检索结果-南通市图书馆

复杂网络上具有自适应行为的故障-恢复传播动力学研究

在线全文

学校读者我要写书评

暂无评论

电子科技大学学报 2024年第3期53卷 473-480页

作者：郭志成刘影陈钰书唐明西南石油大学计算机科学学院成都610500 华东师范大学物理与电子科学学院上海200241 华东师范大学上海多维信息处理重点实验室上海200241

在故障-恢复动力学中,节点受内部或外部因素而故障失效后能够有概率自发恢复。考虑到未故障的节点存在避免故障的自适应行为,建立自适应网络上的故障-恢复传播模型。在该模型中,活跃节点为了改善自身局域环境以降低外部故障概率,将主动... 详细信息

在故障-恢复动力学中,节点受内部或外部因素而故障失效后能够有概率自发恢复。考虑到未故障的节点存在避免故障的自适应行为,建立自适应网络上的故障-恢复传播模型。在该模型中,活跃节点为了改善自身局域环境以降低外部故障概率,将主动断开与故障邻居的连边,直到故障邻居恢复正常工作后再重新建立连接。基于点对近似思想建立了理论框架,用于预测故障率的时间演化趋势和系统的最终故障规模。大量的计算机仿真结果验证了理论预测的准确性,并发现系统具有相变和磁滞现象。在不同的自适应断边速率和外部故障速率下,自适应行为能使系统的磁滞区域产生或消失,系统将出现受初始故障规模影响的双稳态区域。

关键词：故障-恢复传播动力学自适应行为点对近似相变

基于Stacking集成学习的用户付费转化意向预测方法研究--以免费增值游戏为例

在线全文

学校读者我要写书评

暂无评论

数据分析与知识发现 2024年第2期8卷 143-154页

作者：李美玉刘洋王艺璇朱庆华南京大学信息管理学院南京210023

【目的】提出基于Stacking集成学习预测用户付费转化意向的模型,精准识别潜在付费用户。【方法】基于Stacking集成学习方法构建付费意向预测模型,通过对比不同基模型组合预测效果确定基模型组合方案,借助游戏玩家行为数据集验证模型优越... 详细信息

【目的】提出基于Stacking集成学习预测用户付费转化意向的模型,精准识别潜在付费用户。【方法】基于Stacking集成学习方法构建付费意向预测模型,通过对比不同基模型组合预测效果确定基模型组合方案,借助游戏玩家行为数据集验证模型优越性,并进行可移植性验证。【结果】本文模型预测准确率达90.88%,F1值90.71%,AUC值0.9602,相对于对比模型中表现最差的Bayesian模型在三种指标上分别提升4.15个百分点、4.50个百分点和0.1062。【局限】无法预测玩家是否会产生非理性消费行为。【结论】本研究验证了游戏付费情境下Stacking集成学习方法的适用性,多模型的融合可以获得稳定、准确的付费意向预测结果,并证明了模型在预测不同领域用户付费意向上具备可移植性。

关键词： Stacking集成学习模型融合免费增值模式付费意向可移植性

在线全文

学校读者我要写书评

暂无评论

基于短视频网络的互联网舆情演化研究

数据分析与知识发现 2024年第5期8卷 113-126页

作者：魏宏程朱恒民魏静叶东宇南京邮电大学管理学院南京210003 江苏高校哲学社会科学重点研究基地—信息产业融合创新与应急管理研究中心南京210003

【目的】短视频已成为互联网舆情传播的新途径。为揭示短视频舆情的演化特征,本文提出基于短视频网络的舆情演化分析方法。【方法】分别计算短视频标题、封面和视频内容间相似度,构建短视频网络;基于层次聚类法从网络中识别视频主题,计... 详细信息

【目的】短视频已成为互联网舆情传播的新途径。为揭示短视频舆情的演化特征,本文提出基于短视频网络的舆情演化分析方法。【方法】分别计算短视频标题、封面和视频内容间相似度,构建短视频网络;基于层次聚类法从网络中识别视频主题,计量视频中音频与标题的情感;将视频发布账号划分为不同类别的利益相关者;最后,从主题、情感和利益相关者三个维度分析短视频舆情演化。【结果】研究结果表明,利用视频的多模态特征和视频间关系,可以有效地描述短视频舆情演化态势,且“标题+封面+视频内容”模态组合的SSE为6.708,优于其他单模态或多模态组合。【局限】本文使用的抖音平台短视频的音频数据包含纯背景音乐,使得音频模态的分析存在一定偏差。【结论】本研究有利于掌握短视频舆情中主题与群体情绪的演化,发掘不同视频账号的关注点与情感变化,及时对短视频舆情进行监管与引导。

关键词：舆情演化短视频网络多模态特征利益相关者

提示对学习者自我生成教学过程和学习效果的作用

在线全文

学校读者我要写书评

暂无评论

心理学报 2024年第4期56卷 469-481页

作者：王福兴黄宇张洋祝婉玲冷晓雪华中师范大学心理学院暨青少年网络心理与行为教育部重点实验室武汉430079

研究主要探讨了自我生成教学中不同类型的提示对学习效果和学习感知的影响。实验1发现自我生成教学的学习效果好于重复学习。实验2对比了图片、文字、关键词三种提示和无提示的效果。结果发现图片和关键词提示具有更好的学习效果。实验... 详细信息

研究主要探讨了自我生成教学中不同类型的提示对学习效果和学习感知的影响。实验1发现自我生成教学的学习效果好于重复学习。实验2对比了图片、文字、关键词三种提示和无提示的效果。结果发现图片和关键词提示具有更好的学习效果。实验3设置了关键词提示组、生成提示组和无提示组。结果发现关键词提示和生成提示的保持成绩好于无提示,生成提示的迁移成绩好于无提示。此外,关键词提示和生成提示可以促进学习者产生更多的概念单元。结论认为:(1)在自我生成教学时获得图片提示能促进知识保持,获得关键词提示能促进知识保持和迁移。(2)相比于被动获得提示,学习者主动生成提示更能促进知识迁移。(3)概念单元数量在提示影响学习效果中起中介作用。

关键词：自我生成教学提示检索练习关键词生成性学习

学术论文创新质量评价研究——以多能干细胞技术为例

在线全文

学校读者我要写书评

暂无评论

数据分析与知识发现 2024年第5期8卷 127-138页

作者：汪雪锋于慧妍郑思佳雷鸣北京理工大学管理学院北京100081

【目的】通过构建学术论文创新质量评价模型,探讨基于定量与定性相结合的科技评价方法,促进科学研究的渐进性创新。【方法】兼顾创新新颖性和影响性特征,采用Doc2Vec算法将非结构化文本内容转化为向量空间模型,继而运用余弦相似度测度... 详细信息

【目的】通过构建学术论文创新质量评价模型,探讨基于定量与定性相结合的科技评价方法,促进科学研究的渐进性创新。【方法】兼顾创新新颖性和影响性特征,采用Doc2Vec算法将非结构化文本内容转化为向量空间模型,继而运用余弦相似度测度文本内容相似度,同时应用待评价论文局部引文网络构建创新影响指数计算方法,并将新颖性和影响性测度结果映射到二维散点图中,基于区域划分构建学术论文创新质量评价模型。【结果】多能干细胞技术实证结果显示:本文方法与F1000推荐结果基本一致,能够在一定程度上弥补当前学术论文创新质量评价的不足。【局限】仅讨论了学术论文新颖性、学术论文创新影响两个因素,存在一定的片面性。【结论】本文构建的评价模型能够为定性的同行评议提供定量数据支撑,是对学术论文创新质量定量评价的有益探索。

关键词：创新质量新颖性颠覆性指数 Doc2Vec算法多能干细胞

在线全文

学校读者我要写书评

暂无评论

中文学术论文全文语步识别研究

数据分析与知识发现 2024年第2期8卷 74-83页

作者：杜新玉李宁北京信息科技大学计算机学院北京100101

【目的】针对学术论文语步识别相关研究存在只能处理少量的语步、语步识别粒度较粗、缺少公开的语步分类数据集等问题,研究学术论文的全文语步识别,为机器自动理解论文内容提供基础。【方法】基于BERT模型,采用多阶段微调的方式构建学... 详细信息

【目的】针对学术论文语步识别相关研究存在只能处理少量的语步、语步识别粒度较粗、缺少公开的语步分类数据集等问题,研究学术论文的全文语步识别,为机器自动理解论文内容提供基础。【方法】基于BERT模型,采用多阶段微调的方式构建学术论文语步分类数据集,并提出一种融入章节标题文本的语步识别方法,在细粒度层面实现中文学术论文全文语步的识别。【结果】实验结果表明,学术论文语步的22类别分类任务中,RoBERTa-wwm-ext模型总体准确率提升0.031,达到0.909,Micro-F1值提升0.022,达到0.837。【局限】所构建的学术论文语步分类数据集尚存在少量数据不平衡问题,所提方法受限于论文质量,这些问题得到改进后,模型对语步的识别能力应能得到进一步提高。【结论】所提方法取得了较高的语步识别准确率,研究成果可用于学术论文的自动理解、论文质量评价及论文语义检索等领域,对科技文献的有效利用具有重要作用。

关键词：学术论文理解语步识别预训练模型

融合LGBM和SHAP的企业负面事件下微博用户极端情感可解释模型

在线全文

学校读者我要写书评

暂无评论

数据分析与知识发现 2024年第7期8卷 103-117页

作者：蒋建洪李梦欣桂林电子科技大学商学院桂林541004

【目的】提取用户外部刺激和认知评价指标,构建企业负面事件下微博用户极端情感影响因素模型,利用SHAP解释各特征变量的影响。【方法】基于认知情感理论、社会影响理论、情感评价模型、LDA模型、扎根理论确定外部刺激和认知评价指标,并... 详细信息

【目的】提取用户外部刺激和认知评价指标,构建企业负面事件下微博用户极端情感影响因素模型,利用SHAP解释各特征变量的影响。【方法】基于认知情感理论、社会影响理论、情感评价模型、LDA模型、扎根理论确定外部刺激和认知评价指标,并将两类指标包含的特征变量作为输入,极端情感变量作为输出,构建极端情感影响因素模型。通过4个模型性能对比,将最优模型与SHAP模型融合进行可视化展示。【结果】认知评价维度提取出7个特征变量;LGBM模型的准确率、精确率、F1值分别达到0.88、0.90、0.93,优于其他对比模型;从特征变量对微博用户极端情感产生的影响程度来看,认知评价维度普遍高于外部刺激维度,且各特征变量的影响方式有所不同。【局限】需要探索更多影响因素及更广泛的企业负面事件类型,算法性能有待提高。【结论】本研究提出的模型优化了扎根编码过程,可视化各特征变量对极端情感的影响程度、影响方向、影响大小及影响方式,可以为企业解决网络口碑负面化的问题提供理论依据。

关键词：企业负面事件 LGBM SHAP 扎根理论认知情感理论

在线全文

学校读者我要写书评

暂无评论

基于层次标签结构的标记分布学习

数据分析与知识发现 2024年第2期8卷 44-55页

作者：刘勘游美琳卫兰茜中南财经政法大学信息与安全工程学院武汉430073 中国移动通信集团四川有限公司成都610041

【目的】考虑到标记分布学习中标记之间具有层次结构关系,将层次标签结构引入标记分布学习,提升标记分布学习的效果。【方法】提出一种基于层次标签结构的标记分布学习算法(Hierarchy Label Distribution Learning Algorithm,H-LDL),根... 详细信息

【目的】考虑到标记分布学习中标记之间具有层次结构关系,将层次标签结构引入标记分布学习,提升标记分布学习的效果。【方法】提出一种基于层次标签结构的标记分布学习算法(Hierarchy Label Distribution Learning Algorithm,H-LDL),根据样本在各层次的标签,利用条件概率描述粗、细两个层次的结构关系,并通过层次加权损失函数及其优化策略调节层次间标记的准确分布。【结果】在两个公开数据集上进行实验,用了5个指标进行效果检测,其中,BU_3DFE数据集在Euclidean、Squared、K-L指标中较基线算法最低值分别降低了3.99%、1.07%、3.10%,Intersec和Fidelity指标较基线算法最高值分别提升了4.24%、0.67%,COMP数据集在Euclidean指标上降低了0.48%,在Squared、K-L指标未见明显降低,在Intersec和Fidelity指标上提升了0.45%、0.02%。【局限】仅考虑了标签之间粗层次和细层次两层结构关系,当标签具有其他更复杂的层次结构关系时需进一步研究。【结论】加入层次标签结构后标记分布误差有明显减小,有效提升了标记分布学习的效果。

关键词：层次结构标记分布学习层次标签条件概率

在线全文

学校读者我要写书评

暂无评论

稀疏样本下长术语的抽取方法

数据分析与知识发现 2024年第1期8卷 135-145页

作者：吕学强杨雨婷肖刚李育贤游新冬北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 中国人民解放军军事科学院系统工程研究院复杂系统仿真总体重点实验室北京100101

【目的】为解决武器装备领域样本稀疏和长术语难以识别的问题,提出头尾指针和主动学习相结合的方法。【方法】首先,使用BERT预训练语言模型得到词向量表示,利用头尾指针网络对长术语进行抽取;然后提出新的主动学习采样策略,在未标注样... 详细信息

【目的】为解决武器装备领域样本稀疏和长术语难以识别的问题,提出头尾指针和主动学习相结合的方法。【方法】首先,使用BERT预训练语言模型得到词向量表示,利用头尾指针网络对长术语进行抽取;然后提出新的主动学习采样策略,在未标注样本上筛选高质量样本不断迭代训练模型,降低模型对数据规模的依赖。【结果】模型针对长术语的抽取效果在F1值上有0.50个百分点的提升,通过引入主动学习后采样,仅大约50%高质量数据即可达到训练100%训练数据相同的F1值。【局限】限于计算能力,本文数据集规模较小;在文本处理阶段新增主动学习采样策略,进行大规模数据计算的时间成本较高。【结论】利用头尾指针和主动学习方法能够有效抽取长术语,同时降低数据标注的成本。

关键词：术语抽取主动学习头尾指针网络 BERT 武器装备