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。     

中文专利信息资源深加工方案设计与实证研究

基于专利分析的视角,调研了国内外专利信息资源的现状和特点,明确了用于专利分析的资源及其加工深度的不足,设计了预处理和深加工的方案,重点为专利清洗和专利中四类信息的内容标引：发明类型、技术主题、发明改进和应用领域。并以新能源汽车领域为例,对中文专利进行了深加工实证研究。结果显示,利用清洗和深度标引后的专利资源能有效提高分析的准确度和专利资源揭示深度。     

军阀段祺瑞的另一面

段祺瑞是皖系军阀首领,做过很多坏事。但历史现象往往是复杂的、多面的。从民族主义的立场看,他也做过一些好事,是应当肯定的。1914年8月,日本借口对德国宣战,出兵山东,进攻青岛。段祺瑞对此极为愤慨,与冯国璋联名通电请缨杀敌。而袁世凯畏惧日本的军事优势,不敢与日对抗。1915年1月18日,日本又提出灭亡中国的《二十一条》,作为支持袁世凯称帝的条件。冯国璋率19省军人通电中央,表示:“凡欲破坏吾国领土之完全者,吾辈军人必以死力拒之。”段祺瑞更是竭力主张对日强硬,他个人发电宣     

问答式信息检索查询优化技术研究

问答式信息检索是新一代搜索引擎,它接收自然语言描述的问题,在文档集合中搜索并返回问题的精确答案.问答式信息检索中,检索模块性能的提高将直接影响问题回答系统的整体性能.本文研究系统中的查询优化技术,包括两种策略:基于模式知识库的查询优化;挖掘Web语义蕴含信息,构建查询扩展资源.本文利用TREC提供的问题集与答案集(TREC8-TREC13)做实验来测试查询优化方法的性能,实验结果表明,相对于传统的查询生成,本文采用的查询优化技术在检索精度上取得了提高,t-test结果证明,系统性能提高统计显著.     

学术网络中科研人员影响力分析方法研究

随着科研合作的多元化,评判科研人员的影响力也将受到影响,本文在由科研人员及其所发表的学术论文构成的网络中,利用关联信息进行科研人员的影响力分析。在基于科研论文质量计算初始影响力的基础上,融入科研人员之间的合作关系,包括直接影响与间接影响,设计算法实现综合的科研人员影响力计算。在真实实验数据集上进行影响力排序,对不同研究领域的科研人员分析其合作网络以及对其影响力计算的作用,进一步验证了方法的有效性。     

基于隐马尔科夫模型的专利功效词识别

随着专利数据规模的不断增长,对专利数据的深入挖掘也变得日益重要,特别是专利数据中所蕴含的技术功效等信息具有较高的价值。本文提出了一种基于隐马尔科夫模型的专利功效词识别方法,通过词法与句法分析筛选出候选功效词,在此基础上,采用隐马尔科夫模型并结合专利发明改进的特征设计了功效词识别算法,对候选功效词进行过滤。在新能源汽车等不同领域的专利数据集上,以准确率与召回率作为评价标准,验证所提出方法的有效性。实验结果表明,此方法有效提高了识别准确率与召回率。     

基于主题发现的专利发明人推荐方法

LDA 主题模型可用于识别大规模文档集中潜藏的主题信息,本文提出了一种基于LDA 建立发明人兴趣主题模型的方法,合并每位发明人的专利数据,专利信息基于发明人进行划分,将标准的文档- 主题-词的三层LDA 模型变为专利数据中的发明人- 主题- 词的发明人兴趣模型,实现发明人的主题发现,并利用该模型中主题分布之间的相似性进行发明人的个性化推荐。在采集真实专利数据集上的实验结果表明该方法相比传统的向量空间模型方法和隐马尔科夫模型方法具有更高的准确率,推荐效果更优。