检索结果-南通市图书馆

地方政府应急管理五年规划内容再生产——影响因素与实证分析

在线全文

学校读者我要写书评

暂无评论

软科学 2024年

作者：张晓君王伟桥福州大学南京大学龙门实验室

编制和实施五年规划是我们党治国理政的一个重要方式，但也有人认为规划存在“照葫芦画瓢”的现象。为了研究影响地方政府规划编制的因素，本研究以省市五年规划的文本为研究资料，使用词向量模型和机器学习等方法构建了“政策内容再生... 详细信息

编制和实施五年规划是我们党治国理政的一个重要方式，但也有人认为规划存在“照葫芦画瓢”的现象。为了研究影响地方政府规划编制的因素，本研究以省市五年规划的文本为研究资料，使用词向量模型和机器学习等方法构建了“政策内容再生产”系数测量地方政府对上级“十四五”应急管理领域规划的细化、更新程度，基于地级市数据的实证检验了我国五年规划体系“深层”政策内容变化的模式和影响机制。实证结果表明，地方政府的政策内容再生产程度存在明显差异；问题严重性、上级压力以及编制速度都会对政策内容再生产程度产生显著影响；特别是编制速度的影响呈现出“U”型特征，规划编制初期和末期的文本呈现出更高的再生产水平。

关键词：政策内容再生产词向量模型五年规划 “十四五” 应急管理

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于A-BiLSTM和CNN的文本分类

计算机工程与设计 2024年第5期45卷 1428-1434页

作者：黄远戴晓红黄伟建于钧豪黄峥河北工程大学信息与电气工程学院河北邯郸056038

为解决单一神经网络不能获取准确全局文本信息的问题,提出一种基于A-BiLSTM双通道和优化CNN的文本分类模型。A-BiLSTM双通道层使用注意力机制关注对文本分类贡献值较大的部分,并用BiLSTM提取文本中上下文语义信息;A-BiLSTM双通道层中将... 详细信息

为解决单一神经网络不能获取准确全局文本信息的问题,提出一种基于A-BiLSTM双通道和优化CNN的文本分类模型。A-BiLSTM双通道层使用注意力机制关注对文本分类贡献值较大的部分,并用BiLSTM提取文本中上下文语义信息;A-BiLSTM双通道层中将两者输出的特征信息融合,得到高级语义;A-BiLSTM双通道层后,使用优化CNN的强学习能力提取关键局部特征,得到最终文本特征表示。分类器输出文本信息的类别。实验结果表明,该模型分类效果优于其它对比模型,具有良好的泛化能力。

关键词：文本分类深度学习双通道网络注意力机制双向长短时记忆网络卷积神经网络词向量模型

在线全文

学校读者我要写书评

暂无评论

多特征融合的专利功效短语抽取

计算机工程与设计 2024年第5期45卷 1413-1419页

作者：游新冬赵颖刘佳琦吕学强北京信息科技大学网络文化与数字传播重点实验室北京100101

为提高专利功效短语抽取的准确率和召回率,保障专利布局等研究工作的高质量进行,提出一种融合多特征的专利功效短语抽取模型。基于Bert-BiLSTM-CRF的整体框架,利用Bert模型对文本进行向量化,融合偏旁部首、五笔、词长+词性等特征输入到B... 详细信息

为提高专利功效短语抽取的准确率和召回率,保障专利布局等研究工作的高质量进行,提出一种融合多特征的专利功效短语抽取模型。基于Bert-BiLSTM-CRF的整体框架,利用Bert模型对文本进行向量化,融合偏旁部首、五笔、词长+词性等特征输入到BiLSTM或Transformer进行编码,使用CRF解码得到对应输入的标签序列,得到专利功效短语。实验采用新能源汽车领域的专利文本作为训练数据,尝试组合不同的特征进行实验,实验结果表明,所提模型在准确率、召回率、F1值上均取得了明显提升,验证了多特征融合在功效短语抽取任务上的有效性。

关键词：多特征融合专利功效短语深度学习词语抽取双向长短期记忆模型条件随机场模型词向量模型

在线全文

学校读者我要写书评

暂无评论

融合词向量和主题模型的领域实体消歧

模式识别与人工智能 2017年第12期30卷 1130-1137页

作者：马晓军郭剑毅王红斌张志坤线岩团余正涛昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学智能信息处理重点实验室昆明650500

针对Skip-gram词向量计算模型在处理多义词时只能计算一个混合多种语义的词向量,不能对多义词不同含义进行区分的问题,文中提出融合词向量和主题模型的领域实体消歧方法.采用词向量的方法从背景文本和知识库中分别获取指称项和候选实体... 详细信息

针对Skip-gram词向量计算模型在处理多义词时只能计算一个混合多种语义的词向量,不能对多义词不同含义进行区分的问题,文中提出融合词向量和主题模型的领域实体消歧方法.采用词向量的方法从背景文本和知识库中分别获取指称项和候选实体的向量形式,结合上下位关系领域知识库,进行上下文相似度和类别指称相似度计算,利用潜在狄利克雷分布(LDA)主题模型和Skip-gram词向量模型获取多义词不同含义的词向量表示,抽取主题领域关键词,进行领域主题关键词相似度计算.最后融合三类特征,选择相似度最高的候选实体作为最终的目标实体.实验表明,相比现有消歧方法,文中方法消歧结果更优.

关键词：实体消歧词向量模型领域知识库潜在狄利克雷分布(LDA)主题模型

在线全文

学校读者我要写书评

暂无评论

元宇宙创新中的企业文化力量

计量经济学报 2023年第2期3卷 367-386页

作者：程思睿李昊霖李婉宁王勇华秀萍胡健薇宁波诺丁汉大学商学院宁波315100 宁波诺丁汉大学-宁波保税区区块链实验室宁波315100 宁波诺丁汉大学理工学院宁波315100 北京大学新结构经济学研究院北京100871 中山大学岭南学院广州510275

元宇宙创新是基于人工智能、区块链、互联网、虚拟现实技术等多种新兴技术的创新,是实现制造强国、质量强国与数字中国的重要路径,而企业文化则是建设文化强国的核心组成.本文首先基于上市公司新闻和专利文本等文本数据,运用词向量模型... 详细信息

元宇宙创新是基于人工智能、区块链、互联网、虚拟现实技术等多种新兴技术的创新,是实现制造强国、质量强国与数字中国的重要路径,而企业文化则是建设文化强国的核心组成.本文首先基于上市公司新闻和专利文本等文本数据,运用词向量模型构建了企业层面的“元宇宙创新指数”.然后就企业文化对元宇宙创新水平的影响进行实证分析.研究发现,强企业文化能够显著地帮助企业更好地发展元宇宙相关技术.这一结论在使用工具变量等方法控制内生性问题、以及进行稳健性检验以后依然成立.机制检验表明,强企业文化通过促进创新投入以及提升风险承担能力等机制,促使企业更好地进行元宇宙相关技术创新.此外,强企业文化对企业元宇宙相关创新的正面影响存在着异质性,CEO学历高、年龄低、与处在非高新技术行业的企业会受益更大.本文既丰富了元宇宙相关概念与度量方式,为元宇宙与公司治理的交叉研究提供了新的研究方法与见解,也为政府部门应该如何引导企业更好地推动元宇宙创新提供了政策参考.

关键词：元宇宙创新企业文化文本分析词向量模型

在线全文

学校读者我要写书评

暂无评论

基于语义的结构化加密技术研究

基于语义的结构化加密技术研究

作者：薛玉洁福建师范大学

学位级别：硕士

随着云存储服务的日益成熟和大数据时代的到来,越来越多的用户将海量数据存储到云上并享受检索等多种云服务,不仅节约了本地存储资源,还降低了管理数据的成本。为了保护数据在云上的安全性,用户往往会先将多种类型的数据进行加密后再发... 详细信息

随着云存储服务的日益成熟和大数据时代的到来,越来越多的用户将海量数据存储到云上并享受检索等多种云服务,不仅节约了本地存储资源,还降低了管理数据的成本。为了保护数据在云上的安全性,用户往往会先将多种类型的数据进行加密后再发送给云服务商。为了能够实现对云中不同类型数据的秘密检索,结构化加密(Structured Encryption,STE)技术应运而生。2010年,Chase和Kamara首次将之前只针对文本的对称可搜索加密(Symmetric Searchable Encryption,SSE)工作扩展到针对任意结构数据的秘密检索,并将这一类工作统称为“结构化加密”。由于目前的结构化加密方案主要采用直接提取文档中所有关键词的方法来构建索引,它们忽视了待检索关键词所要表达的语义信息,使得在检索准确性方面的提升较为有限,所以本论文首次探讨并引入语义特征来设计结构化加密方案。针对两种类型的数据——文本和知识图谱,本论文提出了三个基于语义的结构化加密方案,主要内容如下:(1)为了实现基于语义的对称可搜索加密方案,并提升方案的检索效率和检索准确性,本文提出了一种基于BTM主题模型(Biterm Topic Model)的多关键词可排序对称可搜索加密方案(BTM-MRSE)。数据拥有者将私有文档进行主题建模,来挖掘出各个文本与词之间所隐含的语义信息,用户利用查询关键词的加密概率分布作为检索陷门,通过计算查询词向量与各个主题向量的内积来获得相似度分数最高的主题ID。在索引的构建上,该方案采用两级索引结构同时提升了检索的效率、准确性和安全性。此外,安全性分析和实验分析表明该方案是安全且高效的,BTM-MRSE方案在保证密文检索准确性达95%的同时,在检索效率上较之前的方案也有明显提升。(2)为了对数据用户的待检索关键词进行语义扩展,本文提出了一种基于上下文感知可扩展语义的高效密文检索方案(CASE-SSE)。该方案将数据拥有者的全部私有文档作为语料数据集,构建机器学习模型对文本中词的上下文语义进行训练和学习,训练所得到的模型即为本方案的本体知识库,可直接对待查询关键词进行语义扩展。在构造索引前,本方案利用k-means聚类算法对文本进行分类,根据分类后的文本构造平衡二叉树安全索引和倒排表安全索引,提升了检索准确性和检索效率。此外,安全性分析和实验结果表明该方案是安全且高效的,它在保证检索效率的基础上,提高了返回密文结果的准确度。(3)为了实现对知识的秘密检索,本文提出了知识图谱的结构化加密方案。本方案使用知识图谱(Knowledge Graph,KG)技术对文档内容进行分析和提取,知识图谱中的所有加密节点和边构成了整个索引表和数据库。针对知识图谱的两个主要应用场景,本文总共包括两个方案,第一个方案实现了多关系图(Multi-relational Graph,MG)的结构化加密,另一个方案针对的则是更为复杂的属性图(Property Graph,PG)的结构化加密。此外,安全性分析表明它们都满足CQA2安全性,实验结果表明两个方案都是高效的。

关键词：云存储结构化加密主题模型词向量模型知识图谱

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习的糖尿病医疗费用预测方法研究

基于机器学习的糖尿病医疗费用预测方法研究

作者：罗敏中南大学

学位级别：硕士

医疗数据中包含很多种数据类型,其中包括序列数据。医疗领域最典型的序列数据就是电子病历数据。电子病历中详细记载着患者的疾病诊断信息,这对患者的疾病特征的挖掘以及患者医疗费用的预测研究至关重要。本文基于传统机器学习以及卷积... 详细信息

医疗数据中包含很多种数据类型,其中包括序列数据。医疗领域最典型的序列数据就是电子病历数据。电子病历中详细记载着患者的疾病诊断信息,这对患者的疾病特征的挖掘以及患者医疗费用的预测研究至关重要。本文基于传统机器学习以及卷积神经网络、词向量模型等深度学习方法对糖尿病医疗数据展开深入研究。本文的主要研究内容如下:第一,针对机器学习模型的参数较多且麻雀搜索算法很容易陷入局部最优解的问题,本文提出一种基于改进的麻雀搜索算法的糖尿病医疗费用预测方法。该方法首先使用随机森林特征选择算法来获取关键影响因素;其次,采用萤火虫随机扰动改进的麻雀搜索算法来选择随机森林模型的最佳参数;最后,运用改进的随机森林(RF-SSA-RF)模型进行糖尿病医疗费用预测。基于平江县医疗数据进行案例研究,通过三类对比实验验证RF-SSA-RF模型的优越性。第二,为了提高深度学习模型的医学概念表示质量以及其在时态数据表示方面的挑战,本文提出了一种基于医学概念嵌入表示的糖尿病医疗费用预测方法。该方法首先通过构建医疗概念的多粒度嵌入模型来提高医疗概念的表示质量;其次,结合时间间隔向量来准确衡量患者的就诊频率,形成医疗事件的准确表示;最后,在改进的卷积神经网络(MST-CNN)模型中添加通道关注机制,以自适应地调整通道权重来关注重要的医疗特征,实现了糖尿病医疗费用的准确预测。第三,为了在医疗费用预测模型中融入患者的住院天数信息,本文提出了一种基于多尺度混合深度学习的糖尿病医疗费用预测方法。该方法首先基于ICD-10系统的先验医学本体信息进行医学概念的多粒度向量表示;然后,基于改进的深度学习模型(MA-CNN)对患者的住院天数进行准确预测;接着,提取患者的住院天数信息,结合患者的统计学特征,运用多尺度随机森林模型(MG-RF)进行医疗费用预测研究。总而言之,本文在医疗大数据信息领域中,运用非深度学习方法和深度学习方法,挖掘医疗数据中的重要特征,融合医疗领域专业知识,建立医疗费用预测模型,为糖尿病医疗费用的准确预测提供了解决方案。图37幅,表27个,参考文献131篇

关键词：医疗大数据机器学习词向量模型卷积神经网络模型可解释性注意力机制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

关于招聘网站数据分析岗位的文本挖掘

关于招聘网站数据分析岗位的文本挖掘

作者：张凯雯海南师范大学

学位级别：硕士

数据分析师可以充分挖掘数据中的隐含价值,是当今大数据时代下的热门职业,也是统计类专业毕业生较为对口的就业选择。但如今该岗位的招聘参差不齐,需要求职者随时关注市场需求,“量体裁衣”般地做好职业规划。因此,本文在前程无忧网站... 详细信息

数据分析师可以充分挖掘数据中的隐含价值,是当今大数据时代下的热门职业,也是统计类专业毕业生较为对口的就业选择。但如今该岗位的招聘参差不齐,需要求职者随时关注市场需求,“量体裁衣”般地做好职业规划。因此,本文在前程无忧网站中爬取了5381条有关数据分析师的招聘信息,首先进行描述性分析,展示这一岗位的招聘特点,然后分地区建立岗位要求的LDA主题模型,探究招聘岗位的地域差异,最后使用自适应加权聚类算法处理招聘文本,根据聚类标签进行比较分析,为有意向成为数据分析师的求职者提供有针对性的求职引导。结果显示,数据分析岗位主要集中于华东地区和华南地区,而在东北地区分布较少,竞争较为激烈。互联网行业和民营公司最需要这类人才,但五千人以上规模的公司对此需求却趋于饱和,与此同时计算机行业和金融行业是数据分析师的高薪行业,主要提供五险一金、绩效和年终奖等福利。此外,数据分析岗位对于学历要求并不严格,从大专到博士均有涉及,工作经验可以弥补学历劣势。招聘岗位的要求可以分为“业务岗位”“软技能”“硬技能”三个主题,在业务岗位方面,运营岗位在各地区均有招聘,而开发类岗位主要位于华中地区、华南地区以及东北地区;在硬技能方面,数据分析人才需要掌握的分析软件有PYTHON、EXCEL以及SQL三种,并且华东地区、华南地区以及西北地区更看重计算机编程能力,西南地区则偏向于数据可视化人才;在软技能方面,各地区均有要求“沟通”“团队合作”“管理”等能力,地区间的差异性并不明显。文本聚类则将数据分析岗位分为技术类和业务类两类,业务类岗位同样在各行业各地区均有分布,技术类岗位则比较集中于互联网行业以及华东地区,并且薪资要高于业务类岗位。

关键词：数据分析岗位词向量模型 LDA主题模型自适应加权聚类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于增强BTM模型的新冠疫情新闻主题研究

基于增强BTM模型的新冠疫情新闻主题研究

作者：郑晨南京航空航天大学

学位级别：硕士

2020年初新冠肺炎疫情的快速爆发引发了广泛的社会关注,同时也随之产生了海量的文本舆情数据。与面板数据不同的是,文本舆情数据可以从侧面角度体现疫情发展的特点,因此对文本舆情数据进行深度挖掘具有重要的研究意义。新冠肺炎疫情发... 详细信息

2020年初新冠肺炎疫情的快速爆发引发了广泛的社会关注,同时也随之产生了海量的文本舆情数据。与面板数据不同的是,文本舆情数据可以从侧面角度体现疫情发展的特点,因此对文本舆情数据进行深度挖掘具有重要的研究意义。新冠肺炎疫情发展影响范围大,持续时间长,从爆发至今已经历了数个阶段性变化。本文结合文本挖掘和时序分析,对新冠肺炎疫情期间各阶段的新闻文本舆情数据进行文本建模和分析,挖掘疫情期间各类报纸新闻的舆情价值,总结疫情新闻的主题演化特点,并从中得出疫情发展和防控方面的经验价值,给政府提供建设性防疫建议。本文使用文本主题抽取方法,研究了疫情新闻主题发展,揭示了疫情新闻主题的生命周期和生长过程,为疫情防控提供了指导性建议。新闻文本数据是典型的短文本数据,目前BTM模型在短文本抽取上有着不错的应用效果。但BTM模型存在忽略了词对之间的语义关联性,从而影响了建模效果。本文提出使用BERT词向量模型和语义计算方法对BTM模型中Gibbs采样方式的缺陷进行改进,增加了语义关联信息,高效地对新闻主题进行提取,从而有效地对舆情主题演化进行分析。本文首先编写Python爬虫程序,获取中国知网收录的疫情相关新闻,并对采集到的文本数据做预处理。其次,使用BERT词向量模型对BTM主题模型进行改进,通过词向量和余弦公式,计算词对的语义相似度,并设定语义阈值,增加语义高相关词对的采样频次。然后,利用改进后的增强BTM模型对新闻文本进行主题提取。实验显示,与传统的BTM模型、LDA模型相比,改进后的增强BTM模型的连贯度显著提高,困惑度显著减少,表明模型在主题提取和主题区分上有着显著的提升效果。再次,本文对主题抽取的结果做文本粒度分析,并从词频、词云、共现等角度展示分析结果,并设计了主题新颖度指标和支持度指标,构建主题生命周期坐标系,将主题划分为四个阶段,并对热点主题做演化分析。最后,根据热点主题演化结果,给出具体舆情调控建议,从而帮助政府有效地引导舆情。

关键词：短新闻 BTM模型词向量模型语义相似度演化