Semi-supervised Support Vector Regression Model for Remote Sensing Water Quality Retrieving

This paper proposed a semi-supervised regression model with co-training algorithm based on support vector machine, which was used for retrieving water quality variables from SPOT 5 remote sensing data. The model consisted of two support vector regressors (SVRs). Nonlinear relationship between water quality variables and SPOT 5 spectrum was described by the two SVRs, and semi-supervised co-training algorithm for the SVRs was es-tablished. The model was used for retrieving concentrations of four representative pollution indicators―permangan- ate index (CODmn), ammonia nitrogen (NH3-N), chemical oxygen demand (COD) and dissolved oxygen (DO) of the Weihe River in Shaanxi Province, China. The spatial distribution map for those variables over a part of the Weihe River was also produced. SVR can be used to implement any nonlinear mapping readily, and semi-supervis- ed learning can make use of both labeled and unlabeled samples. By integrating the two SVRs and using semi-supervised learning, we provide an operational method when paired samples are limited. The results show that it is much better than the multiple statistical regression method, and can provide the whole water pollution condi-tions for management fast and can be extended to hyperspectral remote sensing applications.

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。

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。

我国战略科学家研究的热点透视与未来路向:基于LDA-SARIMA模型的研究

战略科学家是科技人才中的帅才,是支撑我国高水平科技自立自强的重要力量。探索战略科学家研究领域主题存在的取向和呈现的趋向,可为相关科技政策研究和制定工作提供借鉴。本文采用LDA主题建模和SARIMA预测分析方法对战略科学家这一重要研究领域进行主题挖掘与实证分析,抽取与战略科学家相关的6个核心主题,对该领域的研究现状与发展动态进行探讨。研究表明:战略科学家的研究具有显著的周期性特征;研究集中在建设国家战略人才力量层面,强调战略科学家对于承担国家战略任务,推动战略人才体系建设的作用;通过模型的定量预测功能得出培育和使用战略科学家、借助新媒体技术开展科学普及和教育工作是未来研究的趋向。建议在探讨如何完善战略科学家的培养体系时,紧跟时代发展的步伐,培养符合新时代需求的战略科学家。

LDA模型下的我国图书馆人才队伍建设与管理主题

对我国图书馆人才队伍建设与管理领域进行文本挖掘,揭示该领域研究热点主题。选取中国知网(CNKI)相关文献摘要作为研究语料,运用Python的gensim库构建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、计算各主题强度。最终确定10个热点主题数量,其中高校图书馆员培养、图书馆建设与阅读推广、公共图书馆服务、多角度合作、用户需求与满意度这五个主题的主题强度较高,揭示了主题演化趋势。

基于LDA和Word2Vec模型的学位论文评阅意见主题挖掘与分析

选取某高校部分硕士学位论文评阅意见为研究对象,使用自然语言处理和机器学习技术进行自动化的硕士学位论文评阅意见主题挖掘与分析。首先,采用LDA(latent dirichlet allocation)模型对评阅数据进行主题建模,提取文本中的潜在主题,并将评阅意见转化为主题分布向量;其次,结合Word2Vec模型将评阅意见的关键词转化为向量表达;最后,采用TextRank方法提取关键词,以揭示评阅专家的关注核心主题。实验结果表明,所提方法能为高校管理人员提供切实有效的分析工具,有助于他们更好地分析总结评阅意见,同时也为硕士研究生撰写高质量学位论文提供有益借鉴。

基于LDA-ARIMA的我国智能手机关键技术主题识别与演化分析

[目的/意义]专利是技术能力的表现形式,包含关键技术主题信息。以智能手机专利数据为基础,提出关键技术主题的识别和演化分析方法,帮助企业获取行业内的技术信息,调整专利研究的成本与精力投入。[方法/过程]首先,选择专利数据库和高级检索内容,下载和导出专利标题和摘要数据,并对数据进行去停用词和jieba分词等处理;其次,构建困惑度求解模型,确定最优主题数,再将已经分好词的文本导入LDA模型进行主题挖掘,得到每个技术主题下关键词语的分布;再次,将主题热度转化为时间序列,进行平稳性检测和白噪声检验,确定ARIMA模型参数后应用预测;最后,依据每个技术主题下提取的特征词确定关键技术主题并进行解读,通过时间序列预测结果对关键技术主题进行演化分析。[结果/结论]以智能手机为研究对象,成功识别出屏幕、电池与充电、生物识别系统等15个关键技术主题,挖掘出各主题不同的演化发展特征,根据演化趋势分析提出建议,验证了本文主题识别与演化分析方法的可行性与有效性。

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。

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。

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。

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模型和意象图式的产品隐喻设计方法研究

目的为实现隐喻设计方法的喻体选择和隐喻转译,结合LDA模型和意象图式提出一种新型产品隐喻设计方法。方法应用LDA聚类分析始源域中事件的情绪体验,获取用户在始源域中的主题喻体。基于深度访谈和图式表征分析提取意象图式,并通过AHP评价排序获取重要图式转译因子。将图式因子进行组合表述,联想产品相应功能特征,完成意象喻体到产品主体的转译。结果以减压产品为例进行设计实践,通过LDA聚类获取了感官放松、情感满足、体验良性发展、探索未知、无意识本能、体能释放六大主题与相应模态,以及与主题对应的图示因子,并以可视化桌面蓝牙音箱为设计载体,从视觉、听觉和触觉模态介入,结合图式联想完成了音乐播放、探索互动、自动休眠和情绪释放4个功能隐喻设计。利用加权算法对设计方案进行测试评估,验证了设计方法的合理性。结论从隐喻设计现状出发,探索了基于LDA模型和意象图式的产品隐喻设计方法并加以实践,验证理论与方法的可行性与有效性,为产品隐喻设计乃至其他情感价值类产品的设计研究提供了优质案例与借鉴。

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-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。

Progress and Knowledge Transfer from Science to Technology in the Research Frontier of CRISPR Based on the LDA Model

Purpose:This study explores the underlying research topics regarding CRISPR based on the LDA model and figures out trends in knowledge transfer from science to technology in this area over the latest 10 years.Design/methodology/approach:We collected publications on CRISPR between 2011 and2020 from the Web of Science,and traced all the patents citing them from lens.org.15,904 articles and 18,985 patents in total are downloaded and analyzed.The LDA model was applied to identify underlying research topics in related research.In addition,some indicators were introduced to measure the knowledge transfer from research topics of scientific publications to IPC-4 classes of patents.Findings:The emerging research topics on CRISPR were identified and their evolution over time displayed.Furthermore,a big picture of knowledge transition from research topics to technological classes of patents was presented.We found that for all topics on CRISPR,the average first transition year,the ratio of articles cited by patents,the NPR transition rate are respectively 1.08,15.57%,and 1.19,extremely shorter and more intensive than those of general fields.Moreover,the transition patterns are different among research topics.Research limitations:Our research is limited to publications retrieved from the Web of Science and their citing patents indexed in lens.org.A limitation inherent with LDA analysis is in the manual interpretation and labeling of"topics".Practical implications:Our study provides good references for policy-makers on allocating scientific resources and regulating financial budgets to face challenges related to the transformative technology of CRISPR.Originality/value:The LDA model here is applied to topic identification in the area of transformative researches for the first time,as exemplified on CRISPR.Additionally,the dataset of all citing patents in this area helps to provide a full picture to detect the knowledge transition between S&T.

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。

Overview of Trends in Global Single Cell Research Based on Bibliometric Analysis and LDA Model(2009–2019)

Purpose:This article aims to describe the global research profile and the development trends of single cell research from the perspective of bibliometric analysis and semantic mining.Design/methodology/approach:The literatures on single cell research were extracted from Clarivate Analytic’s Web of Science Core Collection between 2009 and 2019.Firstly,bibliometric analyses were performed with Thomson Data Analyzer(TDA).Secondly,topic identification and evolution trends of single cell research was conducted through the LDA topic model.Thirdly,taking the post-discretized method which is used for topic evolution analysis for reference,the topics were also be dispersed to countries to detect the spatial distribution.Findings:The publication of single cell research shows significantly increasing tendency in the last decade.The topics of single cell research field can be divided into three categories,which respectively refers to single cell research methods,mechanism of biological process,and clinical application of single cell technologies.The different trends of these categories indicate that technological innovation drives the development of applied research.The continuous and rapid growth of the topic strength in the field of cancer diagnosis and treatment indicates that this research topic has received extensive attention in recent years.The topic distributions of some countries are relatively balanced,while for the other countries,several topics show significant superiority.Research limitations:The analyzed data of this study only contain those were included in the Web of Science Core Collection.Practical implications:This study provides insights into the research progress regarding single cell field and identifies the most concerned topics which reflect potential opportunities and challenges.The national topic distribution analysis based on the post-discretized analysis method extends topic analysis from time dimension to space dimension.Originality/value:This paper combines bibliometric analysis and LDA model to analyze the evolution trends of single cell research field.The method of extending post-discretized analysis from time dimension to space dimension is distinctive and insightful.

Detecting While Accessing:A Semi-Supervised Learning-Based Approach for Malicious Traffic Detection in Internet of Things

In the upcoming large-scale Internet of Things(Io T),it is increasingly challenging to defend against malicious traffic,due to the heterogeneity of Io T devices and the diversity of Io T communication protocols.In this paper,we propose a semi-supervised learning-based approach to detect malicious traffic at the access side.It overcomes the resource-bottleneck problem of traditional malicious traffic defenders which are deployed at the victim side,and also is free of labeled traffic data in model training.Specifically,we design a coarse-grained behavior model of Io T devices by self-supervised learning with unlabeled traffic data.Then,we fine-tune this model to improve its accuracy in malicious traffic detection by adopting a transfer learning method using a small amount of labeled data.Experimental results show that our method can achieve the accuracy of 99.52%and the F1-score of 99.52%with only 1%of the labeled training data based on the CICDDoS2019 dataset.Moreover,our method outperforms the stateof-the-art supervised learning-based methods in terms of accuracy,precision,recall and F1-score with 1%of the training data.

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。