我国教育元宇宙研究的热点透视与未来路向——基于核心文献的LDA主题模型分析

教育元宇宙作为元宇宙的教育应用前景广阔,对相关文献进行系统分析有助于推进其应用向纵深发展。基于LDA主题模型和人工内容分析对关于教育元宇宙的130篇核心期刊文献进行系统梳理后发现,我国教育元宇宙研究主要围绕基本理论、批判审视、思政教育应用、学习赋能、场景创设、技术支撑、模型构建等7个主题展开,为教育元宇宙建构学理支撑、凝聚理性共识、铺筑可为进路、筑牢技术基座和汇聚多维创想积淀了丰硕成果。基于此,未来教育元宇宙还应从顶层设计、关系廓清、伦理规约、技术向善、场景拓展等5个方面着力:探赜教育元宇宙顶层设计研究,统筹教育元宇宙系统构建;完善教育数字化转型与教育元宇宙逻辑关系研究,驱动两大领域协同演进;深入教育元宇宙伦理规范研究,促进教育元宇宙健康发展;夯实教育元宇宙意识形态属性研究,保障教育元宇宙向善属性;拓展教育元宇宙应用场景研究,牵引教育元宇宙实践落地。

基于LDA-BP神经网络的高校思政课教师数据驱动决策力评价研究

数据驱动决策力为高校思政课教师提供科学合理的教学判断,对数据驱动决策力进行评价研究,有助于提高高校思政课教师的数据决策水平,进而提升思想政治教育教学质量。鉴于传统评测方法缺乏客观性与可重复性,运用LDA-BP神经网络技术构建高校思政课数据驱动决策力的指标体系与评价模型。首先,运用LDA方法对高校思想政治教育相关的政策文本与研究文献进行主题提取,并将主题信息作为指标构建基础;其次,通过研读文献与政策文本,并结合主题分析结果构建高校思政课教师数据驱动决策力评价指标体系;最后,通过对BP神经网络的训练及测试来生成高校思政课教师数据驱动决策力的评价模型。研究表明,高校思政课教师的专业知识、教学水平以及数据分析与解读能力是影响数据驱动决策能力的关键因素,据此,理应从素养提升、文化培育、管理革新、政府支持等方面入手增强数据驱动决策力。

LDA模型下的高校图书馆微信公众平台阅读推广主题热点及策略研究

[目的/意义]探索高校图书馆微信公众平台阅读推广推文主题及策略,为高校阅读推广建设和发展提供参考。[方法/过程]获取高校图书馆微信公众平台推文信息,采用Python实现LDA主题模型对阅读推广推文进行主题建模分析。[结果/结论]高校图书馆借助微信公众平台开展的阅读推广推文主题可分为5大类,每个主题呈现不同的受欢迎度,并体现5个方面的特征。最后对微信公众平台阅读推广建设提出相应对策,以期为高校图书馆微信公众平台阅读推广建设提供有益启示。

基于LDA主题模型的服务业企业创新测度研究——兼与传统创新测度方法的对比分析

服务创新是新时代服务业高质量发展的重要内涵。以R&D投入、专利申请为代表的传统创新测度方法在衡量服务业企业创新时存在明显缺陷。使用隐含狄利克雷分配(LDA)主题模型对2008-2022年间914家服务业上市公司的创新水平进行了测度,并从企业整体、行业归属、区域分布、企业规模、企业所有制维度与传统创新测度方法对比分析。研究发现:相较于传统创新测度方法,LDA方法能够①同时反映服务业企业创新中的技术和非技术创新部分,更适用于测度非研发和非专利服务业企业;②更好捕捉教育,文化、体育和娱乐业等生活性服务业企业的创新特征和形式;③向上纠偏中西部地区服务业企业创新水平,向下纠偏东部地区服务业企业创新水平,还原东部和中西部地区服务业企业真实创新差距;④向上纠偏中小型服务业企业创新水平,向下纠偏大型服务业企业创新水平;⑤深入挖掘国有和非国有服务业企业在创新词频和主题上的差异,揭示非国有服务业企业创新水平较高的本质原因。基于此,从拓展服务创新内涵新认知、加快生活性服务业企业创新、营造良好创新生态、深化数字技术渗透以及发挥差异性优势五个方面提出政策建议,以期为加快服务业企业创新发展提供政策启示。

基于Word2Vec和LDA主题模型的中国省级五年规划“文化政策”文本研究

运用Word2Vec和LDA相结合的主题模型分析技术,对我国31个省份三个时期五年规划文本中文化政策部分进行主题识别,从时间和空间两个维度进行“文化政策”主题挖掘和演化分析。研究发现,“文化政策”主题在发展趋势、重点转移、政策导向、技术应用等方面随时间推移呈现不同演化趋势;四大区域受经济发展水平、文化资源禀赋、政策导向影响,在企业角色强调程度、地区特色旅游发展以及国家级项目和竞争力方面存在地域差异。

基于LDA主题模型的社交媒体隐私政策合规性评价研究

[目的/意义]在个人信息保护日渐重要的今天,开展我国社交媒体隐私政策合规性评价研究,可为完善社交媒体隐私政策和加强个人信息保护提供参考。[方法/过程]文章选取28个常用社交媒体,基于LDA主题模型、完整性评价和阅读感分析对其隐私政策文本进行比较分析。[结果/结论]研究发现,随着相关信息保护法的出台,社交媒体在隐私保护、信息安全等方面已取得了积极进步,但在政策完整性、特殊群体的保护和可读性方面仍有进一步完善的空间。未来,可从法制建设和用户权利保障、特殊群体保护以及文本可读性3个方面进行完善。

基于LDA模型的近十年东盟华文媒体“国际中文教育”主题挖掘研究

东盟国际中文教育与华文媒体联系密切,在凝聚族群和传承中华文化方面具有重要价值。通过建立东盟10国25家华文媒体网站2013-2023年关于“国际中文教育”报道的主题语料库,并基于LDA主题模型分析,发现东盟华文媒体“国际中文教育”相关报道中包括三类12个主题,其中“华文教育”、“国际中文教学”、“华社参与”、“经贸合作”是目前国际中文教育领域的热点主题。从演化趋势来看,上升型主题包括“国家政策”、“教育体系”、“国际中文教学”、“经贸合作”,下降型主题包括“新冠疫情”、“家庭教育”、“华社参与”、“华文教育”,平稳型主题包括“华侨华人”、“华文艺术”、“文化交流”、“师德修养”。东盟华人社会对“华文”词语的使用度最高,但相关概念区分模糊;东盟华侨华人关注中国时政动态、经贸往来,职业汉语需求随合作加强而提升;东盟华侨华人重视文化传承和家庭教育,但新生代华裔对中华文化认同感减弱;“华文教育”主题强度随移民程度深化而下降,“国际中文教学”主题强度上升;东盟华文媒体积极宣传“国际中文教育”,但报道质量及传播效果有待提升。为促进国际中文教育的高质量发展,提高其在东盟华文媒体中的传播效果,国际中文教育相关决策机构以及华社、华校和华文媒体应把握机遇,扩大中文教育和文化传播的效力;多方合作,发挥华社的各项资源优势;重视培养,增进新生代华裔对祖籍国认同感;综合施策,提高国际中文教学质量和水平;加强宣传,提升中文国际传播的影响力。

基于隐含空间模型降维和LDA模型的学科主题识别研究

【目的/意义】现有学科研究主题的梳理多为领域专家的定性分析和学科学者的文献梳理,一定程度会由于研究思维的局限性和获取知识的片面性造成学科研究主题误判,为有效避免漏判误判现象的发生,提出识别模型。【方法/过程】首先,运用传统LDA模型分析主题特征词;其次,结合上下文语义信息进行中文分词,形成学科主题词库;最后,结合隐含位置聚类算法发现潜在社区,提高主题识别效果。【结果/结论】提出的方法一定程度上优化了主题挖掘算法在识别短文本主题的效果,消除主观意愿。由计算机自行分类并实现科学研究前沿主题的预测,揭示前沿领域的研究热点,为致力于研究前沿学科的新兴学者提供参考价值。

基于LDA-BERT相似性测度模型的文本主题演化研究

文章针对LDA主题模型在提取文本主题时忽略文本语义关联的问题,提出基于LDA-BERT的相似性测度模型:首先,结合利用TF-IDF和TextRank方法提取文本特征词,利用LDA主题模型挖掘文本主题;其次,通过嵌入BERT模型,结合LDA主题模型构建的主题-主题词概率分布,从词粒度层面表示主题向量;最后,利用余弦相似度算法计算主题之间的相似度。在相似性测度模型基础上构建向量相似度指标分析文献研究主题之间的关联,并绘制主题演化知识图谱。通过智慧图书馆领域的实证研究发现,使用LDA-BERT模型计算出的主题相似度结果相较于LDA主题模型的计算结果更加准确,与实际情况更相符。

基于LDA模型对大学生就业信息的主题挖掘

文章使用Python语言基于LDA模型对大学生就业信息进行主题分析。首先,使用Requests库和BeautifulSoup库对国家大学生就业服务平台中的就业信息进行采集,并使用pandas库对信息进行清洗和整理。然后,使用gensim库对大学生就业信息进行LDA建模,得出4个主题,即:就业帮扶及培训、企业招聘、考公考编和“三支一扶”政策。文章对这些主题进行了可视化处理,并分析了各个主题的内容。最后,按照信息发布的年份对就业信息文档分组,分析了各年份大学生就业信息主题强度的变化趋势。

融合SVM-LDA与加权相似度的潜在新兴技术识别研究——以人工智能领域为例

在新一轮科技革命和产业变革加速发展的大背景下,如何在新技术不断涌现的技术大海中精准找到和识别出有颠覆性潜力的新兴技术,对于国家、企业参与主体和相关商业投资机构把握科技创新发展趋势和方向、合理配置科技资源、提前进行科技战略规划与技术布局具有重要的意义。本文提出一种基于知识增强SVM-LDA(Support Vector Machine-Latent Dirichlet Allocation)的新兴技术主题识别模型。首先,基于专家小组的先验知识,制定基础技术类别划分标准;其次,将技术类别划分标准作为先验知识输入SVM-LDA模型,得到技术主题聚类结果;再其次,基于类别主题词的加权相似度计算,确定潜在新兴关键技术;最后,以人工智能领域为例进行实证研究。采用本文模型共得到24项潜在新兴技术,主要分布在特种机器人技术、监测预警技术、视频图像处理技术、语音识别技术、自动规划和决策技术以及自然语言处理技术6个大类方向。

LDA模型下我国公共图书馆微信平台阅读推广内容主题研究

随着我国推行全民阅读策略以来,图书馆在其中发挥的作用也随之加强,想要进一步满足读者的阅读需求,作为公共图书馆管理人员,应该积极从互联网平台着手,构建更专业、更系统的图书馆阅读微信公众平台,借助智能化管理模式的引进,让图书馆与微信公众平台的优势得以发挥出来。为此,本次研究以研究调查与统计的方式,运用LDA主题模型实现对阅读推广内容的主题识别,并做好对应的模型演化与阅读量分析工作,希冀借此为相关人员提供参考。

数智化背景下智能会计岗位技能挖掘及人才培养——基于Python LDA主题模型

应用Python软件抓取会计领域招聘数据,利用LDA主题模型分析智能会计“四大”岗位技能并提炼智能会计核心技能特征,据此提出构建智能会计课程体系和优化实训教学环境等措施,以提高智能会计岗位技能人才的培养质量。

基于LDA和SNA的应急物流研究主题可视化研究

应急物流是有效应对突发事件挑战、保障人民生命财产安全的“生命线”环节。以中国知网核心数据库文献为研究对象,首先基于隐含狄利克雷分析(LDA)主题模型挖掘国内应急物流研究主题。在此基础上,借助社会网络分析(SNA)工具厘清应急物流演化路径。研究结果表明:从研究主题来看,我国应急物流研究主要包括应急物流体系建设、应急物流模型和算法、应急物流管理,以及应急物资保障四大研究专题;从主题演化路径看,我国应急物流演化可大致分为三阶段:第一阶段是从2003—2007年的基础性研究;第二阶段从2008—2017年,以模型构建、算法求解与优化为主要研究内容;第三阶段从2018年至今,聚焦重大突发事件背景下数字技术赋能应急物流的文献数量显著增加。研究有助于明晰应急物流的研究体系现状及其演进过程,为未来研究提供有益参考。

基于LDA-MURE模型的背景音乐自适应推荐方法

用户的情绪状态不同,需要的背景音乐也不同,因此提出基于LDA-MURE模型的背景音乐自适应推荐方法。提取背景音乐的音频特征和社会化标签,通过Fisher线性判别分析方法融合上述数据的特征,结合投影变换方法获得不同类别背景音乐的类内离散度和类间离散度。通过现代心理学分析人类情绪的节律周期变化,在此基础上判断用户当前的情绪状态。最后在LDA模型的基础上构建LDA-MURE模型,为用户推荐不同类别的背景音乐。实验结果表明,所提方法的MEA指标值较低、P@N指标值较高、用户满意度较高。

基于LDA主题模型的多阶段生鲜消费者需求研究——以京东为例

便捷的评论方式与信息交互为消费者的决策行为赋能,同时,以在线内容为核心的购后反馈逐渐成为企业提升服务质量与增加顾客黏性的重要参考。而重大突发事件的冲击常伴随着消费者心理决策过程的反复与需求的新老交替。在过去国内疫情反复的情景下,结合扎根理论与文本挖掘自下而上地打开消费者的认知“黑箱”,主要借助LDA主题模型模拟编码过程,探索消费者不同阶段的需求“丛林”并进行演化归因,在决策行为、需求层级与疫情扰动的视角下挖掘生鲜消费者需求的演化路径。最后,通过新进资料与经典理论验证了多阶段演化路径模型的有效性。

基于LDA-Word2vec的图书情报领域机器学习研究主题演化与热点主题识别

[目的/意义]在人工智能技术及应用快速发展与深刻变革背景下,机器学习领域不断出现新的研究主题和方法,深度学习和强化学习技术持续发展。因此,有必要探索不同领域机器学习研究主题演化过程,并识别出热点与新兴主题。[方法/过程]本文以图书情报领域中2011—2022年Web of Science数据库中的机器学习研究论文为例,融合LDA和Word2vec方法进行主题建模和主题演化分析,引入主题强度、主题影响力、主题关注度与主题新颖性指标识别热点主题与新兴热点主题。[结果/结论]研究结果表明,(1)Word2vec语义处理能力与LDA主题演化能力的结合能够更加准确地识别研究主题,直观展示研究主题的分阶段演化规律;(2)图书情报领域的机器学习研究主题主要分为自然语言处理与文本分析、数据挖掘与分析、信息与知识服务三大类范畴。各类主题之间的关联性较强,且具有主题关联演化特征;(3)设计的主题强度、主题影响力和主题关注度指标及综合指标能够较好地识别出2011—2014年、2015—2018年和2019—2022年3个不同周期阶段的热点主题。

基于标幺化三阈值事件检测与LDA分类器的工商业负荷辨识方法

非侵入式负荷辨识技术能够低成本的获取用户各类设备使用情况,实现电力负荷的在线监测与分析,对支撑负荷预测、需求响应等应用开展有着重要意义。针对一般工商业用户类型多样、负荷种类繁多、设备运行特性复杂的特点,提出了一种基于标幺化三阈值事件检测与LDA分类器的工商业负荷辨识方案。首先针对不同能耗级别、不同启停特性的设备设计了参数可调的统一负荷事件检测框架,提升了缓变型、分段型、震荡型负荷事件的检出准确度。随后提出了基于多元特征与LDA线性判别的设备类型判断算法,在兼顾边缘端计算效率的同时取得了与随机森林等非线性分类器相同的辨识性能。

基于LDA主题模型的智慧养老研究主题分析

目的/意义揭示国内智慧养老领域研究热点主题。方法/过程选取中国知网作为检索数据库,以2004—2023年智慧养老领域期刊论文、学位论文和会议论文的摘要作为研究数据,运用LDA主题模型进行文本挖掘,利用困惑度和一致性确定最佳主题数量。根据主题-词分布进行主题识别,根据文档-主题分布计算各主题强度。结果/结论 LDA主题模型提取得到国内智慧养老领域主题共9个,其中热点主题为服务架构、数字化转型、社区养老、用户调研。

国内数字人文领域文献主题识别及框架研究——基于LDA和Word2Vec的分析

数字人文能够活化中国文化,向世界更好地展示中国声音,讲好中国故事。从数字人文领域研究成果中识别文献主题,能够客观地帮助该领域学者快速了解与掌握国内数字人文研究内容和动向,并形成国内该领域基于文献研究的框架,为相关研究提供理论支撑。以CNKI中数字人文领域的1886篇文献为样本,综合使用LDA、Word2Vec及共现分析等文本计算方法抽取主题,形成以信息技术为驱动,以数字艺术、文化遗产、历史档案等主要研究领域为学科建设突破口,以人才培养为最终目标的国内数字人文领域研究框架。