共查询到20条相似文献，搜索用时 437 毫秒
1.
[目的/意义]探索用户生成内容（User-Generated Content, UGC）跨平台投放情境中受众信息行为的特征能够揭示群体信息行为的互动模式，也有助于为监管信息行为实现科学的决策与引导。[方法/过程]基于自媒体博主投放于抖音、快手与B站的视频内容，采用信息计量学与主题建模相结合的方法对受众信息行为进行测算与主题挖掘，探究UGC跨平台投放对受众信息行为的影响。[结果/结论 ]研究结果表明，受众的间接互动与直接互动之间没有直接关联；UGC跨平台投放对受众信息行为有直接影响；UGC跨平台投放情境下，受众在与视频内容互动时会涉及相同的话题，但同样含有不同的衍生话题。 相似文献
2.
[目的/意义]探究中国政府网"一带一路"相关新闻的话题内容及热度变化，呈现"一带一路"倡议主题及动态，明确不同时期的倡议重点，为相关研究提供参考。[方法/过程]构建基于LDA模型的新闻话题内容的基本框架，限定2015-2017年"一带一路"相关新闻数据，利用LDA模型进行话题抽取，根据文档与话题的概率分布计算，分析各主题在不同时间段的热度演化。[结果/结论]抽取得出30个细分话题，归纳为政策沟通、设施联通、贸易畅通、资金融通、民心相通、"一带一路"对我国经济的影响和政府工作7大类。其中，政策沟通类在全时间段上热度最高，贸易畅通和"一带一路"对我国经济的影响两类话题紧随其后。"进出口"等细分话题的热度不断上升，"改革与转型"等细分话题的热度则有下降，体现了官方媒体新闻内容及其关注度随时间而变化的特点。 相似文献
3.
[目的/意义]分析用户生成内容（user generated content,UGC）平台用户基于收藏的数字囤积行为的影响因素,以期丰富和拓展数字囤积领域的研究,并为优化UGC平台设计提供参考。[方法/过程]以小红书为例,基于计划行为理论,构建UGC平台用户数字囤积行为影响因素模型,通过问卷调查收集数据,利用软件SPSS和AMOS进行数据分析。[结果/结论]态度和主观规范正向影响用户数字囤积意愿,态度、文化认同和实物囤积行为正向影响用户数字囤积行为。UGC平台可通过引导用户审慎收藏、提供提醒和定期清理功能、设置收藏上限与分类标签以应对用户基于收藏的数字囤积行为。 相似文献
4.
网络舆情衍进指数构建与实证分析 总被引：1，自引：0，他引：1
[目的/意义]提出和构建网络舆情衍进指数，以描述网络舆情演化过程中常衍生出新的子话题的现象，对于舆情预警、预测具有重要的理论及实践意义。[方法/过程]以文本聚类结果和文本聚类有效性为依据，提出网络舆情衍进的判别标准和舆情衍进指数的构建过程，并以"教科书老赖"这一事件作为样本数据进行实证分析。[结果/结论]所构建的舆情衍进速率指数可以用于描述舆情衍进。在突发期阶段话题舆情衍进指数最高，此后逐渐下降，这一阶段的舆情衍进最为剧烈，子话题的出现呈现爆发性增长；舆情衍进指数在舆情蔓延期内出现阶梯式下降，此后保持为负值，舆情的子话题开始逐渐减少，舆情内容本身由发散转为收敛；进入消散期后，子话题数量趋于稳定。作为舆情衍进速率的测度和舆情衍进的判别方式，舆情衍进指数为舆情监管和舆情预警提供了全新的角度。 相似文献
5.
基于主题模型的科技报告文档聚类方法研究 总被引：1，自引：0，他引：1
[目的/意义]探索实践以科技报告为文献载体形式的融合主题模型的文本聚类方法,拓展基于科技文献进行技术监测服务的新领域,提出基于科技报告进行语义分析的新方法。[方法/过程]以国家科技报告服务系统中的科技报告为数据源,首先基于LDA主题模型对经过文本预处理的科技报告进行主题挖掘,再基于Ward与K-means相结合的聚类算法对包含主题分布信息的文本向量进行聚类分析,尝试提出一种适合科技报告文档聚类的文本挖掘新方法。[结果/结论]实验结果表明,LDA主题模型能有效准确挖掘科技报告中的主题信息,所提出的Ward与K-means相结合的聚类算法对科技报告的聚类效果也优于其它传统聚类算法。 相似文献
6.
[目的/意义]准确把握社交网络用户兴趣倾向,对用户进行分类并形成高聚合的用户群,对研究社交网络信息生态以及信息推荐有重大意义。[方法/过程]通过构造基于多维度的用户属性描述层次模型,根据模型数据需求从新浪微博抓取用户样本数据,对相关用户背景信息、用户博文信息以及用户行为信息的多维度属性下二阶变量进行量化,构造用户向量表达式,比较单一维度与多维度下的用户分类效果,进一步给属性赋予不同的权重值进行加权分析,在取得最优聚类效果后进行方差分析,对模型进行改进。[结果/结论]基于多维度属性加权后的用户聚类效果明显高于单一维度及多维度非加权条件下的用户聚类,且用户博文内容维度对于提高用户聚类效果的有效性最大。 相似文献
7.
8.
[目的/意义]在海量网络新闻和微博等新媒体文本中自动识别网络热点话题并抽取有意义词串来描述热点事件,对自动识别和描述网络舆情具有重要的研究意义。[方法/过程]在现有热点描述词抽取方法中,利用关联规则或多元词组合方法在抽取过程中存在噪音词较多和特征词语义被放大或转移等问题。本文提出一种基于复合词生成的描述词抽取方法,在所提取的语义更为精确的描述词集合上使用一趟聚类算法对新闻文本进行聚类,自动识别网络热点话题并对热点话题进行排名。[结果/结论]对腾讯新闻事件文本数据集所做的实验结果表明,本文所提出的方法较传统的词特征抽取方法在聚类结果上具有更好的话题簇识别能力和簇描述能力。 相似文献
9.
基于谱聚类的虚拟健康社区知识聚合方法研究 总被引：1，自引：0，他引：1
[目的/意义] 改善虚拟健康社区知识聚合质量,为虚拟健康社区服务提供技术方法支持。[方法/过程] 运用谱聚类方法对虚拟健康社区中的知识进行抽取,利用概念相似度计算得到知识主题相似度矩阵,根据该相似度矩阵进行谱聚类。[结果/结论] 利用好大夫在线健康咨询平台发布的信息作为数据来源进行方法验证。结果表明,当聚类个数为5时,本文提出的方法得分值最高。通过谱聚类的方法充分挖掘虚拟健康社区潜在信息,改善了知识聚合质量,为知识聚合和知识服务提供了一条新途径。 相似文献
10.
[目的/意义]探索领域知识发展过程中的聚类演化问题有助于揭示知识聚类的特征和规律,对于掌握知识生长演进过程中关联知识的聚集具有重要意义。[方法/过程]以复杂网络的思想为基础,基于标签邻接关系的发生值构建时间序列领域知识网络。即依据网络模体的理论,采用网络聚类系数的分析方法,对领域知识网络进行动态跟踪与分析;结合网络密度、特征路径长度、节点度值、封闭三元组等指标,从随机因素、度相关性、邻近关联3个方面对领域知识发展过程中的聚类演化现象进行分析。[结果/结论]研究结果表明：①领域知识在发展进程中始终保持较高的聚类性;②领域知识的聚类性同时包含随机性与结构性（非随机性）两方面因素; ③领域知识聚类的动态状态在小世界网络和无标度网络之间摇摆演化; ④领域知识的聚类状态在网络全局和局部节点之间表现出一定的差异性。 相似文献
11.
基于情感分析的移动图书馆用户生成内容评价效果研究 总被引：1，自引：0，他引：1
[目的/意义]通过对移动图书馆用户生成内容的情感分析,预测用户情感倾向对移动图书馆资源的评价效果,从而更好地实现移动图书馆资源推广和精准推荐服务。[方法/过程]基于情感分析提出移动图书馆用户生成内容评价效果分析过程,以获取的"掌阅图书馆"中15部年度畅销书籍的用户生成内容为研究样本,对数据进行预处理,在此基础上从领域词典构建、情感分类、评价效果3个过程入手进行分析。[结果/结论]数据分析结果表明,移动图书馆UGC用户情感倾向具有多元性和一致性,中性评价具有重要性,能够较为准确地预测移动图书馆资源的得分情况。将情感分析相关理论和方法引入移动图书馆UGC研究,能够为移动图书馆完善其服务措施、提高其服务质量提供参考意见。 相似文献
12.
[目的/意义]借助信息扩散研究方法,对伴随文化内容传播的社交媒体热点这一特殊类型事件中的民族文化演化扩散规律进行探究,为解释民族文化扩散规律、推动民族文化传播提供新视角。[方法/过程]以微博平台“丁真事件”发布文本为数据来源。基于LDA主题模型、民族文化符号识别与情感分析构建主题—民族文化符号—情感关联网络,对热点事件中不同主题传播伴随的民族文化演化扩散动态进行情境还原。量化不同类型用户的民族文化传播影响力,探究热点事件中不同主体的民族文化传递接力过程。[结果/结论]结果表明,从主题—民族文化符号—情感关联网络构建与传播主体影响力两大层次分析社交媒体情境下民族文化扩散路径规律,可帮助人文学者精准把握文化传播细节及其动态交互特征。 相似文献
13.
[目的/意义]借助信息扩散研究方法,对伴随文化内容传播的社交媒体热点这一特殊类型事件中的民族文化演化扩散规律进行探究,为解释民族文化扩散规律、推动民族文化传播提供新视角。[方法/过程]以微博平台“丁真事件”发布文本为数据来源。基于LDA主题模型、民族文化符号识别与情感分析构建主题—民族文化符号—情感关联网络,对热点事件中不同主题传播伴随的民族文化演化扩散动态进行情境还原。量化不同类型用户的民族文化传播影响力,探究热点事件中不同主体的民族文化传递接力过程。[结果/结论]结果表明,从主题—民族文化符号—情感关联网络构建与传播主体影响力两大层次分析社交媒体情境下民族文化扩散路径规律,可帮助人文学者精准把握文化传播细节及其动态交互特征。 相似文献
14.
[目的/意义]作为科学学预测的重要组成部分,学科主题热度预测旨在揭示学术前沿和发展趋势,辅助学者发现前沿选题,支持科研管理机构科学立项。[研究设计/方法]提出基于期刊影响因子的学科主题热度计算指标(TP-JIF),构建基于LSTM神经网络的学科主题热度预测模型(TPP-LSTM),并以LIS领域数据为例,通过时间切片的形式抽取、计算学科主题的热度序列,检验不同长度时间序列下模型的各项误差。[结论/发现]相对于RBF-SVM、Linear-SVM、KNN、Naive Bayesian等模型,TPP-LSTM预测模型可有效表征学科主题热度时间序列的特性,当时间序列长度为4年时预测效果相对较好。[创新/价值]提出的基于期刊影响因子的学科主题热度计算指标,能够有效刻画不同学术刊物对学科影响的差异,规避了单纯依据频率计算热度的弊端;构建的学科主题热度预测模型,有效表征了学科主题的时间序列变化规律,减小了各项预测误差,预测效果较好。 相似文献
15.
[目的/意义]旨在构建社会化问答社区用户生成答案质量评价指标体系，实现面向用户需求的答案质量自动化评价和筛选，提高社会化问答社区知识服务质量。[方法/过程]引入社会情感特征和用户特征，运用因子分析和结构方程实证构建用户生成答案质量评价指标体系。基于GA-BP神经网络模型设计答案质量自动化评价方法。最后，选取知乎网站数据对用户生成答案质量评价指标体系和自动化评价方法进行应用研究。[结果/结论]构建包含答案文本特征、回答者特征、时效特征、用户特征、社会情感特征5个维度的评价指标体系。实验分析发现基于GA-BP神经网络的答案质量自动化评价方法相比于其他方法准确率较高、平均误差低，具有可行性和有效性，能够进一步应用和推广实践。 相似文献
16.
[目的/意义] 探索微博舆情传播周期中不同传播者关注的舆情热点和传播内容的主要观点,进而发现舆情传播的特点和规律,为舆情分析与决策提供依据。[方法/过程] 以特定舆情事件的事实文本数据为来源,以生命周期理论和LDA方法为指导,设计研究流程与构建研究模型,对微博舆情事件中不同传播者的话题进行主题研究,其中包括主题抽取和结果语义标注、各阶段的不同传播者主题的语义分析、基于时间维度的舆情主题观点识别与刻画。[结果/结论] 研究发现,论文所提出的研究模型能够挖掘出舆情传播周期中不同传播者的主题结构、观点脉络以及特征,研判出分布在文字当中有关联性的、代表性的、重要的词语。同时,结论中还发现微博中的官媒、大众媒体发布信息中的话题和用户谈论的热点话题具有明显的差异性。 相似文献
17.
［目的/意义］提出一种基于用户行为情景的UGC质量实时预判的新思路,改进当前单一的基于文本的UGC质量预测方法。［方法/过程］在分析影响用户UGC行为的情景要素的基础上,确定UGC用户行为情景的构成,引入本体来描述和表示用户行为情景,构建用户行为情景本体框架,为UGC质量预判提供情景语义依据。［结果/结论］该方法能增强UGC质量预判的准确性和实时性。 相似文献
18.
[目的/意义]基于科技论文多特征项共现突发强度的分析方法研究是将各学科领域科技论文文献载体中的多特征项共现信息定量化、重点热点突发的信息内容可视化的知识图谱分析方法。从动态论文等文献的文档流中探测出突发的特征项对识别密集的内容、活跃的特征项以及预测文本内容的发展走势具有重要的意义。[方法/过程]本研究针对科技论文多特征项共现的突发监测问题,对比目前已有的突发监测分析算法,将改进后的基于卡方统计的热点词计算方法进一步应用于本研究所设计的多特征项突发共现分析方法,并自主开发多特征项突发共现可视化分析工具,用于科技论文多特征项突发共现的图谱可视化,以期通过该研究来揭示相关科技文献的变化状况及突发的热点内容。[结果/结论]通过将本方法应用到科研机构年度发表论文的监测当中,可以监测分析科研机构发文作者、关键词、发表期刊及其相互间关系(如作者-关键词等)在各年的突发情况,并能通过该分析方法以及交叉图谱进一步解读突发特征项的含义,并能揭示出比分析单一特征项突发情况更为广泛和深入的知识内容。 相似文献
19.
[目的/意义]微博评论情感分类模型可以为相关舆情监管部门正确管控话题事件的发展状况和舆情提供一定的指导作用。[方法/过程]基于字词向量的多尺度卷积神经网络，运用多尺度卷积核改善微博评论中上下文信息有限的条件制约，构建基于字词向量的多尺度卷积神经网络微博评论情感分类模型；通过爬取"微博热搜整改"数据，对模型的可行性和优越性进行验证。[结果/结论]验证结果表明基于字词向量的多尺度卷积神经网络在微博舆情等上下文信息有限的短文本分类任务中表现良好。本文在理论层面为微博舆情情感分类提供了更为准确的情感分类理论模型及分类方法，在实践层面可以更好地指导舆情监管部门对舆情的情感倾向进行更好的引导和监管。 相似文献
20.
[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。 相似文献