检索结果-南通市图书馆

基于文本相关性的高校网络舆情监控系统的设计与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

泉州师范学院学报 2016年第2期34卷 50-54页

作者：刘丽员杨昔阳泉州师范学院网络信息中心福建泉州362000 泉州师范学院数学与计算机科学学院福建泉州362000

随着互联网的发展,高校大学生通过网络对各个热点问题发表意见和评论,一些负面的舆情信息会对高校造成巨大危害.为了实现校园网的公共安全,利用聚焦网络爬虫技术和聚类技术设计实现了一个基于文本相关性的高校网络舆情监控系统.根据高... 详细信息

随着互联网的发展,高校大学生通过网络对各个热点问题发表意见和评论,一些负面的舆情信息会对高校造成巨大危害.为了实现校园网的公共安全,利用聚焦网络爬虫技术和聚类技术设计实现了一个基于文本相关性的高校网络舆情监控系统.根据高校网络舆情的特点,对聚焦爬虫和聚类算法进行一些改进,以提高热点话题发现的效率和精确度,从而有效增强对大学生网络舆情的监控.

关键词：聚焦网络爬虫聚类文本相关性舆情信息话题发现

多说有益还是无益?交易所网络平台互动与审计师定价策略

在线全文

学校读者我要写书评

暂无评论

财经论丛 2023年第4期 80-90页

作者：陈华孙汉沈胤鸿南京财经大学会计学院江苏南京210046

本文以2010—2020年中国沪深A股非金融上市公司为样本,探讨管理层网络互动平台信息披露与审计师定价策略之间的关系。研究发现,网络平台互动程度越高,审计师定价水平越低。管理层回复及时性和文本相关性均能够正向调节两者负向关系。作... 详细信息

本文以2010—2020年中国沪深A股非金融上市公司为样本,探讨管理层网络互动平台信息披露与审计师定价策略之间的关系。研究发现,网络平台互动程度越高,审计师定价水平越低。管理层回复及时性和文本相关性均能够正向调节两者负向关系。作用渠道检验表明,网络平台互动主要通过缓解“风险溢价机制”而非“成本补偿机制”来降低审计师定价水平。进一步的拓展性分析发现,上市公司风险信息、内部竞争文化和研发文本信息的披露能够降低审计师定价水平,验证了风险信息的趋同观、竞争文化的监督效应以及研发文本信息的信息增量效应。本文研究结论从网络平台互动的角度丰富了审计师实际获得的决策信息集,为审计师评估企业重大错报风险、制定合理的收费标准提供了可行的思路和参考。

关键词：网络平台互动管理层回复质量回复及时性文本相关性审计师定价

在线全文

学校读者我要写书评

暂无评论

基于社交的空间文本skyline查询

高技术通讯 2018年第3期28卷 194-206页

作者：陈子军郭莎莎刘文远刘永山燕山大学信息科学与工程学院秦皇岛066004 河北省计算机虚拟技术与系统集成重点实验室秦皇岛066004

将社交信息应用到空间文本skyline查询中,提出了基于社交的空间文本skyline(SSTS)查询。SSTS查询中skyline对象的选择依赖于三个方面:与查询用户之间的距离、与查询关键字的文本相关性和在用户中的流行性。该查询引入了新型的函数计算... 详细信息

将社交信息应用到空间文本skyline查询中,提出了基于社交的空间文本skyline(SSTS)查询。SSTS查询中skyline对象的选择依赖于三个方面:与查询用户之间的距离、与查询关键字的文本相关性和在用户中的流行性。该查询引入了新型的函数计算它的社交相关性。为了提高查询者的满意度,扩展了SSTS查询,提出了受限的基于社交的空间文本skyline(constrained SSTS,CSSTS)查询,同时引入了一个新颖的概念受限skyline。针对每一种查询,应用了裁剪策略和终止条件,提高了查询速度。最后,通过实验验证了所提方法的有效性。

关键词：社交网络 skyline查询文本相关性社交相关性受限skyline

在线全文

学校读者我要写书评

暂无评论

已知时间的空间文本skyline查询

计算机工程与应用 2020年第24期56卷 59-65页

作者：郭莎莎李爽阎红灿华北理工大学理学院河北省数据科学与应用重点实验室河北唐山063210

现有的空间文本skyline查询忽略了地理空间对象的时间信息,考虑到时间信息对应用的重要性,将时间信息应用到空间文本skyline查询中,提出了一种新的查询,即已知时间的空间文本skyline查询(Time-aware SpatialTextual Skyline Query,TSTSQ... 详细信息

现有的空间文本skyline查询忽略了地理空间对象的时间信息,考虑到时间信息对应用的重要性,将时间信息应用到空间文本skyline查询中,提出了一种新的查询,即已知时间的空间文本skyline查询(Time-aware SpatialTextual Skyline Query,TSTSQ)。TSTSQ中skyline对象的筛选依赖于三个条件:文本相关性、空间邻近和有效时间。分别设计了对象的空间文本相关性和时间文本相关性的计算函数,构建时空信息和文本信息的对象索引结构TKR-Tree,通过构造高效的裁剪策略实现了TSTSQ的查询算法。通过实验数据的分析和对比,验证了TSTSQ查询的有效性。

关键词：时间信息 skyline查询文本相关性位置相关性 TKR-Tree

基于深度特征提取的个性化高考志愿推荐系统研究

在线全文

学校读者我要写书评

暂无评论

基于深度特征提取的个性化高考志愿推荐系统研究

作者：宋小烜西北大学

学位级别：硕士

高考志愿填报是高考中的重要环节,对考生和家长而言意义深远。然而面对复杂多样的院校和专业信息,考生和家长很难在短时间内做出最符合自身需求的选择。个性化推荐能够根据用户特征和偏好推荐感兴趣的信息,已经在在线教育、专家筛选等... 详细信息

高考志愿填报是高考中的重要环节,对考生和家长而言意义深远。然而面对复杂多样的院校和专业信息,考生和家长很难在短时间内做出最符合自身需求的选择。个性化推荐能够根据用户特征和偏好推荐感兴趣的信息,已经在在线教育、专家筛选等教学科研领域得到成功的应用。针对高考志愿填报,本文进行了个性化高考志愿推荐系统研究,结合个人工作内容和多年从事高考招录工作的工作经验,构造高考志愿推荐文本,利用改进的卷积神经网络对文本进行特征提取,对其进行针对性优化,并设计了原型系统及展示,本文的主要工作如下:（1）针对当前高考志愿推荐网站系统仅进行关键词检索,无法理解语义特征进行个性化推荐的现状和问题,本文获取了官方及各大平台的院校信息和教育部院校专业学科评估数据,构建了高考志愿推荐文本以训练词向量。采用改进后的卷积神经网络进行语义特征提取,改善了当前主流网站和系统仅对关键词进行检索而缺乏语义信息的问题,利用该方法训练提取的特征具备更强的语义性和表征能力。（2）针对考生和家长对院校及专业了解较少,所提专业意向偏口语化生活化的问题,本文在提取语义特征的基础上进行了针对性的改进,使用基于内容的推荐算法和融合余弦相似度与共有词的方法对个性化程度以及综合权重进行了综合优化设计,使得个性化推荐效果更完备。最后,本文就所提出优化后的方法,进行了基于特征提取的个性化高考志愿系统研究设计。综上所述,本文针对高考志愿个性化推荐,构建了较为完整的高考志愿文本,设计了基于卷积神经网络的智能算法进行语义特征提取,并进行了针对性的优化,最后,本文进行了对应的个性化高考志愿推荐系统设计和展示。

关键词：高考志愿填报个性化推荐算法卷积神经网络文本相关性语义特征提取

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于语义融合的英文自动短答案评分方法

基于语义融合的英文自动短答案评分方法

作者：吴晗广西师范大学

学位级别：硕士

近年来,由于信息技术的飞速发展,人工智能渐渐成为人们研究的主流方向。智能教学系统（Intelligent Tutoring Systems,ITSs）作为计算机辅助教学的一部分由于其便捷、智能等特点越来越受教学相关的从业人员的喜爱。对于传统的人工评分方... 详细信息

近年来,由于信息技术的飞速发展,人工智能渐渐成为人们研究的主流方向。智能教学系统（Intelligent Tutoring Systems,ITSs）作为计算机辅助教学的一部分由于其便捷、智能等特点越来越受教学相关的从业人员的喜爱。对于传统的人工评分方法,一方面,需要耗费评分者极大的精力,给教师造成严重的工作负担;另一方面,还存在人为主观的因素影响评分质量,使得评分结果带有不公平性。渐渐地,越来越多的研究人员将对神经网络和深度学习的研究应用到各个方面。通过深度学习进行短答案评分,不仅可以有效地避免人为判卷时的主观影响,而且减少了教师的教学工作。自动短答案评分（Automatic Short Answer Grading,ASAG）是智能教学系统的关键组成部分。然而,ASAG的深度学习方法仍然存在以下两大挑战:（1）高精度评分要求评分者对答案文本有深刻的理解;（2）ASAG的语料库通常较小,不能为深度学习提供足够的训练数据。为解决上述问题,本文提出了如下两种基于深度学习的自动英文短答案评分方法:（1）提出一种基于多维嵌入的自动英文短答案评分方法,结合句法分析方法对文本语义进行深入理解。该方法以自然语言处理基本任务之一的文本匹配任务作为切入点对文本语义做深入理解,研究在不同的文本之间语义的关系。构建带有深层语义表示的方法抽取文本蕴涵的语义信息。先在Quora数据集上评估文本语义的理解程度,然后在扩充的Mohler数据集上验证带有语义理解的深度学习方法与不带有语义理解的深度学习方法之间的差异。（2）提出一种基于BERT（Bidirectional Encoder Representation from Transformers）的自动英文短答案评分方法,在保证文本的深入理解的同时解决在小语料上训练数据不足的问题。首先对于训练数据不足的问题,采用主流的预训练模型作为信息编码方法,为实现对短答案文本的深入理解,在BERT基础之上构建了一个由Bi-LSTM和胶囊（Capsule）网络组成的语义细化层,并提出符合短答案评分任务需求的triple-hot变种交叉熵损失函数取代初始的one-hot损失函数,在Sem Eval-2013数据集和Mohler数据集上验证模型效果。

关键词：短答案自动评分文本相关性 BERT语言模型胶囊网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

企业信息披露与资本结构动态调整

统计与信息论坛 2021年第9期36卷 77-88页

作者：张志强黄冰冰吴传琦中国出口信用保险公司博士后科研工作站北京100033 中国人民大学商学院北京100872 清华大学社会科学学院北京100084

管理层讨论与分析(MD&A)是上市公司定期报告中的重要非财务信息,发布公司未来发展以及战略部署的相关信息,可以为利益相关者提供决策信息,并且有效增强资本市场有效性。采用文本挖掘的方法,对2007—2018年中国A股上市公司的管理层讨论... 详细信息

管理层讨论与分析(MD&A)是上市公司定期报告中的重要非财务信息,发布公司未来发展以及战略部署的相关信息,可以为利益相关者提供决策信息,并且有效增强资本市场有效性。采用文本挖掘的方法,对2007—2018年中国A股上市公司的管理层讨论与分析所披露的信息进行度量,研究其对企业资本结构动态调整的影响。研究发现:MD&A文本相似度的提升会显著降低企业资本结构动态调整,MD&A文本复杂性的提升则会提升企业资本结构动态调整,在经过内生性的稳健性检验后结论依然成立;并且进一步的检验发现,文本复杂性的提升与资本结构动态调整之间存在倒U型关系。通过影响路径的检验发现,低于目标资本结构时,MD&A文本相关度以及复杂度均会通过调整负债影响资本结构动态调整;而高于目标资本结构时,MD&A文本相关度会通过调整股票发行影响资本结构,文本复杂度会同时通过调整负债和股票的路径影响企业资本结构动态调整。此外,通过对文本内部的因果解释性研究发现,文本的因果解释性与企业资本结构动态调整存在正U型关系,即较少的解释性信息是一种掩饰态度,充分的解释信息表现了对企业发展及战略等的阐述。从非文本信息的视角研究企业资本结构动态调整,为上市公司的企业治理以及投资者的信息决策提供了借鉴,同时为监管制度和政策的改进提供参考。

关键词：管理层讨论与分析资本结构动态调整文本相关性文本复杂性

在线全文

学校读者我要写书评

暂无评论

金融新闻检索系统中新闻相关性分类研究

金融新闻检索系统中新闻相关性分类研究

作者：魏忠钰哈尔滨工业大学

学位级别：硕士

随着互联网上金融信息的供给量和需求量的大幅度提升,如何准确满足用户对金融信息的需求成为一个亟待解决的问题。金融相关网站提供信息服务主要通过两种方式:人工编辑和基于通用搜索引擎的相关新闻检索。这两种方法分别存在着信息覆盖... 详细信息

随着互联网上金融信息的供给量和需求量的大幅度提升,如何准确满足用户对金融信息的需求成为一个亟待解决的问题。金融相关网站提供信息服务主要通过两种方式:人工编辑和基于通用搜索引擎的相关新闻检索。这两种方法分别存在着信息覆盖面不广和返回结果精度低的问题,难以满足用户的个性化需求。因此,面向金融领域的垂直搜索技术的研究便成为了一个紧要的问题。本文专注于金融信息检索系统中新闻相关性分类的研究,针对金融新闻的领域相关性分类以及金融新闻的产品(特定的股票,基金等)相关性分类问题提出了解决方法。(1)金融新闻领域相关性分类。本研究将金融新闻与金融领域的相关性度量问题,也称为重要性判断问题,看成是一个单类分类问题,并引入单类分类的方法解决该问题。基于单类分类的金融新闻重要性判断的方法,只对金融领域的重要新闻进行建模,使用在训练集合上建立的模型为待定金融新闻计算一个相关度,并依据前期预设的门限值进行金融新闻重要性判断。本文的研究对比了三种典型的单类分类算法,Rocchio算法,K-means算法和单类SVM算法在人工标注的语料集合中的性能,并分析了特征数目和门限值对于算法性能的影响。实验结果表明,K-Means算法具有最佳的性能,在测试集合中在召回率维持在95%时,查准率高达80%以上。(2)金融新闻产品相关性分类。本研究将金融新闻与金融产品的相关性排序问题简化为相关和不相关两个类别的分类问题。针对金融新闻在发布金融产品相关信息时展现的篇章结构特点,本文从标题,正文,相关段落,相关句子以及网页链接五个部分着手提取特征,除了关键字出现频率等通用特征外,更创新性的提出了行业相关度,金融领域相关度,数字信息占新闻文本比重和金融新闻类别等与金融领域密切相关的特征。同时,鉴于金融新闻的特征量大,而传统的信息检索模型解决大规模特征能力有限,本文引入学习排序的方法综合处理以上特征,以解决金融新闻产品相关性分类的问题。实验结果表明,采用学习排序的点式方法(point-wise approach)训练的分类模型,在指定语料集合上的性能相比基于语言模型的分类模型以及两个基本的检索模型(标题关键字匹配和全文关键字匹配)有明显优势。本文的研究已经成功应用到海天园金融新闻检索系统中。

关键词：垂直搜索文本相关性单类分类学习排序

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

英文实体答案提取及主页查找研究

英文实体答案提取及主页查找研究

作者：许洋波昆明理工大学

学位级别：硕士

实体答案查找是当前问答系统与信息抽取的主要研究点,也是TREC (Text REtrieval Conference,文本检索会议)实体检索的一个重要任务,2009年TREC实体任务要求利用实体属性、类型及实体间上下文关系要素从互联网或相关数据集上抽取相关答... 详细信息

实体答案查找是当前问答系统与信息抽取的主要研究点,也是TREC (Text REtrieval Conference,文本检索会议)实体检索的一个重要任务,2009年TREC实体任务要求利用实体属性、类型及实体间上下文关系要素从互联网或相关数据集上抽取相关答案及查找实体主页,如何有效利用这些自然语言信息来检索文本、段落及提取答案成为任务的核心问题。本文围绕英文实体答案抽取过程中的查询扩展、段落切分、文本及段落相关性计算、命名实体识别、答案实体提取、表格型答案提取及主页查找等关键环节的实现过程展开了研究和探讨,主要完成以下几个方面的工作：1.提出了面向TREC实体任务的实体答案抽取方法。该方法考虑与答案相关的文本、段落及实体相关性三个要素,其中,文本相关度是指web页面title句子与查询的相似度、段落相关度是指段落句子与查询的相似度、实体相关度是指实体与查询词在段落中的分布密度评分,线性结合三个要素评分得到实体答案的综合评分,以此为基础提取分数最高的实体作为答案,TREC2009实体任务测试结果表明,该方法有很好的效果,NDCG评价达到了0.30。2.提出了面向TREC实体任务的列表型实体答案的提取方法。针对表格元素由于缺乏上下文而导致的实体识别准确率低的原因,利用Web页面表格及标签特性,将表格标题与每一表格元素进行合并来扩展实体识别的上下文,综合考虑相关文本中的实体识别概率统计,对表格中元素进行实体识别,结合实体答案抽取的评分计算方法,获得了较好的答案抽取效果。3.提出了一种基于AdaBoost的实体主页识别的方法。人工收集若干实体及对应的实体主页面,针对实体特点,定义与链接和网页内容特征相关的实体特征,并对这些特征进行提取,形成了训练数据集,通过Google检索召回与答案实体相关的页面,采用AdaBoost方法进行主页识别,平均准确率达到了75.60%。4.设计并实现了实体答案提取及主页查找原型系统,并在TREC2009的实体任务中进行了评测。

关键词： TREC实体任务文本相关性段落相关性实体相关性实体答案提取表格实体答案提取主页识别