多平台视角下用户知识交流主题挖掘与画像分析——以ChatGPT话题为例

[目的/意义]基于多平台视角挖掘用户知识交流主题特征,构建用户画像标签体系,有助于全面理解用户利用差异化平台开展知识交流行为的规律偏好,为平台提供精确优化策略,为平台间生态建设提供参考依据。[方法/过程]采集大众社交平台、兴趣交流平台、垂直知识平台3类典型平台中ChatGPT话题相关的原创博文及用户数据,采用BERTopic模型凝练知识交流主题,结合多平台数据特点,从自然属性、社会属性、知识交流行为属性和知识交流主题属性4个维度抽出画像标签,通过K-means聚类实现用户画像,呈现群组特征并进行平台差异对比。[结果/结论]研究识别出了应用场景、行业进展、未来探讨、相关产业、咨询求助、热门话题、使用感受、风险监督8大知识交流方向及46个主题;根据属性特征将用户划分为专业贡献型、综合共享型、社交求知型和话题潜力型4类,平台间知识交流主题和用户画像存在显著差异,各平台应采取差异化的激励方式,增强平台用户黏性。

高校纸本图书使用者的本科生用户画像构建

以高校纸本图书使用者的本科生用户为研究对象,构建高校纸本图书的用户画像,可以更加深入地识别用户、更加有效地提升纸本图书的资源建设和服务质量,进而提升用户体验,促进学生系统、深刻阅读。选取层级标签方法来构建用户画像,在现有RFM模型的基础上,构建LRFM模型,识别出具有共同特征的用户群体,最终完成用户画像的构建。基于真实数据,对该文构建的用户画像模型进行实证,验证模型是有效的。

逆向工程技术在石膏头像设计中的应用

借助专用逆向软件,采用逆向技术对石膏头像的点云扫描数据进行预处理和数模重构,从而完成了其逆向建模设计。将扫描数据导入Geomagic Wrap软件中,进行清除噪点、全局注册、合并、补孔、平滑等预处理;预处理后的数据以STL格式导入Geomagic Design X软件中进行进一步的数模重构。对重构后的模型进行了偏差分析,结果表明逆向重构精度符合设计要求。

基于UTAUT模型修正的微信朋友圈信息流广告接受度实证研究

本文从解决微信朋友圈信息流广告接受度的现实困境出发,基于UTAUT模型进行修正构建了微信朋友圈信息流广告接受度SEM结构方程模型,重点研究影响微信朋友圈信息流广告的关键性因素及其相互关系。结果表明,绩效期望、付出期望、促成条件、社群影响、广告表现对微信朋友圈信息流广告接受度呈正相关,广告奖励对微信朋友圈信息流广告的接受意愿并不相关,微信使用用户的年龄越大,收入越高,对广告接受意愿越强。

IBNAD:一种基于交互的5G核心网网络功能异常检测模型

现有5G(5th GenerationMobile Communication Technology)核心网异常检测主要基于信令流量深度解析,但较少利用核心网网络功能交互关系的作用。针对上述问题,提出一种基于交互的5G核心网网络功能异常检测模型。首先,该模型以行为分析为驱动,基于信令流量和网络功能注册数据提取多维属性,通过行为画像来表征网络功能行为模式,并采用集成学习算法RFECV(Recursive Feature Elimination with Cross-Validation)进行属性特征选择,降低特征维度的同时筛选出与区分网络功能行为模式高度相关的属性特征。然后,模型基于网络功能交互关系对核心网进行图建模,建模后的图数据融合了网络功能属性信息和交互信息。最后,模型通过基于空间域的图卷积网络聚合邻域节点属性信息和结构信息来融合行为模式特征,新生成的节点表示用于分类,从而将核心网网络功能异常检测问题转化为图节点分类问题。通过在free5GC仿真平台上采集数据,并在搭建的异常检测系统中的实验表明,该模型的异常检测性能优于基于属性特征分析的传统机器学习模型、基于结构特征分析的图嵌入模型及部分5G核心网异常检测模型。10%数据集作为训练集时,所提模型的准确率比支持向量机模型提高6.6%,比Struc2vec模型提高13%,比深度神经网络模型提高8%。

基于时空知识关联性深度挖掘的频谱能量预测方法研究

频谱能量预测是实现有限频谱资源高效利用的重要途径,而对历史电磁频谱数据进行多尺度、多维度的时空知识提取和关联关系挖掘,从而形成电磁环境画像是实现精准频谱能量预测的重要基础。对于单采集点的时间动态频谱能量数据,时域知识关联关系挖掘受到频谱数据体量大及特征维度高的影响,本文提出了基于并行多模型融合的单点时域特征提取和预测方法;对于多点采集形成的区域频谱能量数据,受到时间动态和空间分布不均的双重影响造成时空知识关联关系挖掘困难,本文首先基于区域电磁环境的相关性构建区域电磁环境的相关关系图,然后基于关系图的关联信息设计了基于图卷积的网络预测模型,研究电磁环境中频谱能量预测问题。通过仿真实验,验证了无论是在单点时间动态场景下还是区域时空场景下,本文提出的方法均优于基线模型,具有良好的预测精度和鲁棒性。

基于改进主题模型方法的三级短视频用户画像的研究

针对如何从海量短视频数据、用户数据、交互数据中快速抽象出精准的用户兴趣的问题,提出了基于主题模型的三级标签用户画像构建方法。基于主题构建方法,将融合的LDA和GSDMM主题模型所获取的视频主题词作为用户兴趣表达向量。首先,搭建了LDA过滤器,通过比对阈值剔除与主题无关的文本信息,缩小文本规模,降低非主要语料对于兴趣表达向量生成的影响。然后,提出结合语义信息和语境信息的特征词权重矩阵的构建方法,使用Bi-GRU神经网络计算词向量的上下文特征,并将其作为语境特征,使用TF-IDF算法计算出的词频权重作为语义特征,结合语境和语义特征扩充特征词含义。最后使用带有兴趣权重分配的GSDMM模型学习特征向量权重矩阵,实现用户兴趣标签生成和用户不同喜好程度影响下的兴趣权重修正。实验结果表明,该方法能够比较完备准确地表征用户画像,优于单一的主题构建方法,并且在聚类效果上表现出色。通过构建完备的用户画像,能够精准把握用户痛点,为后续个性化推荐提供服务。

5GtoB模型化方案构建方法研究与实践

研究了5GtoB模型化方案构建方法,通过行业画像适配整体业务场景设计网络指标需求,将用户业务、体验与网络指标建立关联,为用户的5GtoB建网规划提供参考。最后通过具体案例对该方法进行了验证。

绿色技术创新企业多维画像体系构建与应用研究——以我国绿色交通技术领域为例

[目的/意义]文章通过构建绿色技术创新企业的多维画像体系,并以我国绿色交通技术领域为例进行实证研究,旨在全面了解特定领域的企业在绿色技术创新方面的现状、优势和障碍,从而为相关政府部门和企业决策者提供科学的参考和建议。[方法/过程]文章基于资源基础观和环境依赖理论遴选企业内外部标签,设计出一套多维标签体系,来客观描述企业在盈利能力、科研创新、社会舆论和环保责任等方面的表现;然后,从投入产出2个阶段出发,构建绿色技术创新效率指标体系,通过无导向超效率SBM模型,计算企业在各年度下的绿色技术创新效率值;再利用Malmquist全要素生产率指数,分析企业效率值的动态变化趋势。[结果/结论]文章以绿色交通领域为例进行实证分析,验证了本研究提出的方法能够有效评价上市企业的绿色技术创新能力,并分析了技术效率变化的原因。此外,通过对财务实力、绿色创新能力和社会舆情聚类得到5类绿色交通企业,为各类型企业制定差异化竞争战略提供有效指导。

智慧图书馆用户画像图像处理算法模型设计与实现

针对当前无法对智慧图书馆物联网空间系统中用户图像画像数据进行计算、处理并进行深层次数据挖掘的现状,研究和设计了一种用以画像图像处理的点操作算法模型。模型的底层算法采用适用于空间域增强过程的灰度变换算法。搭建包含算法转换、近似计算、增量更新、查找表和浮点计算等组成计算单元的模型的核心算子。对点操作算法模型的核心算子IP计算单元进行设计,实现了对计算单元的加速设计与实现,计算单元加速效果良好,算法模型合理有效,核心算子的简单像素流水数据能够实时得到流水像素结果输出。

基于循证的飞行签派员岗位胜任力评估画像模型构建

为提升航空公司的安全运行水平,采用熵权法对60份研究样本从核心胜任力、心理胜任力和作风胜任力三个维度构建飞行签派员岗位“画像”的评估模型,根据柯氏模型,从反应层、学习层、行为层、结果层四方面完成对飞行签派员岗位胜任力评估画像的建议。

融合角色心理画像的心理健康文本匹配模型

全球心理健康问题形势严峻,由于心理健康服务的从业人员不足,遭受心理健康困扰的人并不总是能获得专业的心理健康服务.检索式心理健康社区自动问答可以快速地为需要心理健康服务的人提供相应的信息自助服务.与传统检索式社区问答中的文本匹配不同,在匹配支持帖和求助帖时,需要考虑2种不同层面的匹配准则:语义层面和心理层面.为了解决该问题,提出融合角色心理画像的2阶段文本匹配模型(two-stage text matching model integrating characters’mental portrait,T2CMP),该模型引入心理特征用于构建角色心理画像,从而辅助模型理解文本心理层面的内容和匹配关系.同时为了提升检索效率以及减少大量负样例带来的噪声问题,将文本匹配任务拆分为2阶段的序列型子任务.首先针对每条求助帖,使用基于语义的筛选模型甄别出候选支持帖;然后依据用户的角色心理画像,使用多层注意力机制将其与语义信息有效融合,提高模型的总体效果.在MHCQA数据集上的实验结果显示,T2CMP比现有优秀算法拥有更高的F1值.

基于LDA模型的国内用户画像研究主题及演化分析

【目的/意义】旨在发现国内用户画像研究领域的研究主题以及这些主题的发展脉络,为图书馆用户画像的构建提供参考。【方法/过程】运用LDA主题模型对国内用户画像研究论文的题目、摘要和关键词等内容进行文本挖掘,按年度对热点主题进行分析并发现各主题的演化趋势。【结果/结论】国内用户画像研究领域大体可划分为8个研究主题:新媒体营销、电商系统与精准营销、推荐算法与推荐系统、健康信息服务、教育教学、金融服务、社交网络与内容分析、高校图书馆与信息服务。研究主题按年度演化趋势可分为上升主题、平稳主题和衰减主题3类。高校图书馆与信息服务是上升幅度最大的主题,这表明研究人员越来越关注用户画像在图书馆及相关领域的应用研究。

基于文本分析的在线课程画像研究

[目的/意义]在“互联网+教育”的时代,网络课程丰富,类型众多,学习者难以快速找到适合的在线课程。传统在线课程简介无法提供适配性引导,而课程画像能描述课程整体定义,满足学习者差异化课程适配需求。[方法/过程]基于文本分析建立相关语言模型,构建在线课程画像。以学习者在线评论文本作为数据集,从课程基本信息、联合主题模型、情感判别三个维度构建课程画像的概念模型。联合主题模型先通过基于词向量的Word2Vec算法计算词语之间的相关性,构建初始相似词库;接下来结合K-means文本聚类算法从两个维度提取评论主题;最后利用ROST_CM6软件进行评论文本情感判别并解析语义网络,数据可视化后得到课程画像。[结果/结论]最终画像能清晰呈现学习者视角的课程描述,促进整体学习效率。

优秀乡村教师的群像研究——基于“全国教书育人楷模”先进事迹材料的文本分析

本文对2010-2023年度“全国教书育人楷模”乡村教师先进事迹材料进行文本分析,采用扎根理论进行编码和概念提取,力图描摹优秀乡村教师群像。发现优秀乡村教师对乡土的热爱、对教书育人的热忱和对终身学习的追寻,促使他们长期扎根乡村。并据此提出根植教师的乡土情怀、坚守教师的育人初心、践行终身学习理念的优秀乡村教师养成路径,为建设高质量的乡村教师队伍提供具象的示范,助力乡村教育的高质量发展。

健康画像的数据模型设计与智能化应用

目的/意义探索健康画像的数据模型设计与智能化应用。方法/过程分析健康画像应用现状及问题,规范健康画像数据采集、立法与治理,系统性建立健康画像数据模型,探索健康画像潜在应用场景。结果/结论设计形成健康画像数据模型,增强了健康画像的全面性、针对性;建立数据模型管理系统,提升了模型规范化管理效率;总结“健康管理和评估”“精确诊断和个性化诊疗”两大健康画像应用场景,帮助提高医疗质量和效果,满足个体健康需求。

基于文本挖掘的互联网医疗平台用户画像模型构建

目的/意义构建互联网问诊用户画像探究问诊主题,提升问诊服务质量,减少医患沟通障碍,以线上配合线下方式针对性治疗。方法/过程利用Python爬虫获取好大夫在线医疗平台孤独症疾病问诊数据,运用隐含狄利克雷分布(latent Dirichlet allocation,LDA)与词频-逆文档频率(term frequency-inverse document frequency,TF-IDF)结合的模型划分数据,在降维聚类后实现用户群体分类。最后通过logistic回归模型计算输出不同用户群体特征集合,构建画像。结果/结论用户问诊内容主要围绕11个主题展开,平台可通过主题内容的典型特征优化问诊填写模板,提高用户填写疾病描述准确性、问诊效率和患者满意度。

基于数据仓库的RFM用户画像构建研究

随着大数据时代的到来,企业要想持久快速发展,须以客户为中心,了解不同客户群体的需求,通过海量数据的挖掘,对不断变化的客户期望迅速做出反应,并给他们提供个性化的服务。为满足企业获得更大的客户群体,论文基于电信运营商的数据,结合RFM模型提出了用户画像的构建方法,以超细分的客户标签为基础划分出不同的客户类型,实现了客户群的自助式多维分析和需求探索,为企业精准营销提供指导方法。

基于大数据的学生数字画像构建与实践分析

为促进学生全面发展,分析基于大数据技术的学生数字画像构建与实践分析方法。在选择资料时,考虑实际需求,如学习生活中的课程、学习成绩、阅读时间等维度。采用随机森林模型进行评估,绘制学生数字画像。实践表明,利用大数据技术构建学生数字画像具有可行性和有效性,能够为学校在实施个性化教育和学生管理等方面提供参考。

基于云模型的配网运行画像数字孪生构建方法研究

为有效解决配网运行管理水平不高的问题,提出基于云模型的配网运行画像数字孪生构建方法。采用数字孪生技术构建虚拟空间电网的交互和映射。通过鱼骨图法分析影响配网运行状态的因素,建立配网运行指标体系,并将特征指标转换为标签矩阵。构建反映配网线路状态的特征指标。利用逆向云发生器展开云转化处理,以获取配网运行指标的模糊特征。对运行指标和标签矩阵的距离进行加权求和处理,可以获取配网运行指标的打分值,从而得到清晰且评价客观的配网运行画像。该方法能够精确获取不同情况下配网的运行状况,有效提高配网运行管理水平。