基于激活扩散理论的数字图书馆用户认知结构挖掘

[目的/意义] 挖掘数字图书馆用户的认知结构,识别其真实知识需求,以期为数字图书馆开展有针对性的个性化知识服务提供依据。[方法/过程] 借鉴认知心理学中的激活扩散理论深层次剖析用户的认知过程,根据用户在数字图书馆上的浏览、检索等认知实践行为研究用户认知,并挖掘出用户的认知结构。[结果/结论] 实验表明,基于激活扩散理论的认知结构挖掘方法识别的用户认知结构中主题概念的准确率和主题概念的排序一致性都达到较高水平,说明本文提出的认知结构挖掘方法对识别用户的认知结构具有有效性。     

不同语料下基于LDA主题模型的科学文献主题抽取效果分析

[目的/意义]潜在狄利克雷分布(Latent Dirichlet Allocation,LDA)在科技情报分析中用来发现学科主题、挖掘研究热点以及预测研究趋势等。对常见的科学文献文本语料库(关键词、摘要、关键词+摘要)进行LDA主题抽取效果的评价,以揭示不同语料库的主题抽取效果,提高LDA在科技情报分析中的应用效果。[方法/过程]对上述3种语料库下的LDA主题模型进行对比研究,采用基于查全率、查准率、F值以及信息熵的定量分析和基于主题抽取的广度和主题粒度的定性分析相结合的方法对主题抽取效果进行评价。[结果/结论]通过国内风能领域的科学文献数据实证研究发现,无论是从定量分析还是从定性分析来看,摘要和关键词+摘要作为语料的LDA主题抽取的效果均优于关键词作为语料的LDA主题抽取效果,并且前者在主题抽取的广度方面表现更好,而后者抽取的主题粒度更细。     

基于社交关系和影响力的在线社交网络用户兴趣偏好获取方法研究

在线社交网络成为人们网络生活的最主要平台,人们基于兴趣偏好等原因集聚形成各个网络社区,共同参与感兴趣话题的讨论,表达自己的观点和看法,寻找感兴趣的内容,因此识别在线社交网络中用户的兴趣偏好,具有重要意义.本文首先分析用户在社交网络中的行为,提出从用户发布信息、基于共同参与话题的社交关系中寻找相似兴趣最近邻,和再考虑用户在社交网络中影响力的相似兴趣最近邻,三种获取用户兴趣偏好的方法.最后利用百度贴吧数据集实验,比较三种方法的使用效果.实验表明考虑用户影响力的最近邻方法获取用户兴趣偏好的方法效果最好,而且这种方法不需要利用用户本身信息,仅仅只需要通过其最近邻用户就可以获得更加准确的用户兴趣偏好.     

基于关键词关联度指标(KRI)进行LDA噪声主题过滤的方法研究

[目的/意义] 针对LDA模型主题识别结果通常包含噪声主题的问题,建立科学有效的主题过滤方法,排除噪声主题,确保主题识别及后续演化分析的准确性。[方法/过程] 基于关键词之间的共现关系,构建关键词关联度指标（KRI）,借助定量手段进行主题筛选和过滤。以单细胞研究领域为例,计算各主题-关键词分布的KRI值,与人工判读结果进行对比分析。[结果/结论] 实验结果表明,该方法能够有效排除LDA模型识别结果中的噪声主题,提高主题识别的准确性,也在一定程度上降低了主题识别过程对人工判读的依赖性。     

多源数据环境下科研热点识别方法研究

[目的/意义] 在科学研究中,从不同来源的科技文献中识别挖掘科研热点对于开展科研工作具有指导意义。旨在通过本研究提出的模型方法,快速准确地识别蕴含在多源文本中的热点主题,为科研创新提供支撑服务。[方法/过程] 提出一种基于LDA2vec模型的多源文本下科研热点识别的方法并针对科研热点识别构建模型,该方法融合LDA主题模型对隐含语义挖掘的优势和Word2Vec词向量模型对于上下文关系把握的优势。以机器学习领域的科技文献为例,利用模型困惑度和主题一致性两个指标对LDA2vec的在本领域应用的可行性和有效性进行验证,并与LDA的主题提取效果进行对比。[结果/结论] 实验结果表明,提出的方法在面对多源数据情况下,进行科研热点识别挖掘是可行的,且在一定程度上有效果的提升,对利用单一数据源进行主题分析的不足进行补充,对多数据源融合的实践应用进行丰富。     

专业社交媒体中的主题图谱构建方法研究——以汽车论坛为例

专业社交媒体中主题图谱的内容包括论坛中的主题及主题之间的关系,其具有挖掘专业产品创新方向、构建专业知识索引等重要应用价值。本文基于深度学习技术与文本挖掘技术,提出了专业社交媒体中的主题图谱构建方法。首先,使用专业社交媒体中的文本训练Skip-Gram模型,利用该模型的隐藏层权重与模型输出的预测结果,分别获取词语间的语义相似度与上下文关联度。其次,基于该语义相似度与上下文关联度,对已有领域种子本体词汇进行扩充,将语义相似或上下文相邻近的词汇纳入本体词汇,为主题抽取提供高质量的领域词汇。然后,基于扩充的专业本体词汇,使用结合本体词汇的LDA主题模型从专业社交媒体文本中抽取主题与主题词。最后,利用语义相似度与上下文关联度,定义关联度权重,通过图模型与谱聚类,获取主题间与主题词的关联关系与层次结构。本文使用汽车论坛语料进行主题图谱生成实验。实验结果表明,本文方法获取的主题词纯净度相比单独使用LDA模型提升了20.2%,且能够清晰合理地展现主题之间的关系。     

���ڹؼ��ʹ�����ָ��(KRI)����LDA����������˵ķ����о�

��[Purpose/significance] The identification results of the LDA model is sometimes unsatisfactory due to some meaningless topics mixed together. Therefore, it's quite necessary to establish an effective topic filtering method to eliminate these noise topics and to ensure the accuracy of subsequent evolution analysis.[Method/process] Based on the co-occurrence relationship between keywords, keywords relevance index (KRI) was constructed. Taking the field of single cell research as an example, KRI values of the distribution of theme-keywords were calculated and compared with the results of manual interpretation.[Result/conclusion] Experimental results show that this method can effectively eliminate meaningless noise topics in the LDA model recognition results, which can improve the accuracy of topic recognition and the subsequent topic evolution analysis. It also helps to reduce the dependence on manual interpretation in the process of topic identification through the topic model method.     

一种层次化的科学知识结构发现方法

[目的/意义]提出一种新的层次化科学知识结构发现方法,为优化知识结构发现过程,改善知识组织形式提供借鉴。[方法/过程]利用LDA主题模型构建层次化的科学知识结构发现方法,依据主题间平均相似性自动确定知识结构层数,通过在"文档-主题"概率矩阵中自动筛选阈值截取各主题文献子集,最后采用树形图展示科学领域的知识结构,发掘知识间的关联性和继承性,并与层次主题模型HLDA方法进行比较。[结果/结论]通过实证研究与对比,证明本文提出的方法得到的知识结构更优,知识主题表征性更强且运行效率更高,并在单层主题区分度和层间主题继承性方面较HLDA方法有较大提升。     

基于LDA 的游客网络评论主题分类：以故宫为例

游客的网络评论由于能够真实反映对旅游服务的真实体验及感受,正在逐渐影响旅游者对旅游目的地的看法甚至旅游消费行为。如何将碎片化的旅游评论转化为对其他用户和旅游经营者有价值的且直观的信息,成为旅游信息挖掘的热点。本文提出了基于LDA（Latent Dirichlet Allocation）主题发现模型的游客评论挖掘方法,以大众点评、携程及马蜂窝中关于故宫的用户在线评论为例,挖掘游客关于故宫的关注主题并分析其情感倾向。实验结果表明,故宫的游客网络评论主题包含入口服务、历史文化、体验感受以及遗址文物四个方面,游客对该四个主题的情感倾向均为正向;其中,大众点评和马蜂窝在体验感受方面的情感极性值较高。该方法对定位旅游目的地游客关注点具有实践意义。     

商品属性的情感表达与商品销售热度的相关性研究

[目的/意义]在线评论蕴含评论者对商品的情感态度,成为潜在消费者购物决策的参考。分析用户对商品属性的情感表达与商品销售热度之间的关系,对用户和商家具有重要的实践和理论意义。[方法/过程]采用LDA主题模型抽取商品属性特征,并对这些属性进行情感极性分析,然后用多元线性回归方程探求商品属性的情感表达对在线商品销量排名之间的关联关系。[结果/结论]研究表明：反映商品"质"的特征属性更受用户的关注,其情感极性与商品的销量排名之间存在较高的正相关性。