基于BA网络的互联网舆情观点演化模型研究

了解网民对某一话题所持的舆情观点倾向及其演化过程,是互联网舆情监控的一项重要内容。掌握舆情观点的演化特性对于及时引导和化解舆情危机具有十分重要的意义。考虑到互联网是一连接度分布具有幂律特性的复杂网络,提出了基于BA网络的舆情观点演化模型。模型考虑了个体本身以及个体对他人的信任关系两个因素,重点分析了模型中信任阀值对观点演化过程的影响,并对模型是否考虑网络拓扑结构因素进行了比较分析。     

基于领域本体的SOM文本逐层聚类方法

为了有效处理文本中的复杂语义问题,提出了一种基于领域本体的SOM文本逐层聚类方法.该方法基于领域本体的概念及其逻辑语义关系,将文本向量的表示从词的层面上升到主题概念层面,大大消减了文本向量的维数,提高了聚类效率.基于领域本体的概念层次关系,采用SOM算法实现文本的逐层聚类,以分层方式组织文档,方便用户由粗到精、由总体到局部地查阅文本集.通过无人机领域的Web文本聚类实验,验证了该方法的有效性.     

基于Ontology的国防产品信息搜索系统*

针对基于关键字的传统搜索方法的不足,提出一种基于本体的信息搜索模型。就Web文本特点,介绍一种领域本体的半自动构建方法,利用基于领域本体的主题概念抽取方法完成语义标注,并实现在国防产品信息搜索中的应用。     

基于领域本体的中文Web文本主题特征抽取方法

为了快速有效地自动处理中文Web文本,提出了一种基于领域本体的主题特征抽取方法.该方法针对Web文本特点,介绍了一种领域词典的半自动化构建方法.基于领域词典切分文本,通过对词条的主题映射,采用领域本体的概念表示文本向量,从而有效地降低文本特征向量的维数,提高主题抽取的质量.考虑文本信息的不同位置与频率,计算主题特征的权值,并且基于领域本体的结构,对主题概念的权值进行调整和排序.实例验证了该方法的有效性.     

电信领域本体构建方法研究

电信是知识高度密集的行业,采用领域本体来表示和组织电信领域知识,可以有效地实现知识共享、复用和知识创新.首先介绍了领域本体的常用构建方法,然后针对电信行业知识快速更新的特点,探索了先建立领域本体框架,再通过关联概念至框架分支从而完善本体的构建方法;然后遵循这种方法,采用本体描述语言OWL及本体编辑工具Protégé 3.2.1,简捷有效地完成了电信领域本体的可视化开发.     

面向案例的隐性知识挖掘方法研究

案例是对以往经验的知识表达,它是组织保存隐性知识的一种重要形式,从案例中挖掘隐性知识是知识管理的重要内容.案例表达是案例挖掘的首要和关键环节.本文提出了一种基于本体的案例表达模型,它能够基于本体中通用词汇和概念间多种关系对案例进行准确地描述和清晰地组织,且具有较高的扩展性和灵活性.为了提高案例中隐性知识的挖掘效率,提出了谓词路径图的概念和相关理论,以及基于谓词路径图的多维关联规则挖掘算法Ex-Apriori,该算法只需一遍扫描案例库.最后,通过构建一个小型手机维修案例库,验证了该方法的有效性.     

情绪博弈下舆情主体情绪与决策行为互动模型研究

[目的/意义]网络舆情事件往往会激发公众情绪,网络情绪也会影响舆情主体的行为决策,而舆情主体的行为决策会在一定程度上引导舆情的走向。因此,研究舆情主体的情绪与行为之间相互作用机制具有重要价值。[方法/过程]本研究以个体的有限理性为前提,通过舆情主体间话语权争夺行为带来的情绪收益,探讨情绪与行为的互动关系。利用情绪价值函数和概率特征函数,构建测量舆情主体情绪值的行为特征函数。通过行为特征函数进行情绪测量,构建关于网民和自媒体营销号的改进型最后通牒情绪博弈模型,进而研究考虑情绪因素的舆情事件主体行为决策机制,讨论博弈策略的均衡性和话语权阈值。最后以“广州教师涉嫌体罚学生”事件为例,验证该情绪博弈模型的有效性。[结果/结论]针对情绪博弈过程的不同动机诉求、不同行为群体,给出舆情事件应对策略,进行具有可操作性和切实有效的过程干预。     

基于SOM聚类的文本挖掘知识展现可视化研究

本文旨在以可视化的知识地图展现防务快讯文本挖掘下的挖掘结果,为情报工作者获取知识提供方便.当前,文本挖掘的可视化展现在方法和技术上都是一个难点,本文尝试在文本挖掘系统中引入SOM神经网络算法,该方法在知识可视化方面效果比较突出,配合国防词汇本体非常清晰的层次结构,能够很好地将文本挖掘系统采集到的防务信息聚合成有序的知识并以色块图的形式展现给用户.实验结果表明这种方法聚类结果准确,可视化展示界面简单明了,方便用户了解热点问题、获取知识,便于支持决策.