基于数理统计和文本挖掘的埋地钢制燃气管道失效分析

近年来燃气管道事故频发,严重威胁周边人民群众生命财产安全。为准确认识埋地钢制燃气管道失效特征及致因,针对性开展风险管控,以某管道燃气公司2018—2021年共计1338条埋地钢制燃气管道失效记录为分析蓝本,采用数理统计方法分析失效总体趋势及管道敷设位置、压力等级、外防腐层类型、失效原因、管龄对应的失效特征;采用文本挖掘技术共计提取26项埋地钢制燃气管道潜在失效致因,通过词云可视化方式分析高频失效致因;构建失效致因共现网络探索不同致因之间的耦合关系,并根据特征向量中心性辨识主要失效致因。结果表明:中压庭院管道是风险管理的重点;腐蚀失效频次与管龄总体呈正相关,且从第4 a开始失效频次快速增长,在第19 a左右达到峰值;土壤腐蚀、防腐层破损、杂散电流、未安装阴极保护系统、管道服役年限较长、管体缺陷、防腐层老化和敷设环境发生变化是埋地钢制燃气管道失效主要致因,是风险管控的关键点。

基于词-主题-文本异质网络的短文本分类方法

针对现有分类方法未考虑长距离词的语义相关性和文本间潜在主题共享的问题,提出一种基于词-主题-文本异质网络(WTDHN)的短文本分类方法。通过Word2vec训练词的上下文语义向量;构建词相关性矩阵以充足的词共现信息增强短文本各级别语义学;构建以词、主题和文本为节点的异质网络,并采用图卷积学习节点之间的高阶邻域信息,丰富短文本语义。相较于基准分类模型,该方法在五个公开短文本数据集上的分类准确率平均提高1.56%。

高斯混合模型与文本图卷积网络结合的虚假评论识别算法

针对文本图卷积网络(Text GCN)窗口边权阈值策略不足的问题,为了更精准地挖掘相关的词关联结构、提高预测精度,提出一种高斯混合模型(GMM)与Text GCN结合的虚假评论识别算法F-Text GCN。首先,利用GMM分离噪声边权分布的特性,提高虚假评论在训练数据上相对正常评论数不足的边信号强度;然后,考虑到信源的多样性,综合文档、词汇和评论以及非文本特征构造邻接矩阵;最后,通过Text GCN的谱分解提取邻接矩阵的虚假评论关联结构实施预测。根据国内某大型电商平台采集的126086条实际中文评论数据开展实证研究,实验结果表明,F-Text GCN识别虚假评论的F1值达到82.92%,与预训练表征模型BERT和文本卷积神经网络相比分别提升了10.46%和11.60%,相较于只使用评论文本信源的Text GCN模型F1值提升了2.94%;研究了高仿虚假评论的预测错误率,在支持向量机(SVM)作用后难识别的评论样本上尝试二次识别,F-Text GCN整体预测准确率可达94.71%,相较于Text GCN和SVM,在识别准确率上分别提升了2.91%和14.54%。研究发现,虚假评论的二阶图邻居结构显示出较强的干预消费者决策的词汇,这表明所提算法特别适用于提取用于虚假评论检测的长程词语搭配结构和全局句子特征模式变化的场景。

多词共现分析方法在暴雨-地质灾害应急任务研究中的应用

为快速制定救援行动方案,提出了一种多词共现分析方法将灾害应急任务从历史发生的灾害案例中提取出来的方法。该方法首先利用K-means聚类算法将预处理好的文本进行聚类分析,归纳出应急任务集。然后利用关联规则挖掘Apriori算法提取案例文本中的频繁项集作为共现词集,分析解释共现词集与应急任务之间的关系。最后,运用Gephi软件将共现词语网络可视化,进一步分析应急任务中要素之间的相关关系。以暴雨引发的地质灾害事故为例,对该方法进行了实验,结果表明该方法能有效的将暴雨-地质灾害事故案例文本中的应急任务提取出来,并通过网络可视化分析发现,在救援过程中,应急任务之间是联动配合的一个体系,协调好各个应急任务能缩短应急响应的时间,为制定或完善救援行动方案提供参考。

基于文本挖掘的开放政府数据与数字经济政策协同研究

[研究目的]政府数据开放已经成为政府转型过程中的重要目标之一,研究数字经济政策和开放政府数据政策之间的协同性,有助于政府的数字化转型及政策更有效的实施。[研究方法]使用LDA模型对采集到的省级和市级政策文本进行预处理,将政策文本高频词分成政策执行主体、政策目标以及政策工具三个维度,使用共现网络分析和关联规则两种方法分别对高频词进行挖掘,探讨两种政策之间的协同性,并对两种方法得出的结论进行对比,探讨两种方法之间的差异性。[研究结论]市级开放政府数据与数字经济政策在政策执行主体、政策目标和政策工具三个维度上具备一定协同性,但两种政策也在某方面存在较大差异,省级政策文件则体现出了纵向和横向的协同性;关联规则和共现网络分析得出的结论具有较高一致性,但两种方法在信息的挖掘上各有优劣。

我国新型研发机构政策注意力与政策工具探析——基于长三角与珠三角地区的政策量化研究

新型研发机构逐步上升为中国创新驱动发展的主力军。利用文本挖掘、共词语义网络分析等方法,全面剖析长三角和珠三角地区新型研发机构政策的注意力焦点和政策工具,为支持高水平新型研发机构建设与发展提供参考。研究发现:政策类型以“通知”和“意见”为主,体现了政府的弹性管理机制,但执行力度较弱;政策注意力与新型研发机构的使命、功能内涵密切相关,鼓励政产学研高度融合,突出企业主体地位,强调体制机制创新;政策工具运用存在结构性失衡,注重供给型政策工具,环境型和需求型政策工具使用不足。

基于文本挖掘的高校网络舆情研究热点及趋势分析

为系统分析国内高校网络舆情研究热点及研究趋势,采用共现分析、LDA主题模型等文本挖掘方法对国内高校网络舆情研究的学术论文进行分析。从宏观和微观两个层面展开分析,宏观层面以关键词共现网络为基础,利用社区挖掘方法抽取关键词语义社区,分析高校网络舆情主要研究内容;微观层面以学术论文摘要语料库为基础,利用LDA主题模型抽取潜在研究主题,度量主题强度及其演化趋势,发现当前研究热点。研究结果发现当前国内高校网络舆情有6大热点研究主题,其中高校网络舆情引导、监测和演化分析的研究热度将持续增强。最后对高校网络舆情研究进行展望,提出未来研究方向和研究问题。

以学科竞赛促进商科大学生能力培养--四届浙江省大学生经济管理案例竞赛一等奖作品分析

在深入实施创新驱动发展的战略背景下,商科大学生作为“双创”的生力军,学科竞赛的开展对于提升他们创新创业能力、增强创新活力具有重要意义。本文以浙江省大学生经济管理案例竞赛2018—2021年间120篇一等奖作品为研究对象,通过文本和共词分析,探讨获奖高校、案例企业、研究主体和研究理论的分布情况,总结竞赛现状及发展趋势,并从院校支持、案例选题、学生培养等角度提出建议与启示。

融合多特征及协同注意力的医学命名实体识别

针对当前中文医疗命名实体识别中未融合医学领域文本独有的特征信息导致实体识别准确率无法有效提升的情况,及单注意力机制影响实体分类效果的问题,提出一种基于多特征融合和协同注意力机制的中文医疗命名实体识别方法。利用预训练模型得到原始医学文本的向量表示,再利用双向门控循环神经网络(BiGRU)获取字粒度的特征向量。结合医疗领域命名实体鲜明的部首特征,利用迭代膨胀卷积神经网络(IDCNN)提取部首级别的特征向量。使用协同注意力网络(co-attention network)整合特征向量,生成<文字-部首>对的双相关特征,再利用条件随机场(CRF)输出实体识别结果。实验结果表明,在CCKS数据集上,相较于其他的实体识别模型能取得更高的准确率、召回率和F1值,同时虽然增加了识别模型的复杂程度,但性能并没有明显的降低。

基于文本挖掘技术的油田集输管道失效诱因关联分析

为有效预防油田集输管道失效事故的发生,以某油田2018—2021年管道失效记录为基础,采用数理统计方法分析各类管道的失效特征,利用词云图和Apriori算法分析事故类型、常见诱因及诱因间的关联规则,再通过共现矩阵构建共现网络,明确集输管道失效事故发生的关键诱因项和不同诱因发生的加速项集合,最后采用多项文本挖掘技术确定事故发展的耦合关系。结果表明,位于高后果III级区域的原油低压管段和天然气中压管段是风险管控的重点;管道泄漏、油气聚集、油池火、闪火是常见事故类型,施工破坏、土壤腐蚀、防腐层破损、管道占压、含有腐蚀性物质等是常见的事故诱因;管道泄漏和油气聚集具有强关联性,在管道泄漏条件下,发生油气聚集的概率为85.21%,两者同时出现的概率为18.21%;施工破坏、土壤腐蚀、外加电流保护失效、管道占压的共同出现是导致管道失效的主要因素;诱发土壤腐蚀和内腐蚀加速的主控原因与多项诱因相关,在后续风险管控中应尽量避免多项诱因的同时出现。

中美信息技术政策文本比较研究

[目的/意义]信息技术是国家综合国力的体现,其高速发展离不开政府的引导与支持。在这样的背景下,中国和美国相继出台了一系列促进新兴信息技术发展的政策。了解我国与美国的政策差异,对于完善战略规划、把握发展方向有着重要的意义。[方法/过程]本研究对近十年来中美关于信息技术的重要政策进行了梳理,使用共词网络和LDA主题模型对政策进行文本分析。[结果/结论]展现中国与美国在大数据、云计算、人工智能等领域政策的共同关注点和不同侧重点,为我国完善信息技术政策提供参考和启示。

语义增强型全文本共词网络的构建与分析

共词网络是研究语言现象的重要方法,语义特征是词汇共现现象中重要的隐性知识,研究共现词之间的语义关系及特征,可以从语义视角改进共词网络的研究,并利用语义学知识为现有的共词分析方法赋能。本文提出了一种语义增强型的共词网络构建和分析方法,从共现特征、网络特征与语义特征3个维度丰富了共词网络节点和边的属性。通过实验构建了基于14万余篇新闻文本数据的语义增强型全文本共词网络,并重点对共现词对的语义特征进行分析,结合案例呈现了该方法在计算语言学研究和行业应用上的价值。本文从词间语义关系的视角,拓展了共词网络的构建和分析方法,描述了共现词汇的语义特征,证实了语义关系的非对称性和传递性,为语义关系的分类与推导提供了理论依据,在语义消歧、词义理解等方面具有应用价值。

不同出游时长下旅游景区到访特征分析——以游记文本为例

出游时长与旅游行为密切相关。基于携程网游记数据,综合利用文本挖掘、地理信息系统空间分析、社会网络分析等方法,挖掘1~3 d、4~6 d和7~10 d三种出游时长下旅游景区到访特征。结果表明:①短途旅游受景区知名度、可达性与城市配套的影响,随时长增加,旅游景区“多核摄动”且密织成网;②旅游景区到访空间异质性显著,随出游时长增加,从金三角逐步发展为钻石四边形结构,知名景区溢出效应显著;③短时旅行只能走马观花,时间充裕有助于灵活多样的线路设计;④三种出游时长下旅游景区共现网络整体密度较低,且随出游时长的增加而逐渐变密,均呈现显著的等级层次性和核心–外围结构特性。

常州市人才政策分析研究

人才是创新和发展的源动力,对人才政策进行文本分析有助于推动未来人才政策的科学制定。文章运用文本分析法和共词分析法,对2012年以来常州市及各辖区部门出台的38份和人才密切相关的政策文本进行分析。通过分析发现:常州市的人才政策制定力度还需进一步加大,需将人才政策与市场、经济社会需求紧密结合;常州市的人才政策侧重于人才的引入和激励,对人才的评价、服务保障等略有不足。

基于文本增强的共注意机制的多模态标签推荐

针对新型社交平台用户发布帖子时通常会使用标签来标记帖子的关键词或话题来提高自己在社交媒体中参与度的问题,使用了层级结构,从单词、短语和句子三个层级来提取文本特征。并且提出文本内容的汇总注意机制,将每个层级的语义内容总结为一个特征向量,然后提出一个文本增强的共注意模型,将每个层级的语义分别与图像模态进行语义融合。同时,考虑到不同用户使用标签的偏好习惯等各不相同,引入一个外部存储单元来记录每个用户的历史标签习惯,计算当前待推荐帖子与历史帖子之间的相似度影响向量,建立用户的个性化模块。在真实数据集上的实验结果表明,文中基于多模态帖子内容理解和个性化模块分析模型相比与其他模型,在精确率、召回率和F 1分数上都有很大提升;提出的两个关于多模态内容理解的注意力机制和用户的个性化建模都对整体推荐效果有显著的贡献。

基于增强加权共现图和图核相似性的文本分类方法

为有效表示文本结构信息,提高文本分类性能,提出一种增强加权共现图的文本分类方法。利用加权共现图表征文本,基于术语与文本分类的相关性对术语及其相依性进行加权;通过词相似性矩阵对加权图进行增强,增强图的节点和边。采用基于边匹配的图核,计算文本之间的相似性。实验在3个公开数据集上进行,在标准设置情况下,相比于其它优秀方法,所提方法在精度、召回率和F1得分提高约5%。在少量标注样本情况下,所提方法Micro-F1的增益在3%到8%之间。

基于文本挖掘的医用防护服消费者评论分析

为深入了解当下消费者对医用防护服的看法及需求,本文使用文本挖掘对14个医用防护服品牌的11513份评论内容进行词频分析、共现网络分析、情感分析和网络分析,准确揭示了消费者的购物体验感知与需求。研究表明:产品质量和快递效率是影响消费者购后评价的最重要因素,其次是商家服务、应用场景,而价格实惠只在正面评价中发挥重要作用;产品质量、包装是消费者非常关注的;消费者的不满集中在产品质量差、快递效率低、商家服务差,同时,消费者表达出在日常生活和乘坐飞机场景下对医用防护服的需求。这一探索性研究为消费者体验提供了新的研究思路,也为医用防护服企业的营销管理实践提供了有价值的参考。

基于文本挖掘的我国绿色金融政策研究

以我国2017—2019年绿色金融相关政策为数据源,通过提取政策文件的文本-行特征词和高频关键词,构建词云图、共现矩阵,采用高频词社会网络分析等方法,实现对这三年绿色金融相关政策内容信息的量化分析,从政策制定侧重点及政策内容上对文本进行总结。结果表明,我国2017—2019年绿色金融政策体现了政府对绿色金融企业机构激励机制及监管制度的完善,体现出这三年绿色金融发展的侧重点。

共同机构投资者对管理层语调操纵的影响研究

持续提高信息披露质量是实现上市公司高质量发展的必由之路。以2011—2021年沪、深A股上市公司为研究样本,以管理层语调操纵为研究视角,检验共同机构投资者对上市公司信息披露质量的作用效果。研究结果显示,共同机构投资者有效抑制了管理层语调操纵。作用机制研究表明,共同机构投资者通过改善信息环境和优化公司治理进而抑制管理层语调操纵。此外,拓展性分析表明,共同机构投资者对管理层语调操纵的抑制作用在国有性质、分析师跟踪人数多以及内部控制质量低的企业中更为显著。研究结论为进一步深化共同机构投资者以及上市公司信息披露监管提供了实证依据和参考借鉴。

基于词向量空间的我国健康信息研究脉络解析

[目的/意义]分析我国健康信息研究发展脉络,有助于公民健康素养的提升以及“健康中国”战略的实施。[方法/过程]以国内权威期刊“健康信息”主题相关文献的题目、摘要和关键词构建数据库,利用计算机文本分析技术构建关键词向量空间,基于词频与共词分析进行主题聚类、绘制战略坐标图,从时间维度梳理健康信息研究的发展脉络,从空间维度解析健康信息研究的演化特征。[结果/结论]研究结果表明,基于传播渠道和信息质量的健康信息服务和信息搜寻行为一直是研究热点,信息冲突造成的健康谣言和健康焦虑应引起重视,考虑不同群体的健康信息需求、构建全媒体协同的信息交流。网络是努力的方向,突破传统调查实验小样本的局限性、利用机器学习模型分析海量在线健康信息行为数据是发展重点。