全日制教育硕士学位论文选题研究:问题与对策——基于J省三所高校的调查分析

该文以J省三所高校全日制教育硕士专业学位论文为研究对象,基于调查研究,发现全日制教育硕士在论文选题上还存在选题超越专业领域研究范畴、研究问题不够聚焦、选题重复缺乏新意等问题。针对上述问题,从课程与教学改革、选题过程把关、服务与管理加强等方面提出改进建议。

健康联合体政策时间演化分析

为探究我国健康联合体(健联体)政策在不同时期的关注主题及其演变特征,构建了健联体政策的多角度多层级组合的主题模型。基于结构主题模型(structural topic model,STM)、潜在狄利克雷分配模型(latent Dirichlet allocation,LDA)和标签潜在狄利克雷分配模型(labeled latent Dirichlet allocation,Labeled LDA),采用无监督学习和有监督检验的双重视角,从文本、主题和单词多个粒度对健联体政策文本进行定量分析。研究发现,在健联体政策的宏观层面,“医联体”受到越来越多关注;中观层面,越来越注重基层服务能力建设等方面的工作;微观层面,供给型和需求型政策工具的运用有局部优化的趋势,但尚未能全面提升。政府、二级及以上医院和基层医院受到的关注逐渐提升,实施细则的数量逐年增加,而规划性的政策则逐年减少。研究结果为评估我国健联体政策的现状提供了参考,同时也有助于推动健联体政策的进一步完善。

“话题—说明”理论在述补结构中的应用

汉语中的述补结构,由于本身的复杂性和语义建构体系的不够完善,历来是语法学界关注的热点,也是国际中文教学的重点和难点。通过对“话题—说明”理论的阐述,论证以“话题—说明”框架分析汉语句法结构的合理性。在此基础上,对程度补语、时量补语、动量补语的国际中文教学问题进行详细分析,并提出了相应的教学重点和教学策略。

遗忘曲线和BTM词频双层加权微博用户画像

针对微博短文本具有时效性和建模中频词缺失的问题,提出一种遗忘曲线和BTM词频双层加权微博用户画像方法。通过计算词条的时间权重和提高中频词的词频权重,获取双层加权的用户兴趣主题词。利用遗忘曲线拟合时间函数,计算微博词条的时间权重;将重新计算的词频特征作为Gibbs采样的随机值,提出一种改进的词频加权BTM主题模型,提高中频词的词频权重;提出一种微博用户行为影响力计算方法,构建热点话题下的用户画像。实验结果表明,该方法与BTM、SL-LDA、LDA方法相比,在不同时间片PMI-score指标性能均最优,能够准确挖掘不同时间片的各主题词,构建热点话题下用户兴趣主题词词云,准确展示热点话题下的用户兴趣。

BiGRU-Att-KF话题热度预测

为提高话题热度预测精度,提出一种面向话题热度趋势变化的BiGRU-Att-KF预测方法。选取微博文本总数作为话题热度的量化指标,构建话题热度时间序列;采用RMSE确定BiGRU的超参数神经元个数和批处理大小;利用BiGRU挖掘话题热度时间序列的全局特征信息,引入注意力机制自适应提取特征信息;采用卡尔曼滤波对注意力层输出结果进行动态调整。实验结果表明,BiGRU-Att-KF相较BiGRU-Att等方法,具有更优的鲁棒性和预测精度,能够更好模拟话题热度的变化趋势。

子话题及词汇关联视角下的新兴领域热点主题演化研究

[研究目的]新兴领域由于发展时间不长,相关研究的文本量不够充足,先切分文本后关联主题的演化方法可能会导致各时间窗主题重复等问题,因此提出一种先整体识别热点,后切片分析演化的方法,解决新兴领域演化分析中文本量不足的问题。[研究方法]以制氢领域的核心中文期刊文献为数据源,通过构建指标体系先对整体语料库进行热点主题识别,再进行时间切片。对每个时间窗口的文本进行LDA主题抽取,并利用Word2Vec训练词向量,通过相似度计算进行热点主题的子话题关联及其主路径的词汇关联,从而分析各热点主题的结构演化和内容演化。[研究结论]绘制了各热点主题的结构演化图,并以热点主题光催化剂性能及其制备为例,揭示了其在各时间窗内的热点转移关系;同时绘制了其内容演化图,揭示了其各时间窗内的研究重点。实现了演化研究方面的精细化表达,为文本量不够充足的新兴领域演化分析提供了有效可行的思路。

法学方法论的新典范?——托马斯·默勒斯《法学方法论》检视

在中国法学方法论研究的两波热潮中,译著的传播都在中间扮演了一个非常核心性的角色。与第一波热潮中的代表性译著即拉伦茨的《法学方法论》相比,或将成为第二波热潮中代表性作品的默勒斯的《法学方法论》在定位和内容上都有所差异。在定位上,默勒斯一书是方法论的“百科全书”“实战指南”“操作手册”。在内容上,一方面,该书处理了法学方法论的概念、案件事实、法的渊源、法律解释、法的续造等经典主题,虽然以呈现通说为主,但也不乏自己的见解;另一方面,它凸显了方法论的欧洲之问(欧盟法的引入)、时代之问(经济分析方法的运用)和伦理之问(与价值理念的关联性)。“法律方法的跨洋之旅”为法治文明互鉴所必需,也是构建自主法学知识体系的重要助力。

基于语义表示和动态主题模型的社科领域新兴主题预测研究

[目的/意义]预测社科领域在未来有发展潜力的研究主题对于科研工作者寻找新的学科增长点和政府部门优化资源配置至关重要。文章提出一种基于语义表示和动态主题模型的社科领域新兴主题预测框架,以期丰富和完善主题预测研究的方法体系。[方法/过程]首先,使用BERT模型和UMAP算法对文本进行语义表示和向量降维,再通过动态主题模型对嵌入向量进行聚类,从而获得全局主题;其次,构建新兴主题指标计算公式,基于Neural Prophet模型和非参数检验方法预测新兴主题;最后,通过划分时间窗将全局主题细化为多个局部主题,以定位最近时间段的新兴词汇。[结果/结论]选取“人口老龄化”领域的学术论文和报纸进行实证研究,并采用资料验证法进行方法有效性分析,结果表明该方法能够快速准确地预测社科领域中的新兴主题。

从自然口语的句法合作共建看汉语话题

本文观察到,在汉语自然口语对话中,说话人有合作共建谓语的表现,此时有赖于对言谈话题的识别,以此本文讨论了言谈话题在自然口语对话中的典型表现。依据全局性言谈话题和局部性言谈话题在对话进程中的不同表现,本文区分出了三种言谈话题的推进方式,包括链式推进、层次推进和框架推进,并分别讨论了说话人识别言谈话题依据的语言资源。最后,本文还对句首时间词是否应当被视为主语的问题进行了探讨。

深度动态文本聚类模型DDDC

互联网的飞速发展使得新闻数据呈爆炸增长的趋势。如何从海量新闻数据中获取当前热门事件的主题演化过程成为文本分析领域研究的热点。然而,常用的传统动态聚类模型处理大规模数据集时灵活性差且效率低下,现有的深度文本聚类模型则缺乏一种通用的方法捕捉时间序列数据的主题演化过程。针对以上问题,设计了一种深度动态文本聚类(DDDC)模型。该模型以现有的深度变分推断算法为基础,可以在不同时间片上捕捉融合了前置时间片内容的主题分布,并通过聚类从这些分布中获取事件主题的演化过程。在真实新闻数据集上的实验结果表明,在不同的数据集上,与动态主题模型(DTM)、变分深度嵌入(VaDE)等算法相比,DDDC模型在各时间片的聚类精度均至少提升了4个百分点,且归一化互信息(NMI)至少提高了3个百分点,验证了DDDC模型的有效性。

基于动态主题聚类的网络舆情反转识别模型构建与实证研究

[目的/意义]舆情反转现象频发消耗了网民的信任感,降低了网民在网络世界的安全感。基于舆情大数据对反转现象进行及时的分析识别,对营造健康安全的互联网舆论环境具有重要意义。[方法/过程]文章通过案例分析对舆情反转的特征与规律进行了归纳总结,并从主题演化角度出发,提出一种基于主题聚类模型LDA与门控循环神经网络单元(GRU)的舆情反转实时识别模型(DDPOR)。首先根据时间窗口采集实时文本数据,利用主题模型动态计算事件的当前言论较于先前观点的主题吻合度。随后结合文本时序特征,利用门控循环神经网络完成反转判定,实现网络舆情事件的反转预测。最后选取27个经典舆情反转案例开展实证分析,检验模型对反转的识别率与灵敏度。[结果/结论]实验表明,DDPOR可以及时地实现舆情反转的自动化识别,识别准确率高达90.54%,优于其他对比模型,且对网络舆情的实时监测与管控具有一定实践价值。

栀子联合硫酸镁溶液局部外敷治疗药物外渗的临床应用研究

目的:探讨栀子联合硫酸镁溶液局部外敷在治疗药物外渗中的应用效果。方法:选取2022年1月-12月医院诊断为药物外渗Ⅱ级以上的病人60例作为研究对象,采用随机数字表法对病人进行分组(栀子组、硫酸镁组、栀子联合硫酸镁组),每组20例。比较3组病人临床疗效时间、治疗效果以及病人舒适度。结果:3组病人临床疗效时间比较差异有统计学意义(P<0.05);且栀子联合硫酸镁组病人肢体肿胀完全消退时间、肢体活动自如时间、末梢循环恢复正常时间和肢体无疼痛时间短于栀子组、硫酸镁组(P<0.05)。3组病人治疗效果比较差异有统计学意义(P<0.05);且栀子联合硫酸镁组病人治疗有效率高于栀子组、硫酸镁组(P<0.05)。治疗后3组病人疼痛数字评分法(NRS)评分比较差异有统计学意义(P<0.05);且栀子联合硫酸镁组病人NRS评分低于栀子组、硫酸镁组(P<0.05)。治疗后3组病人Kolcaba舒适状况量表(GCQ)评分比较差异有统计学意义(P<0.05);且栀子联合硫酸镁组病人GCQ中各项评分高于栀子组、硫酸镁组(P<0.05)。结论:栀子联合硫酸镁溶液局部外敷治疗药物外渗,能够帮助病人快速消肿止痛,提高临床治疗效果,有助于增加病人舒适度。

汉英状态句时间指称的事件语义学分析

话题时间是汉英状态句必不可少的成分,是两种语言中状态句时间指称的决定因素。在事件语义学框架下研究发现,汉英语这两种典型的时制语言和无时制语言的时间指称可以得到统一性分析。汉英话题时间都是对事件变量的时间属性的陈述,从而使得状态句获得时间指称;英语中的时制则只是对事件的时间属性的预设,不是句子获得时间指称的根本原因。

多维视角下科学主题演化分析框架

本文以知识单元的游离与组合的知识计量理论为基础,以时间加权修正后提取的关键词为知识单元,从而在关键词、关键词关联和主题关联三个阶度进行科学主题演化分析的理论框架。其中,涉及时间加权词频测度、关键词关联的主题测度和主题关联的相似度测度。本文以图书情报领域大数据研究论文进行实证研究,研究结果表明,基于时间加权的关键词频数测度能够强化上升型关键词、弱化下降型关键词,快速探测出绝对高频词、突现词或新兴词;基于关键词关联的主题测度,可使研究者对图情领域大数据主题的发展趋势有整体的感知和预测;基于主题关联的相似度测度,能够展示各主题之间的融合、扩散、突现、消亡等复杂关系,有助于揭示领域研究热点和预测未来发展趋势。

基于话题三层结构模型的话题演化分析算法

在话题追踪研究领域,话题随着时间不断发展变化。目前的话题追踪方法无法对话题的发展演化进行全局的把握。针对该问题,提出基于相似度计算的话题演化分析方法。该方法采用时间片划分的思想,通过子话题间的相似度计算得到话题演化的具体过程及细节。实验结果表明,该方法能有效地反映话题的演化历程。

TTP:一个面向中文新闻网页的主题时间解析器

新闻中与主题相关的时态信息体现了新闻在时间维度的主题特征,在面向新闻信息处理的任务中,主题时间常常被用来构建和分析新闻话题模型,同时还可作为事件线索追踪话题演化.针对目前新闻信息处理研究中新闻主题与主题时间相关性差的问题,通过深入分析新闻报道类别与网页结构特征,挖掘新闻主题-时间关系模型,并在此模型基础上提出基于主题权重和无监督学习的主题时间抽取算法,实现了一个面向中文新闻网页的主题时间解析器,自动抽取主题时间并进行时态表达规范化处理.实验表明,该算法较同类方法具有更高的准确率,大大提高了新闻主题与主题时间的相关度,整个系统也取得了比较理想的性能评价.

基于时间特性的微博热门话题检测算法研究

以用户兴趣理论和用户之间的关注行为为基础,结合时间因素在微博热门话题检测中的重要作用,研究了如何有效获取微博中最新、最有价值的话题问题,基于PageRank经典算法提出了一种带时间参数的热门话题检测算法(TimePageRank)。算法首先使用投票机制抽取出用户感兴趣的话题并记录话题的生成时间;然后用权值计算公式计算每个话题的权值;最后使用TimePageRank算法对这些话题进行排名,从而检测出微博中的热门话题。真实数据集上的实验结果验证了该方法的高效性。

基于时序主题的网络舆情热点话题演化分析方法

针对舆情话题演化中的话题漂移和衍生效应,提出基于时序主题信息的舆情话题演化分析方法并通过加入时序标签,对舆情热点话题内容和强度的演化过程进行了可视化.实例证明,该文提出的话题追踪算法能够有效探测出各阶段的舆情热点话题、分析舆情演化趋势,为突发事件发展态势的预测提供理论借鉴.

基于主题特征和时间因子的改进PageRank算法

经典PageRank算法单纯地考虑到对网页的链接结构进行分析,而不能考虑到网页在搜索主题方面的相关性和权威性,以及用户对新旧网页的依赖程度的不同。针对经典PageRank算法存在的上述缺陷,综合网页的主题特征和时间特征两个因素,提出了一种改进的PageRank算法WTPR(weighted topic PageRank)。该算法通过网页链接分析和内容分析来解决网页的权威程度和相关程度,通过时间因子实现PageRank值随时间的变动而浮动。仿真结果表明,改进后的算法与PageRank算法相比获得了更好的效果。