产品舆情环境形象评估方法构建与应用

按照人们对产品的健康影响、环境污染方面的情感认知,开发用于评估产品环境形象的人工智能方法。基于“舆情环境形象”概念,从健康影响、环境污染、环境风险和情感倾向4个方面建立产品舆情环境形象评估框架,以产品的互联网传播大数据为信息源,人工标注分类语料,采用自然语言处理技术和卷积神经网络算法训练验证分类模型。进一步以33种高风险和高污染产品为分析对象,利用从互联网获取的相关新闻、评论或公众言论进行模型分类和环境形象评估,结果表明环境舆情判定模型F值为0.91,产品的环境情感极性均以正面情绪为主,受舆情讨论热点程度影响,舆情数量多的产品情感倾向占比趋于均衡化、舆情数量少的产品情感倾向占比趋于极端化。其中,化妆品、药品的环境健康风险最高,高环境风险产品分别包括凡士林、角鲨烯和咖啡因。     

基于CNN和SOM的评论主题发现

【目的/意义】随着旅游网站的增加,游客的网络评论日益增多。针对传统方法在旅游短文本评论主题分类 时出现特征维度过高和数据稀疏等问题,本文提出一种基于卷积神经网络和 SOM的旅游评论主题发现方法。【方 法/过程】首先采用词向量来进行文本表示,降低了特征维度过高问题;其次,通过卷积神经网络对评论文本提取高 阶的抽象特征;最后在通过 SOM 模型基于提取到的抽象特征对主题进行聚类。【结果/结论】实验结果表明, CNN-SOM算法较传统文本聚类算法在准确率、召回率和 F值上都有显著提高,能够更好的进行旅游评论的主题 发现。     

融合母评论文本信息的评论短文本情感分析研究——以短视频评论文本为例

[目的/意义]提出融合母评论文本信息的评论短文本情感分类模型以提高互联网环境下短文本评论情感分析效果,适应舆情工作中的实际应用需求。[方法/过程]以短视频平台舆情事件的评论数据为实验对象,利用GRU提取母评论文本特征和直接提取评论区特征,分别将这些特征与CNN提取原评论文本特征并行融合进行情感分类。[结果/结论]相较于传统深度学习方法,引入的母评论文本特征使两个数据集的情感分类效果都获得了一定提升,F1值等均分别提升了2%和1%,说明本文提出的特征引入方案能够提升评论短文本的分类效果,为舆情工作中的情感监测实际应用提供了思路,验证了舆情相关理论研究对实际技术应用有借鉴和指导意义。     

基于深度学习的藏文舆情分析研究

随着自然语言处理技术的快速发展，藏文信息处理技术也取得了较大进展。其中，藏文舆情分析作为藏族地区社会舆情分析的重要技术，受到广泛关注。但是，现有的藏文文本情感分析研究由于起步较晚，还存在很大提升空间。本文提出基于深度集成学习的藏文文本情感分析算法。并通过建立藏文情感数据集进行实验，本文算法在三类情感（正向、负向、中性）中精确率平均提升1.65%，召回率提升1.63%,F1分数提升1.96%。实验结果表明，本文采用的深度集成学习有效地提高了文本情感分类的性能。     

文本自动分类研究——基于径向基函数

目前的文本分类还是以人工分类为主,为了减少人工分类的不确定性和分类错误,将径向基函数(RBF)算法引入文本自动分类系统,实现文本的自动分类。实验结果表明,采用RBF构造的分类器在文本自动分类中具有较好的分类性能,其测试平均值(F1)比BP、kNN分类器的F1值都要高。     

基于卷积神经网络的虚假评论识别模型

在线商品虚假评论的出现使消费者利益受到损害,而对于虚假评论识别的传统方法往往依赖于人工提取文本特征,专业领域知识的受限导致特征提取不全面、模型分类效果不理想。针对这些不足,本文提出基于卷积神经网络的学习框架,利用不同大小的卷积核学习评论更深层次的文本特征,同时减少了人为特征提取所需要的工作量。实验结果表明该方法在准确率和F值均取得了较好的效果。     

基于机器学习的中文微博情感分类研究

在中文微博数据的文本情感分类任务中使用机器学习方法 ,为研究不同的特征集对情感分类准确率的影响,综合了一元词特征、句法特征、微博特征、基于评价对象特征、词典特征用于支持向量机分类器中,通过准确率、召回率、F指数比较分析不同特征组合对于分类性能的影响。所提方法用于微博数据中关于药品二甲双胍的评论文本,实验结果表明,一元词特征对文本情感分类的准确率高于其他单类特征,而在与句法特征、微博特征、基于评价对象特征、词典特征的综合使用得到了最高的分类精度。     

基于卷积神经网络的SVM分类算法在图像分类中的应用

利用卷积神经网络强大的自学能力,训练合适的CNN来提取图像特征信息,利用RBF函数作为支持向量机的核函数,并结合粒子群算法优化SVM参数,完成图像分类的混合算法。针对乳腺组织的病理图像分类性能的实验分析,给出了混合分类算法的优越性。     

基于集成学习的在线评论情感倾向分析

【目的/意义】准确挖掘消费者在线评论情感倾向,对于改善商家服务具有重要意义,而情感倾向预测的准 确性仍需提高。【方法/过程】文中设计基于集成学习的在线评论情感分类算法,即以N-gram算法分析在线评论词 语特征,结合情感词典构造文本特征,利用逻辑回归、Light GBM等机器学习方法为基础的集成学习进行训练,实现 在线评论情感分类。【结果/结论】实现了评论的情感倾向预测,在电脑评论数据集,较之于经典的SVM算法和无监 督类算法,该模型的分类衡量指标F1值分别提高了10%到30%不等。同时,在酒店、图书等不同领域的数据集上显 示,该方法的分类准确性仍具有上述效果,证明了该方法具有领域移植性。     

基于深度学习的学术文本段落结构功能识别研究

【目的/意义】在学术大数据的应用背景下,对学术文本更加细粒度、语义化的分析挖掘日益迫切,学术文本结构功能识别成为科研领域的一个研究热点。【方法/过程】本文从段落的层次来识别章节结构功能,提出利用结合卷积神经网络和循环神经网络的特征对学术文本段落进行表达,然后进行分类。【结果/结论】文本提出的深度学习方法在整体分类结果上优于传统的机器学习方法,同时极大的减少了传统特征工程的人力需求。     

Incorporating stock prices and news sentiments for stock market prediction: A case of Hong Kong

Stock prediction via market data analysis is an attractive research topic. Both stock prices and news articles have been employed in the prediction processes. However, how to combine technical indicators from stock prices and news sentiments from textual news articles, and make the prediction model be able to learn sequential information within time series in an intelligent way, is still an unsolved problem. In this paper, we build up a stock prediction system and propose an approach that 1) represents numerical price data by technical indicators via technical analysis, and represents textual news articles by sentiment vectors via sentiment analysis, 2) setup a layered deep learning model to learn the sequential information within market snapshot series which is constructed by the technical indicators and news sentiments, 3) setup a fully connected neural network to make stock predictions. Experiments have been conducted on more than five years of Hong Kong Stock Exchange data using four different sentiment dictionaries, and results show that 1) the proposed approach outperforms the baselines in both validation and test sets using two different evaluation metrics, 2) models incorporating prices and news sentiments outperform models that only use either technical indicators or news sentiments, in both individual stock level and sector level, 3) among the four sentiment dictionaries, finance domain-specific sentiment dictionary (Loughran–McDonald Financial Dictionary) models the news sentiments better, which brings more prediction performance improvements than the other three dictionaries.     

和谐有序治理环境污染

运用元极学和的理论，剖析了造成环境污染的总根源是人们为了追求物质欲望，盲目掘取有形资源；只有人们生成本性，树立保护生态环境的信念，并顺其自然，开发潜在智能和能量，化害为利，变废为宝，才能从根本上治理环境污染。     

Multimodal negative sentiment recognition of online public opinion on public health emergencies based on graph convolutional networks and ensemble learning

To improve the effect of multimodal negative sentiment recognition of online public opinion on public health emergencies, we constructed a novel multimodal fine-grained negative sentiment recognition model based on graph convolutional networks (GCN) and ensemble learning. This model comprises BERT and ViT-based multimodal feature representation, GCN-based feature fusion, multiple classifiers, and ensemble learning-based decision fusion. Firstly, the image-text data about COVID-19 is collected from Sina Weibo, and the text and image features are extracted through BERT and ViT, respectively. Secondly, the image-text fused features are generated through GCN in the constructed microblog graph. Finally, AdaBoost is trained to decide the final sentiments recognized by the best classifiers in image, text, and image-text fused features. The results show that the F1-score of this model is 84.13% in sentiment polarity recognition and 82.06% in fine-grained negative sentiment recognition, improved by 4.13% and 7.55% compared to the optimal recognition effect of image-text feature fusion, respectively.     

Predictive intelligence in harmful news identification by BERT-based ensemble learning model with text sentiment analysis

In an environment full of disordered information, the media spreads fake or harmful information into the public arena with a speed which is faster than ever before. A news report should ideally be neutral and factual. Excessive personal emotions or viewpoints should not be included. News articles ought not to be intentionally or maliciously written or create a media framing. A harmful news is defined as those explicit or implicit harmful speech in news text that harms people or affects readers’ perception. However, in the current situation, it is difficult to effectively identify and predict fake or harmful news in advance, especially harmful news. Therefore, in this study, we propose a Bidirectional Encoder Representation from Transformers (BERT) based model which applies ensemble learning methods with a text sentiment analysis to identify harmful news, aiming to provide readers with a way to identify harmful news content so as to help them to judge whether the information provided is in a more neutral manner. The working model of the proposed system has two phases. The first phase is collecting harmful news and establishing a development model for analyzing the correlation between text sentiment and harmful news. The second phase is identifying harmful news by analyzing text sentiment with an ensemble learning technique and the BERT model. The purpose is to determine whether the news has harmful intentions. Our experimental results show that the F1-score of the proposed model reaches 66.3%, an increase of 7.8% compared with that of the previous term frequency-inverse document frequency approach which adopts a Lagrangian Support Vector Machine (LSVM) model without using a text sentiment. Moreover, the proposed method achieves a better performance in recognizing various cases of information disorder.     

基于耗散结构理论的区域创新生态系统环境效应研究

从耗散结构理论出发探究环境引发的区域创新生态系统熵变,以生态学视角构建区域创新生态系统环境效应指标体系,构建基于Brusselator转译模型的创新生态系统环境效应的评价模型。以中国省域划分的29个区域为研究对象进行实证研究,研究结果表明：(1)区域创新生态系统环境效应熵值变动呈上升趋势,东部地区的负熵显著高于中、西部地区。(2)区域创新生态系统环境效应较强区域绝大多数位于中国的东部地区。(3)区域创新生态系统环境效应差异加剧,2012-2017年间,总体基尼系数、三大地区内部及地区间的基尼系数均增大,地区内部差异逐渐成为主要差异来源,创新生态系统环境效应的空间集聚性不显著。基于实证研究结果,从根据环境效应负熵的指标熵权调整政策方向、进一步缩小环境效应区域差异、并增强区域创新生态系统环境效应的区域辐射功能等方面提出政策建议。     

环境税及其区域性影响分析

由于巨大的环境问题和资源压力,开征环境税作为一项有效的经济激励制度,已成为发达国家保护环境的重要手段,我国创新环境政策也应借鉴国外经验。但是,必须考虑区域性特点对环境的影响。基于我国区域经济发展不平衡所造成的环境污染存在区际转移风险的实际,在探讨环境税理论基础及其指导意义之后,结合环境库兹涅茨曲线解释了我国环境污染的特征,分析了区域性特点对环境税税制设计的影响。     

中国区域环境效率的收敛性、空间溢出及成因分析

利用中国1998~2013年省际面板数据,基于SBM模型在测度区域环境效率的基础上,将空间面板收敛模型和偏微分效应分解方法相结合研究了区域环境效率的收敛性、空间溢出效应及其成因。结果表明,全国区域环境效率存在绝对收敛,且东、中、西部三大区域差异明显,东部地区不存在收敛,中、西部地区存在收敛;区域环境效率收敛存在较强的空间联动性和依赖性,且空间溢出效应较为明显,而在其影响因素中,城镇化率、外贸依存度、技术水平对本地区和邻近地区环境效率的收敛有正向空间溢出效应,环境投资空间溢出效应为负,产业结构的空间溢出效应则不显著。     

空间距离对环境信息披露的非线性影响

从公共压力传导效力的视角,研究了消除地域因素影响的空间距离对环境信息披露的非线性影响机理.结果表明:企业管理层在环境信息披露方面受空间距离影响较大,且存在一个显著的临界点.在临界点以内,出于获得性印象管理的动机,空间距离与环境信息披露呈正相关;当空间距离超过临界点后,出于保护性印象管理的动机,空间距离与环境信息披露呈负相关.进一步研究发现,当受到的外部压力增加时,企业管理层进行环境信息披露机会主义行为所需的空间距离显著增加.