共查询到20条相似文献，搜索用时 250 毫秒
1.
【目的/意义】为推动深度学习在网络舆情管理中的应用,提高突发灾害事件网络舆情情感识别效率。【方 法/过程】基于OCC模型建立了突发自然灾害网络舆情情感规则,并由word2vec构建文本向量作为长短期记忆网 络（Long-short term memory,LSTM）的初始输入,对其训练得到突发灾害事件网络舆情多情感识别模型。【结果/结 论】通过对比试验发现,OCC情感规则能够提升情感识别模型的正确率,基于LSTM和word2vec的突发灾害事件 网络舆情情感识别模型在情感识别效果上优于TF-IDF文本向量化方法以及基于卷积神经网络（Convolutional neural network,CNN）和传统的机器学习方式（Support vector machine,SVM）的分类算法结果。 相似文献
2.
3.
当前建设工程合同管理工作量大,长期依赖人工审核和主观经验,为改变合同审查依赖主观经验的现状,进一步探索和实现合同条款智能识别和智能审核,尝试引入基于深度学习（DL）的自然语言处理（NLP）技术,提出一种建设工程合同智能分类方法。首先,设计合同智能分类方案,分别采用卷积神经网络（CNN）、长短期记忆网络（LSTM）和融合模型进行计算实验;其次,将CNN和LSTM模型用于合同文本特征提取和合同文本分类中,通过融合两个神经网络以提升分类模型的性能指标。结果显示,精确率和召回率的调和平均数（F1值）最高的为融合模型,其次是LSTM模型,CNN模型最低。相较于基于机器学习的其他同类研究,基于NLP和DL的建设工程合同分类融合模型能够提高合同文本分类任务的效果,实现对大规模数据量的施工、勘察、监理等不同类型合同的准确识别以及快速分类和归档。 相似文献
4.
对碳价波动的特征进行分析，说明碳价预测的意义；然后，基于卷积神经网络（convolutional neural network,CNN）与长短期记忆网络（long short-term memory, LSTM）提出一种CNN-LSTM组合模型的碳价预测方法，充分考虑碳价的时序特性，通过改善相关模型，从时序数据中提取特征的能力从而提高预测准确性；最后，通过欧洲能源交易所及我国广州碳市场的碳价实例验证，将CNN-LSTM模型的预测结果与其他常用预测模型对比，结果表明CNN-LSTM模型在碳价预测中具有更高的预测准确性。 相似文献
5.
为了提升无人机机群间的通信频谱利用效率,认知无线电技术被应用在无人机机群中。由于传统频谱感知算法易受到噪声干扰、受通信时延干扰、需要累积信号长,无法适应无人机机群间通信,本文提出了一种基于长短期记忆神经网络(LSTM)的双门限无人机机群频谱感知算法。首先利用所有次级用户对频谱信号进行感知收集,随后将所有次级用户信号传入无人机融合节点,最后利用长短期记忆(LSTM)神经网络进行感知判断。在仿真实验条件下与传统单门限能量协作算法、双门限能量协作算法比较,仿真结果表明在不同信噪比和虚警概率下,所提方法的检测性能均优于传统算法。 相似文献
6.
消费情感对服务质量和顾客满意感影响的实证研究 总被引：2，自引：0，他引：2
以往对顾客满意和服务质量的研究,主要都是从顾客的认知角度进行,顾客情感在消费过程中对顾客服务评价和购后行为的影响未得到应有的重视。基于维纳在心理学研究中提出的"归因—情绪反应—行为预期"的理论框架,本研究建立起整合消费情感、顾客认知、服务质量和顾客满意的概念模型,提出相应假设,并通过实证方法对该模型进行了验证。研究结果表明,消费情感与认知显著相关,并且与顾客认知共同显著影响着整体服务质量评价和顾客满意。其中,积极情感对两者有显著正向影响,而自我和外在归因的消极情感则与两者显著负相关。值得注意的是,自我归因的消极情感对中国消费者的影响表现出与西方文化背景下不同的特性。 相似文献
7.
8.
9.
针对电力系统对短期电力负荷预测精确性的需求，以长短期记忆算法为基础，采用差分自适应进化算法对其进一步改进，从而提出一种基于机器学习的混合算法（SaDE-LSTM）对电力负荷进行短期预测。基于我国2004—2018年间月度社会用电负荷数据，对改进后的混合算法进行性能测试，首先利用差分进化算法的自适应变异和交叉因子来优化长短期记忆算法的初始参数，在此基础上，运用寻优得到的参数训练长短期记忆算法从而得到优化后的预测结果。为证明其优越性，对同组数据采用支持向量机（SVM）、反向传播神经网络、自回归积分滑动平均等算法分别预测。各方法预测结果和真实结果对比分析证明，SaDE-LSTM算法对时间序列数据量要求较低，同时相比其他传统算法有更高的预测精度。该改进算法能够为参与电力系统调度的虚拟电厂、负荷聚合商等对小样本和高精度预测有需求的主体提供参考。 相似文献
10.
在目前经济快速发展的背景下，为更好地服务企业行使各种职能，适应新形势的发展，特种设备检验行业急需提高服务质量。服务质量的概念从提出到现在的发展，已经日趋成熟。阐述了目前特种设备行业的服务质量管理情况，分析了此模式下的利弊，并针对现状，为进一步提高服务质量，根据最新的服务质量管理模型，提出了应用的建议与意见。 相似文献
11.
12.
在分析相关服务质量评价模型的基础之上,建立了以用户为中心的交互式信息服务质量评价模型,以"新浪爱问知识人"交互问答平台为调查对象,就模型中的因素进行问卷调查、数据统计与分析,对模型进行实证研究。此模型既可用于评价以用户为中心的交互式信息服务质量的高低,又可用于交互式信息服务平台的长期规划。 相似文献
13.
[目的/意义]个人云存储网站影响力的有效评价对用户选择云存储服务有着重要的参考作用,为个人云存储服务提供商改善网站设计质量提供方向。[方法/过程]通过整合WebQual 4.0模型和中国顾客满意度测评指标体系,并结合个人云存储功能特征,构建了个人云存储网站影响力评价指标体系,运用层次分析法计算各层级指标权重。选取典型个人云存储网站（百度网盘、腾讯微云、天翼网盘、115网盘）进行实证分析。[结果/结论]研究结果显示,对个人云存储网站影响力作用较大的指标主要包括：存储容量、有用性、高效分享、用户规模。百度网盘网站影响力最大,115网盘网站最小。未来个人云存储网站服务提供商应更加关注网站存储容量、有用性、高效分享及用户规模方面的提升。 相似文献
14.
《Information processing & management》2022,59(2):102842
The matrix factorization model based on user-item rating data has been widely studied and applied in recommender systems. However, data sparsity, the cold-start problem, and poor explainability have restricted its performance. Textual reviews usually contain rich information about items’ features and users’ sentiments and preferences, which can solve the problem of insufficient information from only user ratings. However, most recommendation algorithms that take sentiment analysis of review texts into account are either fine- or coarse-grained, but not both, leading to uncertain accuracy and comprehensiveness regarding user preference. This study proposes a deep learning recommendation model (i.e., DeepCGSR) that integrates textual review sentiments and the rating matrix. DeepCGSR uses the review sets of users and items as a corpus to perform cross-grained sentiment analysis by combining fine- and coarse-grained levels to extract sentiment feature vectors for users and items. Deep learning technology is used to map between the extracted feature vector and latent factor through the rating-based matrix factorization model and obtain deep, nonlinear features to predict the user's rating of an item. Iterative experiments on e-commerce datasets from Amazon show that DeepCGSR consistently outperforms the recommendation models LFM, SVD++, DeepCoNN, TOPICMF, and NARRE. Overall, comparing with other recommendation models, the DeepCGSR model demonstrated improved evaluation results by 14.113% over LFM, 13.786% over SVD++, 9.920% over TOPICMF, 5.122% over DeepCoNN, and 2.765% over NARRE. Meanwhile, the DeepCGSR has great potential in fixing the overfitting and cold-start problems. Built upon previous studies and findings, the DeepCGSR is the state of the art, moving the design and development of the recommendation algorithms forward with improved recommendation accuracy. 相似文献
15.
线上用户创新是当前创新管理领域研究的热点,大数据应用使研究更加可靠,但并未形成规模。本文介绍了网络大数据的定义与内涵,总结网络大数据在网络舆情分析、市场营销分析、企业绩效分析和线上用户创新等方面的应用。通过对国内外文献的梳理,重点分析网络大数据在用户分类、用户创意质量、用户创意采纳和用户创意情感分析四方面的研究现状,并对未来研究方向进行展望。 相似文献
16.
《Information processing & management》2022,59(4):102953
Aspect-based sentiment analysis technologies may be a very practical methodology for securities trading, commodity sales, movie rating websites, etc. Most recent studies adopt the recurrent neural network or attention-based neural network methods to infer aspect sentiment using opinion context terms and sentence dependency trees. However, due to a sentence often having multiple aspects sentiment representation, these models are hard to achieve satisfactory classification results. In this paper, we discuss these problems by encoding sentence syntax tree, words relations and opinion dictionary information in a unified framework. We called this method heterogeneous graph neural networks (Hete_GNNs). Firstly, we adopt the interactive aspect words and contexts to encode the sentence sequence information for parameter sharing. Then, we utilized a novel heterogeneous graph neural network for encoding these sentences’ syntax dependency tree, prior sentiment dictionary, and some part-of-speech tagging information for sentiment prediction. We perform the Hete_GNNs sentiment judgment and report the experiments on five domain datasets, and the results confirm that the heterogeneous context information can be better captured with heterogeneous graph neural networks. The improvement of the proposed method is demonstrated by aspect sentiment classification task comparison. 相似文献
17.
创新服务是图书馆事业不断发展的源泉和关键。本文在对图书馆服务评价方法回顾的基础上,通过创新服务环境、创新服务理念、创新服务内容、创新服务方式、创新用户（读者）感知等5个维度、17个指标构建了图书馆创新服务评价指标体系,基于灰色理论建立了图书馆创新服务的多层次评价模型。通过实例验证了灰色多层次评价模型对于管理者准确把握图书馆服务水平,对实现图书馆创新服务科学动态管理,以此提高创新服务质量、构建图书馆核心价值具有理性分析和客观选择的重要价值。 相似文献
18.
【目的/意义】应用改进的AHP-BP方法构建基于用户感知的科研项目数据库服务质量评价体系。【方法/ 过程】根据传统AHP法得出指标权重,计算出专家群组的净感知相关系数矩阵,确定了专家权重,进而求解得到评 价指标的综合权重,然后以多组数据为先验样本进行BP神经网络的训练、测试和验证,从而得出了可供推广的 AHP-BP神经网络的科研项目数据库综合指标权重模型。【结果/结论】对指标权重的分析表明,对于科研项目数据 库来说,内容是最关键的评价指标,且改进的AHP-BP神经网络评价模型所得结果更加客观合理。 相似文献
19.
应用服务提供商(ASP,Application Service Provider)网络时代诞生的一种新型商业模式.受到了学术界和产业界的广泛关注.在学术研究上,ASP涵盖了经济学、管理学、社会组织科学的知识.以及工程技术方面的软件、硬件、网络技术等;在应用实践方面,ASP引领IT服务企业塑造全新的运营模式,使用户提高竞争力.赢得未来的成功.本文通过对ASP的综述分析,从基础理论、相关问题、产业发展和研究动态等方面.对ASP进行总结研究,对未来的研究进行展望,并对后续的工作提出创新建议. 相似文献
20.
《Information processing & management》2020,57(6):102290
In this paper we introduce HEMOS (Humor-EMOji-Slang-based) system for fine-grained sentiment classification for the Chinese language using deep learning approach. We investigate the importance of recognizing the influence of humor, pictograms and slang on the task of affective processing of the social media. In the first step, we collected 576 frequent Internet slang expressions as a slang lexicon; then, we converted 109 Weibo emojis into textual features creating a Chinese emoji lexicon. In the next step, by performing two polarity annotations with new “optimistic humorous type” and “pessimistic humorous type” added to standard “positive” and “negative” sentiment categories, we applied both lexicons to attention-based bi-directional long short-term memory recurrent neural network (AttBiLSTM) and tested its performance on undersized labeled data. Our experimental results show that the proposed method can significantly improve the state-of-the-art methods in predicting sentiment polarity on Weibo, the largest Chinese social network. 相似文献