公共文化服务平台

共 10 条记录，以下是 1-9

全选清除导出

排序方式：

支持Deep Web数据库集成的图书搜索系统被引量：1: 2011年; 图书搜索系统以DeepWeb数据库的信息集成为背景,旨在为用户提供一个统一的查询接口,用户通过向统一接口提交查询,可获得各个图书网站集成的查询结果.主要介绍了系统框架、关键技术和主要演示过程.; 单菁王习特刘桐李延龙李英军聂铁铮寇月申德荣于戈; 关键词：数据抽取数据集成

WSR:一种基于维基百科结构信息的语义关联度计算算法被引量：27: 2012年; 该文提出了一种基于维基百科结构信息的语义关联度的计算方法——WikiStruRel(WSR).维基百科作为目前规模最大和增长最快的在线百科系统,其典型包括两个网状结构:文章网络和分类树(以树为主体的图),这两个网状结构包括了丰富的、明确定义的语义知识.WSR充分分析维基百科的文章网络和分类树,进而计算词语间的语义关联度.该方法没有涉及文本处理,算法开销较小,在3个数据集上的实验,取得了较好的准确率和覆盖度.; 孙琛琛申德荣单菁聂铁铮于戈; 关键词：维基百科分类树

Deep Web中基于查询松弛的数据集成研究: 在Deep web环境中，如何解决查询失败并保证查询执行结果的数据质量已经成为一个重要的研究问题。本文针对这一问题，提出了基于查询松弛的查询计划生成与数据集成方法.本文中首先提出了基于对象属性重要度的查询松弛算法，通过属...; 聂铁铮申德荣于戈刘楠单菁; 关键词：数据集成数据质量 WEB环境; 文献传递

基于DBLP数据集的作者研究兴趣挖掘: 2022年; 为从DBLP数据集中挖掘出作者研究兴趣,提出了基于DBLP数据集中有效信息的作者研究兴趣挖掘模型,主要是利用了数据集中作者姓名和论文题目进行研究兴趣的挖掘。因为DBLP数据集的元数据以XML格式存储,因此采用SAX解析器对其进行解析。解析出有用信息后,提出了一种基于索引的数据存储方式。由于作者研究兴趣词汇主要来自数据集中论文的题目,因此将题目划分短语后,根据短语的重要度,确定专家的研究兴趣词汇。经实验表明,该系统的运行速度较快,能较好地提取出作者的研究兴趣信息。; 邵明阳单菁; 关键词：数据存储

突发事件微博网络舆情分析及可视化——以“武汉封城”为例被引量：3: 2022年; [目的/意义]结合微博舆情社会属性与外化表现模型,对微博网络舆情进行研究。[方法/过程]基于心理学、传播学理论从人、事、情三个维度对突发事件微博舆情进行分析,以“武汉封城”事件为例进行实证研究,并建立网站进行相关可视化展示。[结果/结论]深入剖析舆情背后公众的关注重点,为舆情趋势的研判,政府对舆情的治理提供可靠的依据。从情报学、心理学、传播学多角度出发,定量和定性方法相结合,充分解读舆情,为以后的舆情研究提供新角度和新思路。; 李冉王佳英单菁魏招远; 关键词：网络舆情可视化意见领袖情感分析

基于文本挖掘的鸿蒙系统用户评论情感分析与研究被引量：1: 2021年; 随着科技的进步,由华为自主研发的首个国产手机操作系统成功问世,引起社会强烈反响。该文以网络爬虫抓取的用户评论为例,基于评论数据建立评估模型,主要使用文本描述性分析、SnowNlp情感分析和LDA潜在主题挖掘这3种方法,从不同角度对用户评论进行文本挖掘分析,找出评论大数据背后隐含的情感倾向、用户观点等深层信息,有助于企业了解用户的使用体验与口碑动态。该文分析模型的评估效果可信度较高,所采用的研究方法也适用于电商评论分析、社会舆情分析等方面。; 陈诺祎单菁王佳英石璐璐; 关键词：网络爬虫情感分析 LDA 文本挖掘

基于元学习的推荐算法选择优化框架实证被引量：5: 2020年; 针对给定特征的数据集,选择最佳推荐算法存在计算资源相对过高、耗时较长、正确率较低的问题,提出一种基于元学习的推荐算法选择优化框架,在常用元特征的基础上融入新的特征测度。将Donorschoose和Movielens作为实证数据集,实验分析KNN、SVD等算法的自动选择过程,通过3种元学习算法构建元模型,评估该模型的预测正确率。Stac-kingDecisionTree元模型所选择推荐算法具有较高预测性能,预测正确率分别达到86.58%和80.39%,实验结果表明了提出框架的可行性。; 任义迟翠容单菁王佳英; 关键词：元学习元模型

DenseCNN-ATT:实体关系抽取的密集连接卷积神经网络: 2021年; 在远程监督(Distant Supervision,DS)实体关系抽取任务中,采用远程监督的方式虽然可以产生大量的标注数据,但是这种方法产生的数据集充满大量的噪声数据,从而会降低关系抽取的性能。为此,我们针对现有深度学习使用浅层和单一深层神经网络模型提取特征的局限,设计了一个融合注意力机制的密集连接卷积神经网络模型——DenseCNN-ATT,该模型采用五层卷积深度的CNN,构成密集连接卷积模块作为句子编码器,通过增加特征通道数量来提高特征传递,减少了特征梯度的消失现象;此外,为进一步减少噪声影响,论文将网络的最大池化结果融合注意力机制,通过强调句子权重,来提升关系抽取性能。该模型在NYT数据集上的平均准确率达到了83.2%,相比于目前效果较好的浅层网络PCNN+ATT和深层网络ResCNN-9提升了9%~11%。实验证明,该模型能够充分利用有效的实例关系,在综合性能上明显优于目前效果较好的主流模型。; 李雅欣王佳英单菁邵明阳; 关键词：关系抽取卷积神经网络

基于重叠社区搜索的传播热点选择方法被引量：8: 2017年; 随着社交网络的蓬勃发展,信息传播问题由于具有广泛的应用前景而受到广泛关注,影响力最大化问题是信息传播中的一个研究热点.它致力于在信息传播过程开始之前选取能够使预期影响力达到最大的节点作为信息传播的初始节点,并且大多采用基于概率的模型,如独立级联模型等.然而,现有的影响力最大化解决方案大多认为信息传播过程是自动的,忽略了社交网站平台在信息传播过程中可以起到的作用.此外,基于概率的模型存在一些问题,如无法保障信息的有效传播、无法适应动态变化的网络结构等.因此,提出了一种基于重叠社区搜索的传播热点选择方法.该方法通过迭代式推广模型根据用户行为反馈逐步选择影响力最大化节点,使社交网站平台在信息传播过程中充分发挥控制作用.提出了一种基于重叠社区结构的方法来衡量节点影响力,根据这种衡量方式来选择传播热点.提出了解决该问题的两种精确算法(包括一种基本方法和一种优化方法)以及该问题的近似算法.通过大量实验验证了精确及近似算法的效率、近似算法的准确率以及迭代式传播热点选择方法的有效性.; 单菁申德荣寇月聂铁铮于戈; 关键词：信息传播社交网络

全选清除导出

共1页<1>

单菁