基于领域本体实现Web文本挖掘研究

为弥补改进传统Web文本挖掘方法缺乏对文本语义理解的不足,采用本体与Web文本挖掘相结合的方法,探讨基于领域本体的Web文本挖掘方法。首先创建Web文本的本体结构,然后引入领域本体“概念-概念”相似度矩阵,并就概念间关系识别进行描述,最后给出Web文本挖掘的实现方法,发现Web文本信息的内涵。实验中以网络媒体报道为例,通过文本挖掘得出相关结论。     

基于概念簇的文本分类算法

针对传统文本分类算法在向量空间模型表示下存在向量高维、稀疏以及忽略特征语义相关性等缺陷所导致的分类效率低和精度不高的问题,以知网(HowNet)为知识库,构建语义概念向量模型SCVM(Semantic Concept Vector Model)表示文本,根据概念语义及上下文背景对同义词进行归并,对多义词进行排歧,提出基于概念簇的文本分类算法TCABCC (Text Classification Algorithm Based on the Concept of Clusters),通过改进传统KNN,用概念簇表示各个类别训练样本,使相似度的计算基于文本概念向量和类别概念簇。实验结果表明,该算法构造的分类器在效率和性能上均比传统KNN有较大的提高。     

基于主题的舆情跟踪方法研究及性能评价

舆情跟踪是对媒体信息流中的热点话题进行实时追踪,是近年来自然语言处理领域的研究热点。实现该任务的核心技术是进行文本分类,运用信息增益以及互信息计算特征项权重,提取向量空间模型中文档表示的有效特征;分别采用Rocchio、K-Nearest Neighbor(KNN)、Bayes方法对于给定主题的事件实现舆情跟踪。在测试集上的最优性能F-Measure值达到86.2%。舆情跟踪在信息安全等领域具有广阔的应用前景,为用户及时判断网络热点事件的发展趋势提供有效指导依据。     

图情领域中专利分析主题的研究进展——基于WOS的文献分析

为研究专利分析方法、技术以及应用等方面的最新进展,采用文献计量法,对以专利分析为主题的文献进行分析,总结国外专利分析主题的研究进展情况。利用汤森路透WOS(web of science)引文检索平台,检索 2000-2012年以"专利分析"为主题的文献,通过主题分析(高频关键词)以及关键词共现分析,得到国外专利分析相关文献的主题。研究发现,国外近10年以专利分析为主题的文献主要围绕专利计量法、专利语义分析、社会网络分析与模型、文本挖掘、可视化以及科学-技术关联等方面,并在此基础上展开了新的研究。     

我国信息资源产业政策：现状、分析与前瞻

选取1998-2010年颁布的806份代表性政策文本,运用内容分析方法,对我国国家信息资源产业政策的效力等级、目标、工具、政策领域和发展过程进行初步分析。研究发现,2008年国务院机构改革后,我国出台的信息资源产业政策数量相对减少;传统的信息资源产业政策重硬件轻软件、重技术轻内容的状况正在改变,但存在信息资源产业政策效力等级不高、缺乏对产业持续发展能力提升的关注、对引导型政策工具的运用不足等问题。
     

基于Web文本挖掘的行业态势分析——以2011上海车展为例

通过总结Web文本挖掘在竞争情报中的应用,尝试将Web文本挖掘方法应用于行业态势分析,提出基于行业态势分析的Web文本挖掘流程,并以2011年上海车展中的相关报道,采用时空分布、词频分析、共现分析等方法对汽车行业态势分析进行实证研究,最后探讨我国汽车行业的发展趋势。     

融合语义关联挖掘的文本情感分析算法研究

面对网络中日益丰富的文本性情感信息资源,利用关联挖掘技术对其进行智能化的自动挖掘与分析,获取语义层面的用户情感知识,对于企业竞争策略的制定和竞争优势的保持具有重要的潜在价值。将关联挖掘技术融入文本情感分析之中,研究并设计一种融合语义关联挖掘的文本情感分析算法,实现语义层面的情感分析与用户情感知识挖掘。实验结果表明,该算法取得了很好的预期效果,显著提高了情感分析的准确率与效率以及关联挖掘的深度与广度。     

数字图书馆区域性问题研究

论述区域数字图书馆建设应注意三个问题：资源建设的区域性,资源应该体现本区域的文化、经济特色,符合本区域产业信息需求,防止资源同质化和简单罗列或相加;资源服务的区域性,应协调本区域内不同行业、系统的数据库资源建设,提高区域内信息资源保障率,增强区域服务的指向性;政策主导的区域性,政府是地方整体利益的代表和相对独立的行为主体,政府层面的支持和认可是实现区域共同利益最大化的基础和保障。     

一种适合检索词推荐的K-means算法最佳聚类数确定方法

从嵌入式NSTL文本推荐系统的检索词推荐需求入手,分析原有方法的不足,引入共词分析方法和分化理论,提出一种新的最佳聚类数确定方法,改进最小类间距离和平均类内距离的计算方法,强化聚类结果的推荐效果,同时使推荐效果可以随着样本数据的变化而动态调整。最后,运用实验验证该方法的有效性。
     

文本挖掘工具述评

简要介绍一些商业文本挖掘工具和开源文本挖掘工具,针对其中四款典型的开源工具进行详细的比较,包括数据格式、功能模块和用户体验三个方面;选取三种各具特色的工具就其文本分类功能进行测评。最后,针对开源文本挖掘工具的现状,提出几点建议。