融入情感特征的高校新媒体影响力评价研究——以高校官方微博为例

[目的/意义]文章跟据影响力定义融入信息受众情感特征指标构建了高校新媒体影响力评价指标体系,扩展了传统影响力评价体系,突出了以信息受众的情感与行为表现作为高校新媒体影响力的核心评价目标。[方法/过程]以118个高校官方微博为例,对高校微博影响力评价的情感表征指标和行为表征指标进行处理与量化,并结合主成分分析与因子分析进行评价实证。[结果/结论]情感表征与行为表征得分之间具有明显差异,情感指标为高校新媒体影响力评价提供了更细粒度的参考单元。因子得分指出高校微博影响力得分整体差距较大,大部分集中在低数值区域;采用层次聚类法以情感特征和行为特征进行聚类可以将高校微博分为4种类型。     

特征融合在微博数据挖掘中的应用研究

针对传统的微博聚类分析中,只单独针对微博阅读数、评论数等数据(下称微博结构化数据)进行分类或者单独针对由微博内容进行文本分词得到的分词数据(下称微博分词)进行分类的问题,本文采用了Kohonen聚类,研究结合微博结构化数据和微博分词的融合数据聚类的效果是否比单独对微博结构化数据或对微博分词聚类有所提高。实证数据实验结果显示,微博结构化数据单独聚类会出现一个类的标准差特别大(本文称为离群类),而对融合数据聚类,微博结构化数据则不会出现离群类;融合数据聚类结果对微博分词的影响不显著。     

基于稀疏特征的中文微博短文本聚类方法研究

微博文本聚类是依据微博主题不同将描述同一类主题的微博文本汇聚到一起的过程。由于微博文本非常短,在使用常规的机器学习方法对微博短文本进行聚类时,常会出现严重的数据稀疏问题,继而对聚类性能产生影响。分析了中文微博文本的数据稀疏特征,并基于这一特征分析比较了几种中文微博文本表示及聚类方法,为中文微博文本聚类分析的难点问题提供了一定的解决途径。     

引入深度优先策略的图像边缘聚类算法仿真

为了实现对提取边界后剩余数据对象的聚类,提出一种由图像边缘出发进行聚类的算法。该算法首先采用深度优先搜索的策略将已知的边界对象进行分类,并计算各边界曲线的最小外包矩形区域;然后运用夹角和法去除内边界类;最后依据近邻原则对每一个核心对象进行归类。实验结果表明,对于含有噪声、密度均匀的数据集,算法可以识别出各种形状的聚类,且聚类质量和时间性能较好。     

基于文本聚类与LDA相融合的微博主题检索模型研究

伴随着微博的日趋流行,对微博信息的检索逐渐成为人们获取第一消息的手段.其中文本聚类和主题发现是信息检索领域的有效方法,采用适当的方法是影响微博短文本信息检索质量的关键因素.文章针对文本聚类和LDA主题模型的互补特征,综合考虑了微博特殊文体和短文本聚类效率问题,提出了基于频繁词集的文本聚类和基于类簇的LDA主题挖掘相融合的微博检索方法,给出了针对微博文体的一种新的主题检索模型.实验表明,该方法不仅能有效地划分微博文本,并且能清晰地挖掘类簇中潜在主题.     

基于微博意见领袖参与行为的热点话题检测研究

为了解决对微博海量信息采集分析的问题,为此本文研究提出基于微博意见领袖参与行为的热点话题检测算法。微博意见领袖在微博话题传播和演化过程中具有加速传播和引导等作用,本文从具有影响力的微博意见领袖采集微博信息,对信息数据进行加工处理以得到微博话题,并利用Single-Pass聚类算法作为核心算法进行话题的抽取,有效地提高热点话题检测的效率。     

基于云计算的微博舆情流式快速自聚类方法研究

【目的/意义】当前微博已成为重要的舆论场,针对海量微博信息的舆情难以快速获取的问题,提出一种基 于云计算的微博舆情流式快速自聚类方法。【方法/过程】该方法首先设计舆情最小距离聚类算法,包括构建舆情相 似度计算模型,及构建舆情最佳聚类阈值确定方法;然后构建舆情流式自聚类模型,该模型利用云计算和最小距离 聚类算法在横、纵两个方向聚类舆情信息,得到各主题的舆情集合。在横向上,以云计算的多个计算节点为聚类起 始,同步并行聚类分配到其上的舆情信息。在纵向上,多个计算节点协同、流水线式聚类同一起始节点的舆情信 息;最后在纵向上聚类舆情集合,将同主题舆情集合聚为一类。【结果/结论】实验结果表明：该方法能有效加快微博 舆情获取速度,且具有较高的舆情获取准确率。     

新浪微博加V用户特征分析

首先对新浪微博加V用户样本数据进行整体统计分析,然后应用两步聚类分析法,选用微博粉丝数、互粉数、关注数和每天微博数等四个指标变量进行聚类分析。研究表明新浪微博加V用户有三类用户群体：大众型、社交型和最具价值型用户群体。最具价值型用户群体是最能帮助企业进行微博营销的核心群体。     

实践社区成员交流效果量化研究

通过实践社区成员互评测定其知识水平,利用凝聚分层聚类算法依据知识水平对成员进行群体划分,借鉴实践社区相关定量研究成果对群体成员的交流效果进行了量化研究,从而得出最佳交流群体,可以解决在这个群体内成员清楚的知道和谁交流能够解决问题以及交流的效果最好的问题,促进实践社区的建设和发展。     

一种基于日志聚类邮件网络社区划分挖掘算法

针对现有的网络社区挖掘算法在社区划分的质量不高及执行效率低的问题,提出了一种基于日志聚类的邮件网络社区挖掘算法LENCM(the log clustering based e-mail network community mining algorithm),算法根据日志聚类节点的密度变化确定核心节点,构成日志连通子图并确定邮件网络社区划分的初始社区中心点和个数,采用错误注入的方式构造算子,并把执行后的日志与关联规则进行比较,借助社区中心动态调整方法将非核心节点划分至所属社区。实验证明基于日志聚类的邮件网络社区划分挖掘算法有较高的划分质量和较快的执行效率,具有一定的有效性和可行性。     

Exploration into the intellectual structure of mobile information systems

The purposes of this research are two-fold: to explore the key content of the Mobile Information Systems (MobIS) field and to identify the intellectual structure within MobIS research. Although mobile technologies have developed at great speed, little research has focused on the macroscopic viewpoint to understand the core knowledge of MobIS and its intellectual structure. To fill this research gap, articles related to MobIS from the ISI Web of Knowledge database and their cited articles were collected, and then citation analysis and document co-citation analysis were applied, including factor analysis and cluster analysis. This research identified 75 highly-cited articles and yielded 6 core categories of knowledge in mobile information systems: (1) Technology Acceptance; (2) Mobile Commerce; (3) Technology Innovation; (4) Use of Mobile Technology; (5) Measurement and Evaluation of Information Technology; and (6) Information System Success. The findings demonstrate that the MobIS field is still young and evolving. The core knowledge categories will be useful for scholars from different disciplines to effectively understand the core concepts and their relevance in MobIS in order to uncover possible research directions and entry-points in this rapidly expanding research area. Practitioners can also discover trend lines for future development, as well as identify extended themes for integration into the current MobIS field. This will benefit both the maintenance of current framework and the development of new business opportunities.     

基于知识图谱的2005-2015年我国情报分析研究现状

以中国知网(CNKI)核心期刊数据库为数据来源,检索2005-2015年关于情报分析研究的文献。清洗数据,采用关键词与时间序列的方法,对这一时期的情报分析相关文献分类。同时,采用多种分析工具组合使用对高频关键词做共现分析、聚类分析,构建情报分析研究的知识图谱。分析发现,我国情报分析呈现出研究多领域合作、系统性分析、处理数据化、网络化监测、情报人员培训五大特点。     

提升学科理论水平关注信息制度研究——祝贺《情报理论与实践》创刊45周年

为了反映我国情报学核心期刊<情报理论与实践>的发展变化,本文对该刊2000-2003年和2004-2007年间的发文情况进行了统计分析和对比.同时,参考了国外5种情报学核心期刊2002-2004年间发文情况的统计数据和聚类分析结果,并选择其中两种性质相似的期刊与<情报理论与实践>进行比较.在此基础上,对该刊的办刊宗旨和特色提出了若干建议.     

国内外LIS领域阅读研究分析

[目的/意义]旨在为阅读推广后续研究提供参考。[方法/过程]分别以CNKI和WOS数据库作为数据来源,利用Bicomb2.0和SPSS软件进行共词分析和聚类分析,绘制战略坐标图,并梳理国内外阅读主题领域研究热点的成熟度。[结果/结论]国内外的阅读推广研究均发展到了较为成熟的阶段,但在国内图情领域还未发展成为领域核心,国外的相关研究中计量学等传统情报学分析技术方法利用更为广泛深入。数字阅读和移动阅读成为国内图情领域阅读主题研究的核心。社会化阅读、社交媒体与用户生成信息研究在国内外都还处于发展阶段,相关研究理论还未形成成熟的体系。     

我国“微博”研究主题的共词可视化分析

本文以CNKI数据库中1 003篇国内"微博"研究文献为研究对象,运用共词分析方法和社会网络分析方法,以SPSS 17.0、Ucinet 6.2和NetDraw软件为分析工具,通过聚类分析、相关分析和K-核分析等分析方法,确定了我国"微博"研究的6个重要主题:微博传播特征、微博传播机制、微博用户特征、微博舆情传播、微博应用领域和微博与传统媒体的比较研究,为探析我国微博研究领域的研究热点和发展趋势提供了参考。     

共引分析：研究学科及其文献结构和特点的一种有效方法

利用聚类分析和多维标度技术对1987年农业科学文献进行了文章共引分析,即按被引次数及共引情况选出28篇文章作为分析对象,用多维标度技术把高维引文空间中的28个文献点以二维散点图的形式表示出来,并把这些点通过聚类分析圈成点群,根据这样的圈所提供的信息,分析讨论了农业科学及其文献的结构和特点。     

学术交叉领域的双向聚类及主题关联特征分析

【目的/意义】为了发现交叉学科领域学术群及前沿研究主题,更有效地揭示交叉领域研究的核心研究者, 进一步发现核心学者与前沿主题之间的关联特征,促进国家重大交叉科研项目的合作攻坚,发现潜在的合作前景 并有效组织前沿重大交叉合作团队。【方法/过程】就地理信息领域内的关键词、作者、文献、期刊以及机构等信息进 行分析,采用双聚类分析的方法,实施了作者与主题的双向聚类分析。以此为基础研究了高产作者与研究主题的 关联特征,揭示出作者与主题间的关联关系。【结果/结论】结果表明,双向聚类方法具有突出的研究效果,既发现了 领域核心学术群体,又发现了前沿主题。进一步的关联分析发现核心学者群与前沿主题之间的关联特征,从而可 挖掘出隐性的跨学科主题与学者之间的关联。【创新/局限】从横向（研究者）与纵向（研究主题）两个方面进行双向 聚类分析,并同时考察两方面的关联是本文的创新之处。     

电池成组技术国际专利情报分析

本文应用专利分析工具Innography,对世界范围内电池成组领域技术专利进行分析,主要研究内容包括专利申请趋势分析、专利区域分析、技术分布分析、专利权人分析、主IPC及研究热点分析和涉案专利分析,并进一步通过对专利强度的分析,挖掘核心专利.在此基础上了解国内外电池成组技术的发展趋势,以期为国内相关技术领域提供有用的竞争情报.     

国内信息生命周期研究主题与趋势分析——基于关键词共词分析与知识图谱

基于中文期刊论文的关键词共词矩阵,利用因子分析方法定量化地揭示了2000--2009年我国信息生命周期领域核心主题词所反映出的研究主题分布及其内部各知识单元的内涵与相互关系,进而借助聚类分析结果与多维尺度知识图谱剖析了信息生命周期主题知识群的学科地位及内在关联,并采用战略坐标图方法直观反映了各主题领域的研究现状与未来发展趋势,以期从宏观上把握近10年信息生命周期研究的全貌并完善对已有研究成果价值与缺陷的认识。     

我国技术供给能力的评价研究

本文首先在对技术供给能力含义及其与自主创新关系进行分析的基础上,提出了适合我国的技术供给能力评价指标体系;其次以此评价体系对我国各地区的技术供给能力进行了数据包络分析、主成分分析和聚类分析;最后根据分析结果,针对我国不同地区分别提出了提升技术供给能力的对策建议。