从中文问答社区信息内容透视公众针对突发事件的信息需求——基于问题胶囊事件的实验研究

提出一个用于分析突发事件网民信息需求的框架,并利用网络问答社区数据进行实验分析。结果表明该框架可以有效分析突发事件网民信息需求。从信息引用情况来看,我国网民引用官方、媒体和公益组织信息来回答突发事件问题的比例很低。在突发事件中网民最关心的还是生理需求和安全需求方面的信息。本研究的意义在于为突发事件危机沟通提供相关启示。     

互联网同义词搜索中的词义聚类问题研究

从互联网中搜索同义词具有非常重要的理论意义和应用意义,但同时也存在一词多义情况下无法对不同词义的同义词进行区分的问题。针对这一问题,提出一种对互联网同义词搜索结果按照词义聚类的方法,该方法利用术语间的词义关系转化为图结构,实现词义自动聚类,无需人工干预和学科领域知识,能够达到较高的聚类准确性。     

SOM聚类技术在读者行为分析中的应用

随着数字图书馆技术的发展,图书馆每天产生大量的数据,针对这些海量数据,采用数据挖掘技术中的自组织映射神经网络（SOM）算法,根据读者借阅行为特征对读者进行聚类,得到不同阅读兴趣和需求的读者群,并通过测试验证该算法是有效可行的。     

基于作品关系扩展的中文同名个人规范记录识别与聚簇研究

[目的/意义] 旨在解决中文名称规范联合数据库检索系统CNASS的检索结果集记录量大且杂散的问题,实现其检索服务的关联聚簇功能。[方法/过程] 基于FRBR-LRM框架将个人名称规范记录转换为实体-属性-关系的RDF表示,利用记录内嵌的外部LC记录号重定向到VIAF记录,对原记录的作品关系等属性进行扩展。设计中文同名个人规范记录识别与聚簇算法,充分利用扩展后的作品关系,提高记录识别和聚簇的效率。[结果/结论] 选取300个人名,在CNASS中进行检索,对检索结果集运行算法,统计分析每个检索结果集的聚簇数和最大聚簇内记录数,综合计算聚簇效率指标,验证了本文聚簇算法的有效性。     

科学计量方法在科技政策研究中应用的实证研究

[目的/意义]旨在研究科学计量方法在科技政策研究中的应用程度和范围。[方法/过程]对科学计量领域与科技政策领域的实证数据集进行关键词分析,设计二维词频分析框架,并在此基础上通过聚类分析揭示不同类型的计量与政策研究相结合的主题。[结果/结论]数据结论显示：科学计量方法在科学政策研究中的应用主要是在宏观层面,而在微观问题层面应用相对较少;一些利用科学计量方法研究的政策问题并非是科技政策领域的研究热点或核心。这种情形与科学计量学的学科特点与使用局限性有一定的关系,但如何恰当扩展和深化科学计量方法在科技政策领域的应用,以解决科技政策中的具体问题、更好地支撑科技管理与科技决策,需要引起关注。     

最大词重降维算法与模拟退火算法相结合的文本聚类方法研究

提出一种基于最大词重的文本特征提取与降维算法。其基本思想是利用词在文档库的重要性,通过搜索算法将最大重要性的词从高维文档库中提取出来构成低维文档库,达到特征提取与降维的目的。在此基础上,提出利用模拟退火算法改进的K-means聚类算法对降维得到的文本进行聚类分析,实验结果表明该方法可以有效地提高聚类精度。     

一种基于改进K-means的文档聚类算法的实现研究

在对文档聚类的含义、作用和一般过程的阐述基础上,分析一种基于“最小最大”原则初始质心优选的改进K-means聚类的基本思想,并重点设计相关的聚类算法,实现聚类系统,基于系统对300篇学术文档及其相关特征词语进行聚类实验。实验结果表明,本文所设计和实现的改进K-means的聚类算法表现出较好的性能。     

基于文本挖掘机制的区域经济关系分析

已有的经济关系研究大都采用实证的或单纯的计量学的方法来实现的.本文则针对非结构化的文本特点,采用信息抽取和文本挖掘方法挖掘用户感兴趣的区域经济关系是具有十分重大应用价值的研究课题.本文在探讨了基于实体关系的文本挖掘机制的基础上,对31个省、市、自治区的区域经济关系进行了分析.运用文本挖掘技术对经济关系的挖掘包括两种方式:一是基于属性的经济关系挖掘,利用信息抽取获取各个实体属性,采用聚类方法分析经济实体关系;二是基于相互引用的经济关系挖掘,首先构造经济实体关系分类词典,提出了实体关系标注算法,利用信息抽取获得实体之间的引用情况,然后构造关系有向图,从中挖掘区域经济之间的关系.研究表明,运用文本挖掘技术,既可以对各个区域经济发展状况进行分析和评价,也可以发现特定区域经济之间的内在关系.     

基于样本加权的文本聚类算法研究

样本加权聚类算法是一种最近才引起人们注意的算法,还存在一些需要解决的问题,例如,聚类对象之间的结构信息对样本加权聚类是否有帮助,如何将结构信息自动转换为样本或对象的权重?针对该问题,本文以学术论文为聚类对象,以K-Means算法为聚类算法基础,利用论文之间的引用关系计算每篇论文的PageRank值,并将其作为权重,提出一种基于样本加权的新的文本聚类算法.实验结果表明,基于论文PageRank值加权的聚类算法能改善文本聚类效果.该算法可推广到网页的聚类中,利用网页的PageRank进行加权聚类,来改善网页的聚类效果.     

优化科学知识图谱方法绘制全领域科学结构图谱

[目的/意义] 针对目前全领域科学知识图谱构建方法中存在的技术难点,结合网络嵌入模型、机器学习聚类、流形学习可视化算法等人工智能领域的方法与模型,提出一套全新发现科学结构的知识图谱构建方案,以完善科学结构发现与可视化布局,并拓展科学知识图谱的分析应用场景。[方法/过程] 引入基于深度学习的网络嵌入模型和聚类方法改进原有的网络社团划分聚类方法,利用流形学习降维可视化算法扩大数据处理能力,并设计由下至上分层可视化布局方法,提升可视化图谱的稳定性与细节揭示能力。[结果/结论] 以科睿唯安公司的基本科学指标数据库（ESI）研究前沿中高被引论文作为分析数据集,使用新聚类算法得到1 169个研究领域,通过改进的可视化布局算法形成全领域科学结构图谱。与前几期科学结构图谱相比,本文提出的方法支持更大规模的数据分析,对可视化细节揭示与稳定性也有大幅优化,可以更好地展示全领域科学研究宏观结构及内在关系,为全领域科学知识图谱的绘制与构建提供更可靠的方法和技术支持。