF算法、SnowNLP情感分析、LDA主题提取等方法,挖掘消费者满意度影响因素;研究二:根据研究一满意度影响因素构建计量回归模型,对消费者满意度影响因素进行交叉验证。[结果/结论]研究一:发现电商直播消费者满意度影响因素:主播知名度、主播可信度、商品性价比、商品预告、互动质量、主播口碑、直播节奏、物流发货速度、商品可抢购性、商品展示、商品讲解专业性、商品质量、商品上架时间、售后服务;研究二:证实满意度各影响因素与消费者购买行为正相关;商品预告、直播节奏、商品上架时间与消费者观看意愿不相关。

基于文本挖掘的网络科学会议主题研究

网络科学研究发展迅猛,已经对物理,计算机和管理等学科产生了深远的影响。然而,中国国内目前最新的网络科学主题发展态势一直缺乏直观的分析。以2017年第十三届全国复杂网络大会的会议摘要为研究对象,从基于文本挖掘的主题提取与聚类的角度分析了网络科学最具代表性的复杂网络会议的研究趋势,该会议的研究趋势一定程度上可以反映出国内网络科学领域最新的研究态势。首先对会议摘要的文本信息进行预处理,通过自建词典和停用词库对文本进行jieba分词。然后使用LDA主题模型对摘要的主题分布进行识别,基于摘要间的JS距离进行凝聚层次聚类,得到10类会议主题。研究拓展了主题模型在学术会议研究态势与研究热点挖掘上的应用范围,丰富了学术会议主题挖掘与研究热点分析的思路,能为其他学术会议快速挖掘研究态势提供借鉴;同时提出一种基于主题模型和社交网络分析相结合来挖掘机构关联关系的研究方法,以机构研究主题相似度为参考指标,为机构寻找合适的科研合作单位提供参考建议。

社会记忆再生产:北京香山红色档案编研成果的细粒度挖掘研究

【目的/意义】目前针对社会记忆构建的具体方法较少,尚不足以揭示红色记忆中的细粒度关系,利用自然语言处理技术与主题挖掘方法可以挖掘红色档案编研成果中的细粒度关系,有利于红色记忆的重构并对社会记忆构建方法实现有效补充。【方法/过程】本文选取北京香山革命纪念馆红色档案编研成果作为研究对象,对其进行预处理;立足于语义层面及主题层面,通过LDA模型对其展示成果中的五个红色篇章分别深入进行主题挖掘;通过命名实体识别及主题相似度计算的方法抽取其概念、关系与属性,最后构建篇章本体进行可视化展示。【结果/结论】文章利用主题模型对红色档案编研成果进行细粒度挖掘,进而进行本体构建,从而体现其中细粒度关联,实现社会记忆构建,力求实现记忆的映射和更好的呈现以加强档案资源的开发与利用。

基于主题模型的技术预见文本分析

[目的/意义]通过主题模型分析和文本降维的方法,为"中国工程科技2035技术预见"提供备选技术方向的分析研究方案。[方法/过程]利用隐含狄利克雷分布(LDA)对中国工程科技2035的11个不同领域进行话题分析,同时通过T-分布邻域嵌入算法对技术项文本进行降维处理,将对应的技术项文本投影到二维平面上。[结果/结论]LDA模型可用于提取主题,确定技术项在主题上的概率分布,实现技术预见下技术项目的话题分布挖掘。文本形式数据的降维使用T-SNE法更为妥当。T-SNE方法的技术项可视化分析方法能够支撑专家对技术项(特别是交叉领域的技术项)所属领域进行分析,实现对不同领域技术方向的直观平面展示,有助于各领域整体把握所属领域的技术方向以及相关领域的技术方向。

基于在线评论的政府数据开放平台用户增量需求研究

深入研究政府数据开放平台用户需求特征,更有效地为用户提供数据服务,让开放数据创造更大的经济和社会价值具有重要意义。本文采集9个省(市、自治区)级政府数据开放平台的用户评论数据,首先运用LDA模型挖掘平台初建期和发展期用户需求主题,分析其需求热点;其次选取朴素贝叶斯算法研究用户需求主题的情感倾向;最后计算两个时期的平台用户需求主题相似度,揭示用户增量需求的动态演进路径。研究结果表明,“数据改进”“社会保障”“公共安全”等需求主题是用户持续关注的领域,其中“社会保障”主题的情感倾向概率为0.75,用户情感倾向积极,“数据改进”主题的情感倾向概率为0.22,用户情感倾向消极。本文研究平台用户需求主题、情感诉求以及需求变化,促进政府数据开放平台根据用户增量需求不断持续改进,为平台建设发展提供有力支持。

新冠肺炎疫情下大学生情感状态及其影响因素分析——基于微博文本挖掘的证据

新冠肺炎疫情对身心尚处于发展阶段的大学生群体造成了一些消极影响,亟须引起关注。随着社交媒体的广泛应用以及大数据技术的发展,微博已经成为大学生记录生活、表达观点、分享交流等活动的主要途径,通过微博文本挖掘可以实时地了解大学生群体真实的观点和情感状态。文章立足于深度挖掘微博文本,首先,结合疫情的演变情况和高校系统的应对方式,将疫情时期划分为疫情暴发期、停课不停学初期、停课不停学适应期、复学初期、复学后常态化防控期五个阶段,采用支持向量机算法对微博文本进行情感分析,将其逐条划分为“积极”“消极”两类情感倾向。其次,通过构建LDA主题模型以及结合TF-IDF特征挖掘,分析不同时间阶段消极情感倾向微博文本中隐含的主题。研究发现,学生整体情感状态偏向于积极,但会随疫情与教学的变化而产生波动,其消极情感的产生与疫情演变、校园管理、学业压力以及就业压力密切相关。通过探究疫情期间某高校大学生情感状态及变化趋势并探寻引发学生消极情感的相关事件,以期为高校教育工作者有效引导、干预、管理学生提供依据和参考。

基于社交网络分析和LDA主题挖掘的短文本挖掘研究

随着自媒体技术的不断发展,如何高效挖掘短文本数据信息已成为现阶段的研究重点。传统主题挖掘方法进行短文本数据分析时,仅考虑单位词出现频率进行判断,未考虑语义关联结构信息,分析效果欠佳。针对短文本数据的稀缺性,文中提出一种基于社交网络分析和LDA的主题挖掘分析模型。首先结合共词分析算法,分析不同文档间主题词的关系;然后结合社交网络分析算法,提高共词网络主题词耦合度;再借助隐含空间模型对共词网络进行降维,提高社交网络耦合性;最后结合隐含位置聚类算法发掘潜在社区,提高主题识别效果。实验结果表明,所提方法能够在一定程度上优化主题挖掘算法在识别短文本主题的效果,便于进行短文本研究,具有实用价值,也可为后续应用于前沿主题识别提供参考。

“金课”建设背景下基于文本挖掘的线上与线下教学满意度对比研究——以《财务管理》课程为例

“金课”建设背景下,课程教学内容、教学方式等需要不断优化。以《财务管理》课程为例,以Python作为文本分析语言,挖掘学生对课程教学的总结与反思文本数据信息,对隐含在文本中的课程满意度进行对比分析。研究结果表明:学生重点关注教学内容、教学方式和任课教师,相比线下教学,学生对线上教学方式的认知更丰富、对任课教师的依赖程度更小。同时,学生对线上教学的满意度略高于对线下教学的满意度,对课程总体上具有较高的满意度。为进一步提高学生对课程的满意度,打造高质量的“金课”,应当善用优质互联网课程资源,开展线下和线上相结合的混合式教学,营造沉浸式虚拟仿真实验教学的体验环境。

大数据视域下余华文学作品文本挖掘研究

利用大数据和人工智能方法精准识别海量学术成果的主流学术关键,挖掘作品内涵知识及分析文学主题关联尤为重要,本文针对余华文学作品的研究文献开展主题特征、行文脉络研究,在数字人文视域下为把握作者创作倾向和特点提供依据。结合数据挖掘和主题演化的方法对中国知网余华文学作品相关文献进行分析,确认余华文学作品研究核心团体。再对余华文学文献进行文本挖掘,发掘出余华文学研究热点及关联。本文挖掘出了余华作品的核心主题、现实意义和艺术价值,为以其小说为素材的影视改编、艺术创作尽可能还原主题起到积极作用,可提供有效参考和借鉴。

基于知识图谱和主题演化的我国反恐情报挖掘研究

[目的/意义]旨在为今后我国反恐情报研究提供参考。[方法/过程]通过构建共现矩阵和关系知识图谱,挖掘我国反恐情报领域的核心科研团队,使用主题演化方法梳理我国反恐情报领域各主题的发展脉络。[结果/结论]有效聚类形成美国和北美反恐研究、世界各国反恐战略与合作、恐怖分子和国际恐怖活动、反恐情报和反恐怖主义研究的4个核心主题,并系统分析了各时期反恐情报的主题演化态势,相关主题的微观演化特征得到了精细化呈现。