基于主题模型的文本分类算法性能比较SSCI

文章利用LDA模型进行文本降维和特征提取,并将传统分类算法置于集成学习框架下进行训练,以探讨是否能提高单一分类算法的分类准确度,并获得较优的分类效果,使LDA模型能够发挥更高的性能和效果,从而为文本分类精度的提高服务。同时,以Web of Science为数据来源,依据其学科类别划分标准,建立涵盖6个主题的实验文本集,利用Weka作为实验工具,以平均F值作为评价指标,对比分析了朴素贝叶斯、逻辑回归、支持向量机、K近邻算法4种传统分类算法以及AdaBoost、Bagging、Random Subspace 3种集成学习算法的分类效果。从总体上看,通过“同质集成”集成后的文本分类准确率高于单个分类器的分类准确率;利用LDA模型进行文本降维和特征提取,将朴素贝叶斯作为基分类器,并利用Bagging进行集成训练,分类效果最优,实现了“全局最优”。     

浅析美军人物报道的文本表现技巧

作为军队形象塑造的重要组成部分,军事人物宣传已被放在了军事宣传工作的重要位置。经常性的人物报道,不仅可以起到教育、激励、引导官兵的作用,还能化解社会矛盾。在这方面,美军较好地把握了军事人物宣传的规律和技巧,通过一种爱国主义教育的新闻表达方式进行人物报道,以宣传国家意志。这些被媒体树立起来的人性化的美国军人形象,     

事实与文本

一、新闻真实性的哲学逻辑 对于新闻从业者来说,新闻的真实性是他们始终追求的目标。根据学术界对新闻的传统定义,如“新闻是新近发生或正在发生的事实”、“新闻是多数受众注意的最近事实的信息”等,也可以看出新闻的本源一般被认为是客观世界的真实事件。然而根据传播学的理论,在传播过程中,传播者要对信息进行编码传播给受众,首要的步骤就是对信息的理解和选择;     

基于统计频率的文本分类特征选择算法研究*

通过分析χ2统计量（Chi-square, CHI）的缺陷和不足,针对它对低文档频的特征项不可靠,而且不能说明词条和类别的相关性的缺点,对其进行改进,提出统计频率(Statistical Frequency, SF )算法。实验结果表明,统计频率算法能够弥补这些不足,在文本分类中表现出良好的分类效果。     

广播新闻中音响的修辞与辞格形态

音响是构成广播新闻的重要元素之一.新闻音响强调实录,追求纪实性和现场感,是"实有其事"、"真有其声",富有极强的生活美和新闻美.①我们认为,广播新闻选择音响,是对传播主体意图和特定效果的强调和修饰,是强化信息传播效果的重要编制策略,是新闻追求叙述文本艺术化言说的重要s手段.本文试图从修辞学角度对广播新闻中音响的修辞选择及其主要修辞格作一点粗浅分析.     

新历史主义电视纪录片的叙述模式

近年来,电视上播放了大量关于历史文化的专题纪录片,无论是专家叙述型还是情境再现型或者是考古探索型,都有一个共同的倾向——新历史主义叙述。新历史主义电视纪录片的叙述模式依然可以正叙、倒叙和插叙划分。这三类叙述模式在叙事文本中往往相互作用,即产生交叉与转换,导致同一文本中存在两种叙述模式,可看作模式的变异,或称之为“转换模式”。     

讲坛类节目的文本生产及传播策略

早期的电视讲坛节目大都将受众定位为高端人群,欲以质取胜。实践证明,这种策略只能导致曲高和寡。在此背景下,《百家讲坛》开始变脸,将学术讲座演绎成“初中以上文化程度的观众”都能听懂的文化俗讲。这种面向大众的传播转型,不仅使受众增加,而且对讲坛类节目的文本生产提出了新的要求。     

网络时代,别让"本报讯"落伍——对新闻消息中电头和讯头革新的探讨

“本报讯”或“某通讯社某地某时电”分别称为“讯头”、“电头”，统称“消息头”，是任何新闻消息的起头第一笔，是消息这种新闻文体的标识，是新闻消息的外在特征。本文探讨新闻大课题中一个具牵动效应但极易被忽略的课题——新闻文本写作中．消息头的处理艺术及革新问题。     

基于文献的知识发现的应用进展研究

本文在对共词分析、共引分析理论、Swanson理论以及文本挖掘理论应用进展进行系统研究的基础上,将分别基于上述理论的基于相关文献发现、基于非相关文献发现和基于全文献发现统一整合于“基于文献知识发现”之下,构建起完整的基于文献知识发现的方法与应用研究体系,同时分析了其应用前景。