基于模糊聚类的超链分析算法

基于关键字匹配的搜索引擎排序网页时仅仅考虑评价网页的重要性,而忽视分类;基于分类目录的搜索引擎很难动态分析Web信息。本文在分析它们不足的前提下,提出利用模糊聚类的方法对搜索引擎的检索结果进行动态分类,依据超链分析算法PageRank和Web文档隶属度相结合进行分类排序,并给出具有调节值的结合公式。实验证明,该算法能够更有效地满足用户的需要,提高检索效率。     

基于特征权重优化的改进KNN Web文本分类算法

本文提出了一种基于权重优化的样本相似度测量的距离公式,改进了KNN文本分类算法.KNN算法通常采用传统的VSM模型,各个特征具有相同的权重,使其不适应于文本处理的环境.本文首先根据神经网络理论,采用灵敏度方法对文本特征向量的每个特征的权重进行修正,并且采用降低运算量的神经网络特征选择方法进行第二次降维处理.然后根据同一特征对不同类别的文本类的分类作用不同,对距离公式中的特征权重进行进一步改进,从而进一步提高了KNN文本分类算法的精度.     

技术赋能:互联网时代教材数字化出版刍议

互联网时代,知识的生产、传播机制,课堂的组织和教学模式均发生了巨大而深刻的变化,作为知识载体和教学工具的教材呈现出新的样貌,数字教材将成为教材进化的一个重要方向.互联网时代的知识过滤机制——社交机制和算法机制是数字教材运行的逻辑:社交机制将使数字教材形成一个"专业的知识网络",算法机制将为用户推送个性化的知识服务.数字...     

俄乌冲突中的算法认知战与计算宣传机制评析

俄乌冲突是互联网时代的一次大型军事冲突,网络技术已经内嵌入战争进程,基于网络技术的算法认知战成为与现实战争有所区别但又密切相关的“第二战场”。获得美西方技术援助的乌克兰在该战场占据明显优势,从而影响整体战事的最终走向。俄乌冲突是一个网络技术作用于战争的鲜活案例,向我们展示当下信息强国算法认知战的新特点,也对我国从话语博弈、科技博弈、战略博弈等方面,加强信息领域安全建设有重要启示。     

精准还要更丰富：探索对外传播算法驱动的对内价值

以算法促推精准传播、提升战略传播能力是我国增强国际传播实力的技术路径之一。要实现算法驱动的精准传播,前提条件是要形成“丰富社交”,即被大规模使用的社交网络、高度活跃的用户群体以及规模化的数据增长。算法驱动的对外传播同时还具有对内价值,即用户的算法推荐反馈可以作为对象社会的感知器,算法数据触发可以优化社会动力学模型,以及主动用户的技术养成可以避免被算法反向异化。     

数字时代算法对国际传播的格局重构

随着大数据与算法等信息技术发展,全球网络传播出现用户、数据、算法要素突出的新趋势,带来重构国际传播格局的机遇。算法是平台发挥数据力量的基本规则,是重塑关系的中介,也是塑造话语权力的政治博弈点,改变了国际传播的渠道、主体、内容和效果等要素。因此,在数字时代全球传播环境中,要积极拓展对外传播的平台建设并借助算法等技术力量发展,以突破西方中心的世界传播秩序,重构平等、多元的对外传播格局。     

从接触到使用：算法视阈下的农村新数字难民

数字难民问题是人类社会新技术革命发展的必然,其形成与迅速发展的数字化进程有关,而新数字难民的出现却和算法传播应用密切相关。该问题的解决不能仅靠社会发展的自我消解,亦不能只从受众本身施策。作为传者的数字媒体平台是基于算法传播的内容策划者,也是目标受众的服务者。因此,新数字难民问题的解决需要媒体平台的积极介入,运用算法为农村居民精准画像,导入主流价值观和建设性内容,实现农村新数字难民从服务边缘向中心受益的迁移。     

制约还是驯化：算法想象、可见性管理策略与制度再生产

当算法作为数字平台调节、生产、管理的社会规则展开实践,已然成为人们日常生活的重要组成部分。已有研究相对忽视人类能动属性,鲜有关注用户在技术使用中对算法实践的建构过程以及对平台组织的影响。本文在对用户与某信息分发平台的互动过程进行分析后认为,平台组织的算法实践并未对用户形成制约性影响,用户与平台组织是双向循环调试的过程：用户对算法这一技术黑箱产生差异化的认知与情感体验,形成丰富的算法想象引导其对信息可见性展开管理策略与战术,算法实践如何处理用户与平台组织的利益冲突,又迫使其开展了进一步技术调试,并在不断调试的过程中逐渐实现平台组织制度的重塑与再生产。     

自动化行政对行政程序的挑战及其制度因应

在自动化行政中广泛使用的自动化决策系统主要包括基于规则的专家系统和基于机器学习的算法系统,上述两类系统目前已经应用于交警非现场执法、自动化公共信用评价、自动化行政审批等场景中。由于受到数据来源、算法及系统因素的影响,自动化决策系统在公共行政中的使用可能会对告知、陈述意见、信息公开、说明理由等程序保障造成破坏。对此,理论与实践提出了两种解决路径：一种是数据权利的程序化,另一种是行政程序的数字化。不过,上述两种解决方案主要是从普遍适用性的角度出发,未考虑实际执行中的不确定性因素。基于此,应当以现有方法为基础,对自动化行政进行分级,根据程度不同的自动化来匹配相应的行政程序要素,既回应行政程序的现实困境,也发挥自动化决策系统的优势,不断推进数字法治政府建设。     

PVsiRNAPred-LSTM:基于长短时记忆神经网络预测植物病毒衍生的小干扰RNA

植物病毒衍生的小干扰RNA(Virus-derived siRNAs, vsiRNAs)能够调节多种生物学过程,在抗病毒免疫中发挥着非常重要的作用。因此,植物vsiRNAs的识别有助于了解其生物发生机制,对研究抗病毒植物具有重要意义。虽然,现在已有多种实验方法通过检测RNA来寻找vsiRNAs,但是实验测试费时费力费钱。在本文中,我们从PVsiRNAdb数据库中提取植物vsiRNAs序列,基于长短时记忆神经网络(Long Short-Term Memory neural network, LSTM)与vsiRNAs序列,开发了一种深度学习算法——PVsiRNAPred-LSTM,用于预测植物vsiRNAs。PVsiRNAPred-LSTM可以自动学习并选择与预测任务相关的重要特征。为了防止模型过拟合,我们使用了五折交叉检验来训练模型。在五折交叉检验测试中,该模型的准确率为64.38%,灵敏度(Sn)为66.44%,精确度(Pr)为60.51%,F1值为0.64,特异性(Sp)为56.63%,马修斯相关系数(MCC)为0.23,AUCROC为0.67。以上结果表明PVsiRNAPred-...