基于信息可视化技术的文本聚类方法研究

信息可视化是信息管理和信息系统的热点研究问题.随着网络技术的发展,充分有效地利用丰富的文本资源成为人们关注的焦点.文本聚类是处理文本的重要方法之一.本文在分析现有文本聚类方法的基础上,结合可视化技术解决该类问题的一般过程,给出了一个基于非线性映射实现的可视化技术进行文本聚类的方法,并通过案例说明该方法的特点,指出它与目前流行方法的不同以及其优势所在.

基于技术功效矩阵的专利聚类分析

专利文献蕴含着重要的技术、法律、经济信息,每年的出版量占世界各种图书和期刊的四分之一.随着专利数量的不断增多,对专利聚类分析显得尤为重要.我们主要研究专利聚类分析中的文本表示和结果可视化两个关键问题.首先将专利以技术功效对的方式表示,然后基于技术功效矩阵的进行专利聚类,最终形成一种多层次的专利地图.其实验结果表明这种方法比传统的向量空间模型的方法具有更高的效率和更好的聚类效果,并且其聚类结果的可视化更强的实用性和更好的扩展性.

Python环境下的航空安全报告信息分析方法

为了从大量日常收集的航空安全信息中快捷、准确、高效地获取可能存在的安全隐患,为安全风险控制提供明确的改进方向,结合文本分析和机器学习对给定类型的航空安全信息根据其内容聚类是挖掘有效信息的重要基础。以2017年中国民航收集的系统失效/卡阻/故障事件为样本,在Python 3.6环境下通过对文本预处理,采用对数的词频-逆文本频率(term frequency-inverse document frequency, TF-IDF)进行特征提取以及K-means方法,建立该样本信息的自动聚类模型,基于多维缩放(multi dimensional scale, MDS)降维输出可视化结果。分析结果表明,文本信息聚类和可视化能够快速自动地对信息整理归档,识别各样本信息之间相似程度,轻松锁定关键信息,为下一步风险管控提供有针对性的措施。

半监督类保持局部线性嵌入方法

为使局部线性嵌入(local linear embedding,LLE)这一无监督高维数据的非线性特征提取方法提取出的特征在分类或聚类学习上更优,提出一种半监督类保持局部线性嵌入(semi-supervised class preserving local linear embedding,SSCLLE)的非线性特征提取方法。该方法将半监督信息融入到LLE中,首先对标记样本近邻赋予伪标签,增大标记样本数量。其次,对标记样本之间的距离进行局部调整,缩小同类样本间距,扩大异类样本间距。同时在局部线性嵌入优化目标函数中增加全局同类样本间距和异类样本间距的约束项,使得提取出的低维特征可以确保同类样本点互相靠近,而异类样本点彼此分离。在一系列实验中,其聚类精确度以及可视化效果明显高于无监督LLE和现有半监督流特征提取方法,表明该方法提取出的特征具有很好的类保持特性。

我国突发事件应急信息管理政策内容的变迁及其特征研究——基于2003—2020年413份政策文本的计量分析

[目的/意义]梳理、总结我国突发事件的应急信息管理工作主要内容及其发展趋势,对于健全我国突发事件应急信息管理机制、及时有效处置各类突发性事件具有一定的参考、借鉴意义。[方法/过程]对突发事件应急信息管理相关概念、国内外相关研究进行概括、归纳;利用文本聚类、科学计量、内容分析和可视化等方法对我国突发事件应急信息管理相关的政策文本进行系统性挖掘与量化分析;以时间序列为逻辑线索,对我国2003—2020年413份关于突发事件应急信息管理的政策进行研究,通过计量及文本分析其主要内容,揭示其主要特征。[结果/结论]研究发现,近18年来我国突发事件应急信息管理政策主要包括信息预警、信息报告、信息发布、信息共享以及信息管理平台等内容,呈现出中央部门引领、热点事件驱动、经济文化支撑、信息技术依赖度增强和公众监督参与度提高等特征。