AToT 模型可视化工具开发

随着科研人员需要处理的文献集规模的日益庞大,以LDA 为代表的主题模型能够从语义层面挖掘大规模文献集中隐含的主题,因此,LDA 主题模型的应用越来越广泛。LDA 模型仅仅关注文献集的内容,而忽略了文献其他重要的外部信息,AToT 模型在LDA 主题模型的基础上引入了文献作者和文献发表时间两个属性,使AToT 模型不仅可以挖掘文献中隐含的信息,还可以分析文献作者的研究兴趣及文献主题随时间的变化。AToT 模型对文献集建模的结果是以概率矩阵的形式呈现,不能直观、全面、清晰的呈现挖掘出来的信息,特别是对数据挖掘不熟悉的科研人员,因此,本文开发了一个基于AToT 模型的可视化系统,该可视化系统清晰、美观地展现了AToT 模型中文献、主题、作者、时间、词项间的关系。如文档中的主题分布、主题的词项分布、作者的研究兴趣分布、主题的相似主题和主题的演化趋势等。     

一种融合LDA主题模型与LSTM网络的个性化推荐算法

为改善传统个性化推荐算法精准度不高的问题,使用评论数据作为数据集,先对评论数据作文本预处理和特征提取,然后使用LDA主题模型对文本特征数据建模,得到主题词分布,将其作为标签,同时使用LSTM网络作文本分类,通过计算得到好评率。最后把用户需求和标签利用潜在语义标引计算相似度,根据相似度和好评率大小向用户推荐结果。实验结果表明,该方法能够向用户推荐符合其兴趣的个性化需求信息,且准确率高于96%,证明了该推荐算法的有效性。     

融合LDA模型的政策文本量化分析——基于国际气候领域的实证

政策文本是政策生命周期的核心要件,对其进行多种维度的内容挖掘与国内外的对比分析不但有利于指导政策的制定,还有益于把握国际局势,以提升国家软实力。对于政策文本内容的量化研究而言,目前的学术成果采用的方法主要有基于数理统计的内容分析类、文献计量类、社会网络分析类、文本挖掘类等方面。文章选取国际气候领域作为试点对象,采用主题模型的新视角,对采集到的政策文本数据进行基于语义的主题挖掘,并同时融合词频及分布形态研究、时间离散化、实证研究等方法综合对比分析我国与美国、欧盟的气候政策情况。最后,根据数据证据为我国相关政策的制定提出完善建议。     

基于管理科学重要期刊的985高校管理科学十年研究主题多维分析

以2005—2014年间22种管理科学的A类重要期刊的论文作为数据源,采用LDA主题建模和聚类分析等方法,对39所985高校在不同时间段上发表的论文进行内容主题特征挖掘,从学校、期刊、时间等多个维度分析各高校管理科学领域的研究主题及演化过程。通过研究分析得出了四个方面的结论,1我国管理科学领域的某些研究主题较为普遍和稳定;2不同高校具备自身特色研究主题;3同一研究主题在不同高校的科研选题中所受到的关注度不同;4依据研究主题的相似性,形成了4种不同特色的管理学科高校群类。     

基于标签语义关联的城市社群发现研究

[目的] 目前社会认知在城市管理决策中的支撑权重还未充分体现,本文试图建立基于社会认知驱动的城市社群发现模式。[方法] 首先利用LDA主题模型提取不同城市的城市特征属性,并利用情感强度计算方法对城市特征属性赋值;然后基于城市特征之间的共现关系构建城市网络,以此刻画城市之间的关联关系;最后依据网络拓扑关系和节点语义信息,计算城市之间的亲疏程度,挖掘具有重叠特性的城市社群。[结果] 抓取知乎平台中描述我国省会城市主要特征的用户问答内容,按照上述方法依次抽取城市特征,构建城市网络,测算城市亲疏,最终挖掘出9个具有较强独立性的城市社群。[局限] 未能引入分面组织与分析方法将城市特征多粒度化,进而探索不同特征粒度下城市之间的关系类型及强度。[结论] 该方法能够依据社会认知发掘城市之间的潜在关联及其社群结构,有利于辅助现有城市社群划分方法并强化城市社群内涵。     

可再生能源发展态势及特征——基于四领域常见可再生能源专利的主题分析

基于改进的LDA主题模型算法,以微藻生物燃料、风力发电、太阳能光伏电池以及潮汐能发电四领域常见可再生能源专利为研究对象,分析全球范围内可再生能源的发展态势及特征。研究结果表明:全球可再生能源的发展先后经历了萌芽期、缓慢增长期和高速发展期,现正处于下降阶段,其间太阳能及风能占据主导地位;四领域可再生能源专利均具备战略意义的技术主题且领先国家(地区)各不相同;四领域可再生能源均可实现向电能转化且多种能源联合发电越来越受重视;各国(地区)与能源基础建设、提高能源转化效率相关主题的可再生能源技术更易获得政府政策支持。基于研究结果,为我国可再生能源发展提出若干对策建议。     

多源信息视角下的多指标新兴技术主题识别研究 ——以智能网联汽车领域为例

[目的/意义]为提高新兴技术主题识别的全面性、准确性,在专利、论文信息的基础上,融入舆情信息,提出一种复合型的新兴技术主题识别方法,以期能为微观层面新兴技术主题识别方法的研究提供参考。[方法/过程]面向专利、期刊论文、学位论文、会议论文、舆情共5种不同的科技文献类型,运用LDA模型从多源异构文本中获取主题词,并进行融合分析,提取候选新兴技术主题;设计识别指标体系,弥补现有指标体系缺乏未来前景相应指标的不足;运用CRITIC法进行综合评价,确定最终的新兴技术主题。[结果/结论]以智能网联汽车为实验对象,成功识别出多传感器融合信息技术这项新兴技术,实验结果与业界分析保持一致,说明多源信息视角下的多指标新兴技术主题识别方法能有效地对多源异构文本开展新兴技术的主题识别。     

基于LDA主题模型与社会网络的专利技术融合趋势研究 ——以关节机器人为例

[目的/意义]随着产业和技术复杂化,需要融合多个技术领域才能有效进行创新。研究技术融合趋势,有利于提供产业创新路径,促进技术融合,识别新兴技术。[方法/过程]采用LDA主体模型和社会网络方法,以关节机器人专利为例,对专利文献进行主题分类,提炼技术关键词,构建技术关键词间的主题共现矩阵,对技术融合进行测度并分析技术融合趋势。[结果/结论]研究结果发现:关节机器人专利技术融合呈小世界趋势,机械本体与驱动结构,控制系统与驱动结构融合趋势不明显,传感器是关键核心技术,机器人与人工智能结合是产业技术发展的新兴领域。     

基于语境分类与遗传算法的微博情感分析方法

针对当前基于LDA模型扩展的文本情感分析方法未能考虑同一词语在不同语境下其情感极性的差异及非特征情感词对微博文本情感极性的影响这两个问题,提出一种基于语境分类和遗传算法的微博情感分析方法。该方法首先利用LDA模型构造微博主题集及微博主题词集,然后用微博标签数据逐一对各微博主题词集应用遗传算法自动迭代计算得出词集中词语的情感值,最后利用词集词语的情感值计算微博文本情感极性。实验结果表明,该方法精确度比LDA提升3.12%,召回率达87.32%,F1达73.79%,能够从语境和非特征情感词获取微博情感信息,有效提高情感分类准确率。     

Social media for enhanced understanding of disaster resilience during Hurricane Florence

Citizens with different demographic characters presented varying responses and behaviors in the same disasters. Their divergent responses can impact their actual damages during crises. Previous studies have employed social media for analyzing citizens’ crisis responses. However, these studies missed the demographic dimension. To resolve this limitation, this research proposes three objectives: 1) to explore the variances of sentiment polarities among different racial/ethnic and gender groups; 2) to investigate the concern themes in their expressions, including theme popularity and their sentiment towards these themes; 3) to enhance the understanding of social aspects of disaster resilience with the results of disaster response disparities. Results indicate that Hispanic and male groups are more likely to express negative sentiment. The black group pays the least attention to ‘hurricane warn’ and shows most interests in ‘pray/donate’. The white group is most optimistic about hurricane/flood impacts while the black group shows dissatisfaction towards ‘response’. The female group pays less attention to ‘hurricane warn’ while they are more optimistic towards ‘hurricane/flood impact’ and ‘response’ than the male group. Our findings can help crisis response managers identify the more sensitive/vulnerable groups in the crisis and provide on-target disaster evolution reports and relief resources to the corresponding demographic groups.