地方高校发展转型的涵义及出路——基于政策文本的分析

在政策文本分析视角下,地方高校转型政策经历了从问题关注到政策出台,其政策关注于人才培养、专业建设、师资等方面,对"应用型"理解和转型路径建设又各有所不同,基于此,地方本科院校在建设应用型大学过程中,需要明晰"转型"内涵,把握"应用"特征,探索发展出路,才能力促转型发展工作的顺利开展。     

国外情报学研究热点透视（2005～2009年）——基于PQDT博硕士论文文摘库词频分析

通过对PQDT博硕士论报学的研究热点、主题分布和学科交叉情况,并预测情报学研究的发展趋势,为我国今后情报学领域的研究和实践提供借鉴.     

用户评论对知识类短视频关注热点分析——以B站知识区UP主"无穷小亮的科普日常"为例

知识类短视频近几年在各视频平台迅速发展.本研究基于词频分析法和LDA主题模型两种研究方法,对B站知识区UP主"无穷小亮的科普日常"播放量前五的视频评论内容进行分析,从文本特征的角度分析用户对知识类短视频的关注倾向和讨论角度.研究发现,用户评论的关注点主要集中于账号运营者和科普内容本身,其文字表达体现出强烈的年轻化语态特...     

从"躺平"和"内卷"的流行透视青年亚文化的情绪表达及审思 ——基于LDA主题模型的分析

“躺平”作为2021年“十大网络热词”之一,引发了大量的关注和讨论。本文以新浪微博中有关“躺平”和“内卷”的内容为研究数据,基于词频统计和LDA主题模型提取主题,从文本特征透视青年亚文化的情绪表达。通过对文本数据进行分析发现,“躺平”的微博内容主要呈现出青年的“躺平原因”“内心情感”“寻求寄托”“享受生活”四个主题;而“内卷”的微博内容主要呈现出青年人视角下“内卷严重”“生活压力”“反抗内卷”“教育内卷”四个主题。“躺平”和“内卷”的话语表达折射出了当代青年人的生活现状和内心情感。对文本内容进行分析之后,本文探析了“躺平”和“内卷”流行的成因以及青年亚文化表征,并对青年亚文化的情绪表达进行思考。     

基于标题的中文新闻网页自动分类

借鉴tf-idf加权思想,利用新闻标题来做中文新闻网页自动分类的依据,构建基于标题的中文新闻自动分类方法,并设计多个实验对各种基于标题的中文新闻网页自动分类方法进行评测。实验结果表明,基于标题对中文新闻网页进行自动分类,可以大大缩短判断处理时间,节省存储空间,且准确率较高,特别是改进的类目加权法分类效果最好。     

改革开放30年来我国情报学研究论文内容分析

采用信息计量法、内容分析法和社会网络分析法等研究方法.对我国改革开放30年以来情报学研究论文进行系统分析.包括情报学论文的年度分布与期刊分布、各年段关键词数量和各阶段高频词分布.将改革开放以来情报学发展分为三个阶段:复苏与发展时期、发展转折期、快速发展时期.在对三阶段共词分析的基础上,阐述各阶段的发展背景与研究内容,认为情报学发展有六大趋势:情报学理论内核的确立、情报学内容的知识化、情报学方法的综合化、情报学范式的整合化、情报学应用的深化、情报学环境的新变化.     

2003年国内外情报学研究新进展

文章用基于词频统计的内容分析法分析了2003年国内外情报学研究的热点和新动向。从分析结果得出：信息技术、信息检索、网络、信息服务与用户、数据与数据库、管理与评价、信息系统、知识管理等领域是2003年国内外情报学研究的共同热点。     

我国文化金融研究领域文献分析——来自2002-2016年CSSCI来源数据库的证据

随着文化产业的快速发展,文化金融成为新兴的研究领域。本文选择2002-2016年CSSCI数据库收录的文化金融相关研究文献,运用词频统计法、可视化知识图谱法、内容分析法等多种文献计量研究方法全面分析国内有关金融支持文化产业发展的研究现状。研究发现:现阶段有关金融支持文化产业发展的研究文献逐年增加,分布期刊和研究机构众多,研究范围较广,研究内容包含国际经验比较、经验分析和实证分析;但目前该领域的研究主题相对分散,研究不够深入,缺乏微观数据支撑和模型研究,缺乏构建金融支持体系操作层面的分析,缺乏对具象产业的差异化分析,这些是未来进一步研究的方向。     

从关键词词频看我国读者工作的发展

关键词是表达文献主题概念的自然语言词汇，通过分析关键词的变化可以全面把握该学科发展的动态过程、特点和规律。文章以重庆维普公司的《中文科技期刊数据库》为统计源。对1989～2003年读者工作的关键词进行统计分析，通过词频的变化，指出读者工作的发展动态和当前读者工作研究的热点和发展趋势。     

同义异形词的词频实验统计

同义异形词往往被视为互不相干的词，在计算词频时也被作为不同的词分别狡算出词频。本文拟就同义异形词的词频计算，借助Foxpro设计出一个简单又易操作的程序，将同义异形词先组合成为一个互通的标准词，并将有关的词频相加，从而得出正确的词频数。