首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   5篇
  免费   3篇
科学研究   6篇
信息传播   2篇
  2022年   4篇
  2020年   2篇
  2019年   2篇
排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
[目的/意义]大规模在线开放课程论坛具有丰富的用户评论数据。从大量未区分的评论数据中,自动识别出知识密度较高的探索型对话并挖掘其潜在价值,对于改善教师教学质量以及提高学生知识水平具有重要影响。[方法/过程]首先利用GloVe方法训练词向量,加强对文本语义的理解,然后利用卷积神经网络自动学习文本特征,提出一种基于深度学习的探索型对话自动识别模型,并在学堂在线平台《心理学概论》课程论坛标注数据集上进行实证与对比研究。[结果/结论]实验结果显示,利用GloVe方法预训练词向量以及在训练过程中不断对词向量进行学习修正能够提高模型效果。该模型识别探索型对话的F1值为0.94,相较于传统的朴素贝叶斯方法(0.88)、逻辑斯谛回归方法(0.89)、决策树方法(0.88)以及随机森林方法(0.88)取得较大提升,具有较高的实用性和较低的学习成本。  相似文献   
2.
张瑞  董庆兴 《情报科学》2020,38(6):67-75
【目的/意义】知识流动模式能够动态反映知识形态在知识流动中发生的变化,体现学科系统中不同知识体 系的发展规律,因此从科学文献角度出发研究知识流动模式的发现具有重要意义。【方法/过程】以图书情报学领域 为例,设计一种组合方法,首先采用LDA(latent Dirichlet allocation,隐狄里克雷分布)主题模型进行领域内文献的主 题聚类,然后提取引用和被引用数据构成主题知识流入、流出特征,并作为HMM(Hidden Markov Model,隐马尔可 夫模型)训练模型的观测值序列,识别不同的隐藏状态,进一步对模型的拟合效果进行评估,最后通过聚类分析将 隐藏状态序列与知识流动模式一一对应,揭示图书情报学领域存在不同知识流动模式的差异性。【结果/结论】实验 结果显示,不同类型的知识流动模式具有不同的表现形式,反映了领域内部主题研究的演变历程,为理解和认识科 学发展趋势具有一定价值。  相似文献   
3.
[目的/意义]为了在线健康社区的可持续发展,增强用户粘性,有必要对在线健康社区用户持续使用意愿影响因素进行研究。[方法/过程]通过感知收益和感知成本来衡量感知价值,并将感知价值理论结合期望确认模型构建了在线健康社区用户持续使用意愿的结构方程模型,采用问卷调查方法收集数据,利用AMOS 21.0验证模型中的假设。[结果/结论]研究结果表明:来源可靠性、信息准确性及时效性的提高能有效提高用户感知收益,进而对感知价值产生正向的影响;而更高的隐私安全性与反馈及时性则能通过降低感知成本提高用户的感知价值;感知有用性和感知价值显著影响用户满意度,进而影响用户持续使用意愿;相比于感知价值,在线健康社区中感知有用性对用户满意度的影响相对较小。  相似文献   
4.
5.
[目的/意义]理解用户需求是企业管理实践中的重要一环,在线评论作为用户偏好表达的重要渠道,是企业发现用户需求的重要数据来源。因此,如何从在线评论中有效挖掘出用户需求,是一个重要的研究问题。[方法/过程]文章构建了一个基于KANO模型、面向在线评论的用户需求分析框架。首先利用LDA主题模型从在线评论中抽取商品属性,然后基于BERT模型标注出不同属性上的评论短句,并对其进行情感分析,最后依据不同属性上的评论短句与情感分析结果,通过KANO模型分析用户属性需求。以手机评论数据为例对模型进行验证。[结果/结论]将商品属性分为必备属性、期望属性、魅力属性与无差异属性四类,并以可视化结果呈现。实验结果表明面向在线评论的用户需求分析框架能够有效提取在线评论中用户的属性需求信息,为企业提供产品改进策略参考。[局限]样本数据集有限,存在不均衡状况。  相似文献   
6.
社交媒体改变了人们获取信息的方式,但也助长了错误信息在网络上的产生和传播。如何准确且快速地检测出社交媒体上的错误信息以净化网络环境,是一个重要的研究议题。本文从信息生态理论出发,分别从内容、用户和传播三个角度来阐述当前错误信息检测所关注的问题以及对应的检测方法,对近年来国内外的相关研究成果进行了系统梳理。现有的检测方法已经利用深度学习等技术取得了较好的检测结果。但是,由于错误信息爆发初期相关数据较少,有关早期检测的研究尚不多见;能够实现有效迁移和预训练的大规模基准数据集仍有待构建;从用户入手的信息挖掘有待进一步深入研究。  相似文献   
7.
[目的/意义]理解用户需求是企业管理实践中的重要一环,在线评论作为用户偏好表达的重要渠道,是企业发现用户需求的重要数据来源。因此,如何从在线评论中有效挖掘出用户需求,是一个重要的研究问题。[方法/过程]文章构建了一个基于KANO模型、面向在线评论的用户需求分析框架。首先利用LDA主题模型从在线评论中抽取商品属性,然后基于BERT模型标注出不同属性上的评论短句,并对其进行情感分析,最后依据不同属性上的评论短句与情感分析结果,通过KANO模型分析用户属性需求。以手机评论数据为例对模型进行验证。[结果/结论]将商品属性分为必备属性、期望属性、魅力属性与无差异属性四类,并以可视化结果呈现。实验结果表明面向在线评论的用户需求分析框架能够有效提取在线评论中用户的属性需求信息,为企业提供产品改进策略参考。[局限]样本数据集有限,存在不均衡状况。  相似文献   
8.
张倍思  陈烨  齐艺  董庆兴 《情报科学》2022,40(5):104-110
【目的/意义】信息技术与互联网技术的飞速发展让教育行业进入了大数据时代。由于学习者在整个学习 过程中的学习行为数据能够被记录下来,这种多源过程性数据为基于大数据的教育评价提供了新的可能。【方法/ 过程】本文从学习者行为特征视角出发,设计了多源过程性数据驱动的学习者综合评价模型。该模型利用流数据 聚类算法对不断涌入的学习者数据进行处理,及时生成或更新学习者画像,然后基于学习者画像对学习者学习行 为进行分析,构建学习者综合评价模型,以实现对学习者学习表现的实时反馈。【结果/结论】该模型可以对学习者 的学习过程进行综合评价,及时的反馈有助于教学评价的开展,同时丰富现有的教学评价体系,为实现教学评价与 优化教学的良性循环提供依据和参考方向。【创新/局限】本文提出了过程性数据驱动的对学习者动态综合评价模 型,后续将基于研究模型开展实际应用研究。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号