作者同被引视角下的我国信息服务研究分析

我国基于数字化、网络化的全方位、多功能信息服务已经有效开展,学者对信息服务的研究近年来也已有较大的深化和拓展。从作者同被引的角度,对我国信息服务研究领域的核心作者进行了同被引分析,并运用社会网络分析的理论和工具对其可视化,以此揭示我国信息服务研究的结构和状况。     

基于群体网络行为的用户聚合分析

聚合用户形成用户群,以用户群的方式提供个性化服务是目前保证个性化服务质量和效率的关键.首先分析了个性化服务从"信息聚合"到"用户聚合"的必然转变以及基于群体网路行为进行用户聚合的可行性;然后在分析基于群体网络行为的用户聚合理论模型的基础上构建了用户聚合模型;最后分析了网页集处理和其相似度计算问题,运用K-means聚类方法进行了用户聚合模型的实现研究.     

基于BiLSTM-CRF的政府微博舆论观点抽取与焦点呈现

[目的/意义]准确把握公众微博评论中所反映的公众观点并总结舆论焦点,有助于及时获取和引导社会舆情态势,对政府公信力、快速响应能力及执行力提升具有支撑作用。[方法/过程]文章针对当前政府微博评论社会功能发挥的现实要求和其文本特征挖掘的技术需求,从基于深度学习的文本智能语义理解和挖掘出发,提出了适用的细粒度四元组标注策略,构建了政府微博评论观点抽取与焦点呈现的深度学习模型POF-BiLSTM-CRF,即通过细粒度标注策略确定、Word2vec训练词向量、BiLSTM评论特征学习进行标签及其概率输出、CRF学习上下文实现微博评论标注优化,以及观点聚类和主题词提取后最终呈现舆论焦点。[结果/结论]针对"中国警方在线"微博评论的实验表明,文章所提研究框架和模型能够有效进行舆论观点的智能化提取,为快速把握公众观点及为政府决策提供了参考。     

基于LDA2Vec的政策文本主题挖掘与结构化解析框架研究

【目的/意义】本文以主题为核心,从外部属性和内容属性两个视角展开政策文本结构化解析,直观反映政 策核心内涵,挖掘政策文本语义,为政策内容解读提供新模式。【方法/过程】利用LDA2Vec主题模型实现基于上下 文的政策文本主题识别,同时借助位置和语法规律提取外部属性,以此构建政策文本结构化解析的描述框架。【结 果/结论】“互联网+”政策文本解读的实证分析发现,本文所提框架有助于直观展现政策要素,有效揭示政策文本主 题分布,以及进行大规模政策领域文本的批量分析和解读。【创新/局限】通过结构化解析框架展现政策文本的形式 化特征和主题性特征,帮助政策相关群体把握政策制定的特点和侧重点,目前深层次内容解读有待进一步研究。     

Taste环境下基于对分网络的社会化推荐引擎构建

协同推荐中相似度计算方法和用户兴趣预测方法的选择,是推荐性能优劣的关键。本文首先分析了社会化推荐的运作机理,构建了基于Taste的社会化推荐模型,阐述了模型实现的关键方法,在此基础上,探讨了Taste环境下基于对分网络推荐算法的社会化推荐引擎构建方法,并利用电影数据进行了实现研究,表明基于对分网络的社会化推荐具有较好的性能。     

个性化服务中基于支持向量机的用户兴趣挖掘分析

用户兴趣的准确获取是保证个性化服务质量的关键;分析用户所浏览的网页集,捕获用户兴趣、建立用户兴趣挖掘模型是目前个性化服务研究的一个重要方向.本文首先比较支持向量机与其他分类算法的性能,分析了基于支持向量机进行用户兴趣挖掘的可行性;然后在介绍支持向量机分类原理和分析分类预测理论模型的基础上构建了用户兴趣挖掘模型;最后选取中文网页分类训练集和特定用户的网页浏览记录,主要从支持向量机分类器的构造和用户兴趣预测两个方面进行了模型的实现研究.     

基于Web 2.0的用户群体交互分析及其服务拓展研究

为了将用户的群体交互特性运用到网络信息服务中,构建基于用户群体交互的新型服务模式,本研究以"豆瓣电影"为例,采用标签共现的分析方法,对网络用户的群体性及其在交流过程中的关联及强度进行实证检验,分析结论与用户在"豆瓣网"中实际交互程度和对电影的喜好程度大致相符.对基于Web 2.0的网络信息服务环境下用户交互的群体性进行分析,从构建用户群体交互环境、设计基于Web 2.0的社会化网络服务以及建立用户兴趣小组三个方面拓展网络信息服务模式,旨在推动信息服务机构由单纯的网络信息服务模式向面向用户群体的社会化网络信息服务模式转化.     

浅析基于内容的视频信息检索技术

本文对视频信息及其特点进行了简要介绍,对基于内容的视频检索技术进行了详细的探讨,并就检索技术的发展现状预测了基于内容的视频检索技术的未来发展趋势。     

社会化推荐服务研究述评

Web2.0的广泛应用和用户需求的变革催生出了新的推荐服务理念--社会化推荐。以信息推荐研究演进为主线,学者沿着从内容推荐、协同推荐到混合推荐的技术路线,从用户模式推荐、信息组织推荐和关联关系推荐三个视角对信息推荐展开了研究;网络的社会化促进了研究的拓展,目前主要从社会化行为、关系网络和服务应用三个方面进行了社会化推荐研究,取得了一系列成果;但其推荐方式存在着固有的缺陷,应将研究重点转向基于用户关系的社会化推荐上。