基于网络论坛文本挖掘的笔记本电脑满意度研究

不同于以往的满意度模型中头脑风暴和问卷调研等手段建立指标体系的思路,以大量掩埋和分布在各个网络平台中的评论信息为基础,通过文本挖掘手段分析消费者对笔记本电脑重点关注的角度和内容,确立评价指标体系;基于Formell模型,使用多元回归方法,建立了笔记本电脑满意度模型。该研究过程基于消费者的真实感受,提炼出了消费者对笔记本电脑最为关注的优势属性和缺陷属性,帮助产品制造商全面、准确地了解消费者的需求和心理期望。同时,满意度模型有助于消费者和制造商对笔记本电脑的满意度进行综合测算、比较和选择。     

SNS助力构建你的人际网络

好莱坞曾流行这样一句话：“成功,不在于你知道什么或做什么,而在于你认识谁。”现实生活中,许许多多的成功案例说明了人脉关系网络的重要性。如何才能认识更多对你有帮助的人？从不同的人那里可能会得到不同的答案,但如今通过SNS之类的网站或软件,你就是足不出户,也能认识许多对你有益的朋友。SNS,这年头最火辣新鲜的名词,正获得越来越多投资商的青睐。到底什么是SNS？SNS的把戏如何玩？本文就带领大家去瞧个究竟。[编者按]     

SNS社交网络对MOOC的影响的研究

大规模在线开放式课程(MOOC)正处于快速的发展阶段,它的兴起对在线教育模式的发展意义重大。与此同时,随着Facebook、MySpace这样的社交网络逐步渗入人们的生活之中,SNS社交网络的发展已经达到了非常成熟的阶段,并在很多领域体现出了它的价值。在线教育就是其中之一。那么结合SNS社交网络与MOOC两者之间的研究,就显得非常的有意义了。     

社会网络中基于U_BTM模型的主题挖掘

现有的主题模型在挖掘社会网络中的主题时往往会受到社会网络中短文本的特征稀疏问题的影响,从而导致所挖掘的主题质量低、主题差异小。为此,基于词对主题模型BTM提出一种用户-词对主题模型U_BTM,采用k-means聚类算法将主题相近的短文本聚类成一个文档,根据文档中用户的主题对词对的产生模式进行建模,采用Gibbs Sampling方法对模型的参数进行推导,最终得到社会网络中潜在的主题和用户的主题分布。实验结果表明,U_BTM模型能得到潜在的主题和每个用户的主题分布,且相比其他模型所挖掘的主题差异大,具有更高的质量和更低的困惑度。     

基于SNS技术的东职网络社区的构建及应用研究

通过分析东莞职业技术学院数字空间项目,探讨基于SNS技术网络社区构建的方式、管理制度与应用体系。     

踏入网络SNS时代

现在网络世界中什么最风靡？很多学生玩家要说校内网,很多工作的朋友说开心网,那么它们到底好在什么地方？专业的人说它们是SNS网站,通过病毒式的传播达到宣传目的,而说白了就是人传入的信息交互,也就是让你随时随地了解你的朋友在干吗,这就是吸引大家的地方。神奇的事情总是在意料之外,《赤壁》这款国内三国背景题材的格斗网游也玩起了SNS社区。     

文本挖掘在企业网络舆情分析中的应用研究

利用Python爬虫技术采集两家拉链龙头企业的移动微博舆情信息,用文本挖掘技术对舆情信息进行词云分析、关联分析、倾向性分析和数据分类分析,分析结果体现了竞争对手的定位、口碑等差异,可辅助于企业决策支持.     

基于Multi-Agent的Web文本挖掘系统

基于Multi-Agent(多智体)技术的Web文本挖掘是从海量信息源尤其是Web文本信息源中快速、有效地获取知识所提出的一个新型研究领域。本论文给出了基于Multi-Agent技术的Web文本挖掘系统模型,并利用Multi-Agent技术实现了Web数据预处理、数据的挖掘、知识的获取、知识的评价与表示等功能。     

基于SNS的美术院校网络学习平台的研究

国家新课程改革中重点提出对教学模式的改革,21世纪是网络学习的时代,基于SNS的学习模式已经颠覆传统的学习模式,这种崭新的学习模式能够提高学生的团队协作与沟通能力,发展创新性与批判性思维,成为学生获取知识的有效途径。将SNS引入高校的教学与学习当中,具有重要的意义。     

基于犯罪网络的情报分析系统的研究与应用

提出一个自动化的情报分析系统,通过文本挖掘技术,提取并建立情报信息的特征向量,自动构建犯罪网络模型,采用中心度测度算法,定量分析各成员在犯罪网络中的地位和角色,使用RNN-CLINK聚类算法发现和分割出高内聚的紧密型犯罪团伙,以有效揭示出犯罪团伙内部的关系和特征,为准确的情报研判提供重要的线索和方向。     

Web内容挖掘技术研究

简要介绍了Web挖掘的概念、分类以及其功能,阐述了Web挖掘与传统数据挖掘以及Web信息检索之间的关系。给出了Web内容挖掘的不同分类方法、文本以及多媒体文本数据挖掘的定义、分类与应用。重点分析了Web文本挖掘的方法,包括文本的特征表示与抽取、文本的分类与聚类等,讨论了多媒体文本分类挖掘方法。     

基于数据挖掘技术的网络违法案件分析研究

针对网络违法案件侦破过程中存在的海量数据信息无法高效利用的问题,提出采用数据挖掘技术对海量信息中的有效数据进行关联分析。由于常用的关联规则算法Apriori存在多次扫描数据库的缺陷,提出一种基于矩阵的关联规则发现算法。通过运用该算法对数据集中的数据进行分析验证,从而得出在网络违法案件中属性之间的相互关系。     

基于数据挖掘的个性化网络教学系统的设计

与传统的教学模式不同,网络教学的重点在于个性化教学。通过对现有网络教学系统进行分析,构建一种基于B／S三层模式的网络教学系统,并将数据挖掘技术应用到系统中,以关联规则和决策树挖掘举例进行验证,结果表明能够对教师教学和学生学习提供指导,有效地实施个性化教学,提升教学质量。     

基于WEB文本数据挖掘的研究

万维网是一个巨大的、分布广泛和全球性的信息服务中心,它涉及新闻、广告、消费信息、金融管理、教育、政府、电子商务和许多其他信息服务。Web文本挖掘系统是挖掘技术的重要应用方向,它是指在给定的分类体系下,根据网页的内容自动判别内容类别的过程。     

WEB文本挖掘的研究

文章首先探讨了Web挖掘的地位，基于WEB的文本挖掘是WEB挖掘的重要组成部分。文章重点对文本特征提取、文本分类、文本聚类等WEB文本挖掘关键实现技术做了介绍，最后讨论了Web文本挖掘的价值。     

WEB文本挖掘的研究

文章首先探讨了Web挖掘的地位,基于WEB的文本挖掘是WEB挖掘的重要组成部分。文章重点对文本特征提取、文本分类、文本聚类等WEB文本挖掘关键实现技术做了介绍,最后讨论了Web文本挖掘的价值。     

一个基于hadoop的并行社交网络挖掘系统

最近几年,以微博为首的社交网络迅猛发展,这些平台上包含了网民对于时事热点的观点,对生活和人际关系的看法等大量有价值的信息和资源。由于微博数据非常庞大又难以获取等困难,如何有效地对社交网络进行数据挖掘,是近两年数据挖掘研究的重点和热点。本工作设计和实现了一个基于Hadoop的并行社交网络挖掘系统,包含了分布式数据库,并行爬虫,并行数据处理和并行数据挖掘算法集,可以有效地获取和分析挖掘海量的社交网络数据,为社团分析,用户行为分析,用户分类,微博分类等工作提供支持。     

基于神经网络的文本倾向性分析系统的研究

随着信息时代的到来,网络评论数量急剧增加,对于这些网络评论的倾向性分析是网络舆情研究中的重要课题。为了对网络评论的倾向性进行分析,提出了基于神经网络的网络舆情文本倾向性分析算法,使用神经网络训练的方法构建了较好的情感词倾向值词典,对网络评论的倾向性预测达到了较高的准确率。对算法进行了细致的描述,同时提出了基于神经网络的网络舆情文本倾向性分析系统框架。最后通过实验进行测试,证明了该系统能够达到较好的准确率。     

文本挖掘及其应用

文本挖掘是指利用数据挖掘技术，从大量的文本数据中提取感兴趣的、潜在的有用模式和隐藏的信息。本文详细阐述了文本挖掘的功能、文本挖掘的过程、文本挖掘的应用，并在文章最后介绍了文本挖掘的工具及演示实例。     

网络信息挖掘在电子商务系统中的应用

描述了网络信息挖掘的含义以及与数据挖掘之间的区别,提出了在电子商务应用中采用网络信息挖掘帮助企业实现最大化利润的方法,最后指出了网络信息挖掘未来的研究方向。