基于突发词检测的科研热点发掘服务模型研究

科研热点发掘及预测是图书馆信息服务领域的研究重点之一。为应对科技期刊服务工作中热点挖掘中的数据量大、信息来源单一、时滞较大等问题,提出了基于突发词检测的科研热点发掘服务模型。该模型基于灰色关联理论构建,从海量的关键词中检测和识别突发词,并对其进行跟踪和排序,最终发现其所在领域的研究前沿和变迁轨迹。仿真实验证明,较之图谱式发现模型,该模型具有较高的科研热点发掘精确度、关键词覆盖度,适用于图书馆科研热点服务的热点发掘及预测工作。

基于情境推演的微博突发事件预测模型研究

微博信息平台的高速发展,给网络突发事件管理带来了信息量激增等新挑战。为应对这些问题,研究并提出了一个新型的微博突发事件发现与预测模型,该模型基于情境推演算法构建,通过历史数据与现场情境数据的信息融合匹配进行事件发展预判;通过深层发掘和融合,对突发事件的未来情境进行预测和刻画。数据仿真实验证明,该模型具有较高的预测准确性、较全面的事件关键节点覆盖度和较好的时效性。

基于心理场景的群体性事件推演模型研究

[目的/意义]由于相关情报的匮乏,事件序列化与关键场景提取是群体性事件推演系统的两大难题。[方法/过程]为解决上述问题,将事件场景构建方法与人工心理理论相结合,构建了基于心理场景的群体性事件推演模型,并给出了该模型所用的数据结构、模块组成、数据处理与推演流程。该模型通过心理场景的信息融合,弥补群体性事件场景序列中的数据缺失;通过双重场景迭代,进行场景构建和关键场景提取。[结果/结论]数据试验证明,该模型具有较高的覆盖度、精确度,以及较强的自稳定性。