Using word embeddings in Twitter election classification

Word embeddings and convolutional neural networks (CNN) have attracted extensive attention in various classification tasks for Twitter, e.g. sentiment classification. However, the effect of the configuration used to generate the word embeddings on the classification performance has not been studied in the existing literature. In this paper, using a Twitter election classification task that aims to detect election-related tweets, we investigate the impact of the background dataset used to train the embedding models, as well as the parameters of the word embedding training process, namely the context window size, the dimensionality and the number of negative samples, on the attained classification performance. By comparing the classification results of word embedding models that have been trained using different background corpora (e.g. Wikipedia articles and Twitter microposts), we show that the background data should align with the Twitter classification dataset both in data type and time period to achieve significantly better performance compared to baselines such as SVM with TF-IDF. Moreover, by evaluating the results of word embedding models trained using various context window sizes and dimensionalities, we find that large context window and dimension sizes are preferable to improve the performance. However, the number of negative samples parameter does not significantly affect the performance of the CNN classifiers. Our experimental results also show that choosing the correct word embedding model for use with CNN leads to statistically significant improvements over various baselines such as random, SVM with TF-IDF and SVM with word embeddings. Finally, for out-of-vocabulary (OOV) words that are not available in the learned word embedding models, we show that a simple OOV strategy to randomly initialise the OOV words without any prior knowledge is sufficient to attain a good classification performance among the current OOV strategies (e.g. a random initialisation using statistics of the pre-trained word embedding models).     

基于Canvas Network开放数据集的MOOC学习分析

大规模学习者的参与使MOOC平台记录了海量学习者行为数据,这为基于大数据进行学习分析提供了基础.基于Canvas Network发布的开放数据集特点,对数据集字段进行统计分析,力图全面展现MOOC学习者实际学习状况.在统计分析的基础上,选取有学习者自我评价数据的样本,分析不同类型学习者在学习目标、每周期望学习时间、学习行为和学习成绩上的差异性.     

休闲城市的盛大节日——话说2011年杭州世界休闲博览会

婉约、优雅、闲适；饮茶、赏荷、品桂…杭州这个被称为“东方休闲之都”的城市，几乎囊括所有跟休闲有关的词藻。2011年9月17日至11月18日，杭州举办的第二届世界休闲博览会，以“休闲——提升生活品质”为主题，“共聚休闲舞台、共话休闲盛会”的姿态，喜迎八方来客。第二届休博会将以杭州为主会场，杭州萧山区湘湖、滨江区白马湖、淳...     

特质情绪智力对大学生射箭后即刻心率变异性的影响

本研究旨在探讨特质情绪智力与大学生射箭后即刻心率变异性(HRV)恢复反应的关联性。样本包括34名年龄在18至22岁之间的射箭初学者。第一,这些受试者要完成特质情绪智力量表。第二,他们在四分钟内从18米处向直径为80cm的靶子射出10支箭。第三,在4分钟的恢复期内测量受试者的心率变异性恢复的反应。在本研究中,心率变异性指标采用低频(LF)、高频(HF)和LF/HF比值。结果表明,情绪智力和心率变异性恢复反应之间有显著关系。包含情绪智力子维度的回归模型能够解释HRV频域参数的显著差异。此外,高情绪智力大学生的低频和高频功率高于低情绪智力的大学生,但LF/HF数值低于低情绪智力射箭运动员。综上所述,本研究观察到的结果表明,在严格的射箭训练之后,情绪智力可能会产生更多适应性的HRV恢复反应。     

二打一扑克游戏竞技化改革辨析

采用文献资料法和逻辑分析法,对二打一扑克竞技化改革问题进行研究.指出,二打一扑克契合休闲时代的娱乐特征,具有巨大的商业价值,对项目进行改革是适应经济社会和体育发展的需要,也是现存问题“倒逼”的结果;改革以网络为表现形式,其实质是竞技娱乐一体化;改革有利于满足各方利益需求,推动项目发展,但也可能出现过度商业化、娱乐化、工具化等问题.需要做好顶层设计,协调好相关利益主体的关系,整合资源优势,促进我国棋牌运动的转型发展.     

民国非体育期刊体育专号的发展历程、特征及启示——基于29种民国非体育期刊体育专号的历史考察

为了深度挖掘中国近代体育专号的发展历程和所蕴藏的历史价值，对1915年至1948年间非体育杂志刊发有卷有期的29种体育专号进行详细分析。研究认为近代非体育期刊刊发的体育专号在中国体育近代化和本土化发展过程中发挥了重要作用。中国近代体育专号给当前体育期刊发展的启示是：提倡体育期刊与非体育期刊出版单位展开合作交流、鼓励非体育期刊刊登中小学学校体育研究的专题内容、建立体育期刊在线交流平台，使体育期刊发展融入"互联网+"。     

基于体验营销视角下的体育用品营销创新——以耐克为例

采用个案分析法分析了耐克实施体验营销的五种策略:感官式体验营销、情感式体验营销、思考式体验营销、行动式体验营销、关联式体验营销;并提出耐克体验营销对国内体育用品营销创新的启示:培养独特的文化体验、塑造体验营销理念、提供能让顾客感动的优质服务、不断创新设计体验、构建完善的体验营销体系,旨在为我国体育用品企业实施营销创新、加快品牌建设进程提供有价值的参考。     

地方高校数学相关专业学科基础课的学习现状调查——以保山学院为例

调查了保山学院数学相关专业的学科基础课的学习现状,调查结果是:学生对学科基础课兴趣不浓;学生学习中养成预习复习习惯的学生不多,部分学生听课困难,作业困难多,解决困难的办法主要是请教同学和查看参考书;教师对学生学习影响的主要因素是教师的基本功和职业道德;学生对教师的期望主要是加强师生交流和活跃课堂气氛;学生的自我评价是学习不太用功.     

从“竞”母题探龙舟竞渡

运用文献资料法和逻辑分析法,以“竞”母题为视角对龙舟竞渡进行研究.认为,与文学和神话学中的概念界定类似,母题是构成体育项目的最小元素和文化因子.在“竞”母题的统领下,“龙”“舟”“水”“人”等元素共同构成了龙舟竞渡这一体育项目,并在社会历史的不同阶段,伴随着对社会需求的不断适应与满足,龙舟竞渡的表现形式逐渐定型,文化内涵日渐丰富.母题作为一种新的研究视角和研究工具,可以广泛应用于其他体育现象的研究中,应加以重视,构建体育的母题研究模式.     

跆拳道后旋踢技术动作的运动学特征分析

采用三维高速摄像技术和运动生物力学原理,对后旋踢技术身体重心移动、动作所用时间、踝关节角度、膝关节角度和髋关节角度的运动学特征进行比较分析,得出结论:踢击腿在离地瞬间身体重心要快速向回旋方向移动;踢击腿膝关节最大程度弯曲,以缩短动作时间、加快踢击速度;踢击腿髋关节只有最大程度地弯曲,弯曲的膝关节才能快速展开;踢击腿的髋关节最大程度弯曲再打开时,踝关节能快速鞭打;支撑腿弯曲后在踢击腿踢出的瞬间,髋关节开始伸展,将对打击高度产生影响;踢击腿膝关节和髋关节最大程度弯曲时能增加击打力度.