公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

突发事件情境下社交媒体用户的言语行为分类研究: 2023年; 言语行为的自动分类有助于理解社交媒体用户话语的意图和行为,从而有效刻画舆情态势。本研究基于言语行为理论,对社交媒体用户在文本中表达的意图进行了细粒度的分类,对与疫苗相关的四千条推文进行手动注释,基于用户特征、时间特征、文本向量特征、主题特征、情感特征等,采用逻辑回归、随机森林、XGBoost等机器学习方法以及BERT和神经网络模型的组合方法,构建并评估突发事件情境下社交媒体用户言语行为分类模型,随后采用SHAP解释方法进行特征重要性排序,并利用非参数检验方法Kruskal-Wallis检验对不同言语行为的情感、影响力等差异性进行检验。基于XGBoost模型的言语行为分类准确度达到0.792,优于其他基线模型。文本向量特征在言语行为识别中的重要性最高。不同的推文言语行为在转发数上没有显著差别,在点赞数和情感特征上具有显著差异。; 孙冉安璐; 关键词：言语行为主题分析突发事件情感分析

面向企业舆情监测的事件画像与高危人群预测研究被引量：10: 2020年; 文章旨在构建完整有效的企业舆情监测和分析体系,降低负面舆情爆发的概率。基于事件信息结构表示理论,构建面向企业舆情监测场景的事件画像体系。通过追溯用户的历史行为数据,采用多种语义挖掘算法及逻辑回归预测模型刻画事件背后的高危人群特征。以新浪微博“小黄车退押金”事件为例,对构建的事件画像与高危人群预测模型的有效性与可行性进行验证,均得到较好的效果。其中,高危人群预测模型的KS值为0.7472,AUC值为0.9412,验证了模型有较好的区分度。提出的研究框架能够有效刻画企业舆情相关的事件特征以及推动事件进程的关键人群特征。; 吴林安璐孙冉; 关键词：舆情监测企业舆情

基于buy+平台探究:虚拟现实技术对消费者购买意愿的影响被引量：1: 2017年; 本文基于buy+平台,研究虚拟商城的特性对用户感知判断和使用意愿的影响,以了解VR技术是如何影响消费者购买行为的。我们通过前期调研提出VR-UINT模型,然后依据模型进行问卷调查,发现用户与产品的交互以及虚拟世界自身的生动性能增强用户购物过程的感知体验和娱乐性,但远程呈现的影响却不显著;其次,较好的感知诊断和娱乐性有利于户进入沉浸式购物体验,使其更愿意回到虚拟世界中,VR技术的应用将会推动电子商务的进一步发展。; 范畅孙冉林长松; 关键词：VR 用户意愿

突发公共卫生事件中谣言识别研究被引量：14: 2021年; [目的/意义]揭示社交媒体环境下识别谣言过程中的关键要素和谣言识别机制,识别突发公共卫生事件中的谣言微博,研究及评估影响谣言识别的重要特征,有助于准确识别网络谣言、维护健康的网络生态环境。[方法/过程]文章抽取谣言微博的用户特征、时间特征、微博文本结构特征、文本语义特征和微博传播特征,结合MAIN理论模型,采用二元逻辑回归方法从信息内容、信息模态、信息源角度对谣言的影响因素深入研究,利用神经网络模型提取文本语义特征,构建融合文本语义特征的多特征谣言识别模型,并通过XGBoost算法计算不同特征在谣言识别中的重要性。[结果/结论]正向评论情感度、用户发布微博数、用户影响力越大,则是谣言的可能性越小。谣言识别模型的准确率达到0.984,其中,文本语义特征的重要性最高。; 孙冉安璐; 关键词：突发公共卫生事件神经网络模型

异质信息网络嵌入视角下公安微博传播预测研究被引量：4: 2020年; [目的/意义]预测用户是否转发、评论通缉微博,研究及评估影响通缉微博传播的重要特征,有助于公安微博提升其运营绩效,增强警民之间的沟通和合作。[方法/过程]针对通缉微博的特点,在抽取通缉微博的用户特征、时间特征、微博文本结构特征的基础上,提取通缉微博中的案件特征,包含案件地点关键字、时间关键字、通缉令等级、有无悬赏等,利用xgboost算法计算不同特征在转发、评论预测中的重要性,并结合传播网络特征和节点属性,构建基于特征属性异质信息网络嵌入的公安微博传播预测模型,并对模型进行训练和评估。[结果/结论]预测模型在转发、评论数据集上的AUC值分别达到0.737和0.799。由于该模型融合了网络结构特征和不同节点属性,更贴近现实的异质信息网络,相比传统的链接预测模型精确度更高。另外,特征重要性实验结果表明,所提出的案件关键字特征在影响微博转发、评论预测的所有特征中重要性最高。; 孙冉安璐; 关键词：信息传播链接预测

恐怖事件情境下微博影响力的预测及演化被引量：9: 2019年; [目的/意义]对恐怖事件情境下微博影响力进行预测并揭示其演化模式有助于反恐部门及时预见潜在的问题与危害,并迅速采取有效的应对措施。[研究设计/方法]本文提取了恐怖事件情境下微博的用户特征、时间特征和内容特征,构建了基于逻辑回归模型的恐怖事件微博影响力预测模型,并对预测模型进行训练和评估。[结论/发现]模型的预测准确率达到85.8%,能有效地完成预测任务。此外,对恐怖事件中高影响力微博的特征进行分析和总结,最后,提出基于h指数的微博主题影响力量化方法,并分析了恐怖事件情境下微博主题影响力的演化规律。[创新/价值]研究结果有助于发现可能产生高影响力的恐怖事件相关微博,评估微博信息的传播规模,了解公众对恐怖事件的关注内容、强度及变化规律,协助反恐部门进行舆情管理。; 安璐易兴悦孙冉; 关键词：恐怖事件主题识别情感分析 H指数

多特征融合的专利价值预测——以5G技术为例被引量：5: 2022年; [目的/意义]专利数据中包含大量的前沿技术信息,企业所拥有的专利可以用来衡量企业的技术创新能力。[方法/过程]本文选取Incopat专利数据库中与5G技术有关的专利数据,综合考虑专利价值的内部因素和外部因素,采用Logistic模型可视化国内外5G专利的技术生命周期,基于BERT模型对专利标题的文本语义信息进行特征提取,构建了包含专利技术特征、市场特征、法律特征、专利权人特征、文本语义特征在内的专利价值预测模型。分别采用传统机器学习模型(如随机森林、决策树、XGBoost等)和深度学习模型(如CNN、RNN等)进行训练和预测,基于SHAP解释方法分析专利价值预测模型中的特征重要性排序。[结果/结论]基于多特征融合的高价值专利预测模型的F1值达到0.894,优于其他的基线模型。在二级指标特征中,同族国家数的特征重要性最高;其次,公开国别、被引证次数在专利价值预测重要性较高。; 孙冉安璐李纲; 关键词：技术生命周期

全选清除导出

共1页<1>

孙冉