检索结果-南通市图书馆

Word2vec和支持向量机的POI自动分类方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

测绘科学 2022年第6期47卷 195-203页

作者：李秀茹王晓李朋朋李绪红罗安江苏海洋大学海洋技术与测绘学院江苏连云港222000 中国测绘科学研究院北京100036 西南交通大学地球科学与环境工程学院成都611756

针对兴趣点(POI)数据名称文本特征稀疏以及语义关系简单所导致的POI数据管理困难等问题,该文提出一种基于词向量计算工具Word2vec和支持向量机的POI分类方法。首先对POI名称进行分词、去停用词等预处理;然后通过Word2vec模型生成词向量... 详细信息

针对兴趣点(POI)数据名称文本特征稀疏以及语义关系简单所导致的POI数据管理困难等问题,该文提出一种基于词向量计算工具Word2vec和支持向量机的POI分类方法。首先对POI名称进行分词、去停用词等预处理;然后通过Word2vec模型生成词向量,并引入词频-逆文档频率(TF-IDF)权重进行加权求和实现名称文本的向量表示;最后,在对支持向量机分类器训练的基础上,实现POI数据自动分类。为了验证方法的有效性,该文选取百度地图的6类POI数据进行试验,结果表明,该文方法在6个类别中总体正确率达到94.43%,优于目前常用的机器学习分类方法。

关键词： POI分类 Word2vec 支持向量机 TF-IDF

基于Word2vec的wordNet词语相似度计算研究

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2022年第3期58卷 222-229页

作者：陈丹华王艳娜周子力赵晓函李天宇王凯莉曲阜师范大学网络空间安全学院山东曲阜273100 曲阜师范大学物理工程学院山东曲阜273100

当前大部分wordNet词语相似度计算方法由于未充分考虑词语的语义信息和位置关系,导致相似度的准确率降低。为解决上述问题,提出了一种使用词向量模型Word2vec计算wordNet词语相似度的新方法。在构建wordNet数据集时提出一种新形式,不再... 详细信息

当前大部分wordNet词语相似度计算方法由于未充分考虑词语的语义信息和位置关系,导致相似度的准确率降低。为解决上述问题,提出了一种使用词向量模型Word2vec计算wordNet词语相似度的新方法。在构建wordNet数据集时提出一种新形式,不再使用传统的文本语料库,同时提出信息位置排列方法对数据集加以处理。利用Word2vec模型训练wordNet数据集后得到向量表示。在公开的R&G-65、M&C-30和MED38词语相似度测评集上完成了词语相似度计算任务,从多个角度进行了Pearson相关系数对比实验。结果显示该文计算的相似度值与人工判定值计算取得的Pearson相关系数指标得到了显著提升。

关键词：词语相似度 wordNet Word2vec 同义词集标号

基于LDA-Word2vec的图书情报领域机器学习研究主题演化与热点主题识别

在线全文

学校读者我要写书评

暂无评论

现代情报 2024年第4期44卷 154-167页

作者：胡泽文韩雅蓉王梦雅南京信息工程大学知识产权研究院江苏南京210044

[目的/意义]在人工智能技术及应用快速发展与深刻变革背景下,机器学习领域不断出现新的研究主题和方法,深度学习和强化学习技术持续发展。因此,有必要探索不同领域机器学习研究主题演化过程,并识别出热点与新兴主题。[方法/过程]本文以... 详细信息

[目的/意义]在人工智能技术及应用快速发展与深刻变革背景下,机器学习领域不断出现新的研究主题和方法,深度学习和强化学习技术持续发展。因此,有必要探索不同领域机器学习研究主题演化过程,并识别出热点与新兴主题。[方法/过程]本文以图书情报领域中2011—2022年Web of Science数据库中的机器学习研究论文为例,融合LDA和Word2vec方法进行主题建模和主题演化分析,引入主题强度、主题影响力、主题关注度与主题新颖性指标识别热点主题与新兴热点主题。[结果/结论]研究结果表明,(1)Word2vec语义处理能力与LDA主题演化能力的结合能够更加准确地识别研究主题,直观展示研究主题的分阶段演化规律;(2)图书情报领域的机器学习研究主题主要分为自然语言处理与文本分析、数据挖掘与分析、信息与知识服务三大类范畴。各类主题之间的关联性较强,且具有主题关联演化特征;(3)设计的主题强度、主题影响力和主题关注度指标及综合指标能够较好地识别出2011—2014年、2015—2018年和2019—2022年3个不同周期阶段的热点主题。

关键词：机器学习 LDA模型 Word2vec 主题演化热点主题主题影响力主题关注度

基于共词和Word2vec加权向量的文献-主题语义匹配分析方法

在线全文

学校读者我要写书评

暂无评论

图书情报工作 2022年第12期66卷 108-116页

作者：丁敬达陈一帆刘超蔡微上海大学文化遗产与信息管理学院上海200444

[目的/意义]共词分析作为主题识别的重要方法,存在一定的局限和不足,将Word2vec加权向量与共词分析相结合,有利于明确具体文献的主题归属,更好地对主题的发展演化进行分析.[方法/过程]在运用共词分析进行主题聚类的基础上,通过Word2vec... 详细信息

[目的/意义]共词分析作为主题识别的重要方法,存在一定的局限和不足,将Word2vec加权向量与共词分析相结合,有利于明确具体文献的主题归属,更好地对主题的发展演化进行分析.[方法/过程]在运用共词分析进行主题聚类的基础上,通过Word2vec加权向量分别计算文献向量与聚类主题向量,并基于余弦相似度进行文献与主题的语义匹配.[结果/结论]国内外知识共享领域的实证分析表明,该方法能较好地将相关文献匹配至对应主题,并能从文献层面对主题特征及发展演化进行动态分析.

关键词： Word2vec 共词分析语义匹配知识共享主题演化

基于Word2vec的瓶装水线上评论智能分析

在线全文

学校读者我要写书评

暂无评论

包装工程 2022年第S01期43卷 48-55页

作者：周丰殷丽丽沈琼杨怀光东华大学上海201620 河海大学常州213022

目的通过大数据分析各种瓶装水的评论信息,并挖掘其深层印象,从而指导瓶装水的设计实践。方法首先,从电商平台上爬取与瓶装水设计印象相关的评论文本,组建成设计印象文本语料库,并进行分词处理。其次,利用Word2vec大数据语义分析工具,... 详细信息

目的通过大数据分析各种瓶装水的评论信息,并挖掘其深层印象,从而指导瓶装水的设计实践。方法首先,从电商平台上爬取与瓶装水设计印象相关的评论文本,组建成设计印象文本语料库,并进行分词处理。其次,利用Word2vec大数据语义分析工具,将设计印象语料库中的瓶装水评价转换成词向量并进行输出,筛选出能代表瓶装水设计印象的词汇。最后通过对应分析图进行可视化呈现,直观地展示出每种瓶装水的用户设计印象,并将这些设计印象用于概念设计。结果挖掘出用户对于瓶装水的深层印象,并以此为依据来展开设计实践。结论实践证明该方法为分析大量瓶装水线上评论提供了新的思路,有助于挖掘用户对瓶装水的深层印象。此外,也为瓶装水瓶型的再设计提供参考价值。

关键词：用户评论分析瓶装水印象 Word2vec 词向量信息可视化

基于LDA-Word2vec的图书情报领域机器学习研究主题演化与热点主题识别

在线全文

学校读者我要写书评

暂无评论

现代情报 2023年

作者：胡泽文韩雅蓉王梦雅南京信息工程大学知识产权研究院

[目的/意义] 当前人工智能技术及应用快速发展与深刻变革背景下，机器学习领域不断出现新的研究主题和方法，深度学习和强化学习技术持续发展。因此，有必要探索不同领域机器学习研究主题演化过程，并识别出热点与新兴主题。[方法/过程]... 详细信息

[目的/意义] 当前人工智能技术及应用快速发展与深刻变革背景下，机器学习领域不断出现新的研究主题和方法，深度学习和强化学习技术持续发展。因此，有必要探索不同领域机器学习研究主题演化过程，并识别出热点与新兴主题。[方法/过程] 本文以图书情报领域中2011-2022年Web of Science数据库中的机器学习研究论文为例，融合LDA和Word2vec方法进行主题建模和主题演化分析，引入主题强度、主题影响力、主题关注度与主题新颖性指标识别热点主题与新兴热点主题。[结果/结论] 研究结果表明，（1）Word2vec语义处理能力与LDA主题演化能力的结合能够更加准确地识别研究主题，直观展示研究主题的分阶段演化规律；（2）图书情报领域的机器学习研究主题主要分为自然语言处理与文本分析、数据挖掘与分析、信息与知识服务三大类范畴。各类主题之间的关联性较强，且具有主题关联演化特征；（3）设计的主题强度、主题影响力和主题关注度指标及综合指标能够较好地识别出2011-2014年、2015-2018年和2019-2022年三个不同周期阶段的热点主题。

关键词：机器学习 LDA模型 Word2vec 主题演化热点主题主题影响力主题关注度

Word2vec对海关报关商品文本特征降维效果分析

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

数据分析与知识发现 2020年第2期4卷 89-100页

作者：龚丽娟王昊张紫玄朱立平南京大学信息管理学院南京210023 江苏省数据工程与知识服务重点实验室南京210023

【目的】对海关平台的高维报关商品特征实现有效降维,提高海关平台的工作效率。【方法】以国内某海关4个月的商品文本作为语料,从词语相似度与相关度两个微观层面评估生成词向量的质量,并结合SVM算法将传统0-1矩阵、频次降维、信息增益... 详细信息

【目的】对海关平台的高维报关商品特征实现有效降维,提高海关平台的工作效率。【方法】以国内某海关4个月的商品文本作为语料,从词语相似度与相关度两个微观层面评估生成词向量的质量,并结合SVM算法将传统0-1矩阵、频次降维、信息增益方法与Word2vec词向量进行对比,以探究其对海关商品文本特征的降维效果。【结果】对于海关报关商品文本,Word2vec词向量是一种较为理想的降维方法,且词向量维度为500时,分类效率最高,准确率为93.01%。【局限】主要针对数据量最多的5大类别进行研究,尚未对其他类别的分类效果进一步探讨。【结论】Word2vec用于海关商品文本的降维效果较为理想,能够保证较高的准确率与数据的完整性,并显著降低特征维度。

关键词： Word2vec 支持向量机自动归类特征降维

基于Word2vec和LDA主题模型的Web服务聚类方法

在线全文

学校读者我要写书评

暂无评论

中南大学学报（自然科学版） 2018年第12期49卷 2979-2985页

作者：肖巧翔曹步清张祥平刘建勋李晏新闻湖南科技大学计算机科学与工程学院湖南湘潭411201 北京邮电大学网络与交换技术国家重点实验室北京100876 泉州师范学院航海学院福建泉州362699

为高效地发现满足用户需求的Web服务,针对Web服务的描述文本较短、缺乏足够有效信息的问题,提出一种基于Word2vec和LDA主题模型的Web服务聚类方法。该方法首先将Wikipedia语料库作为扩充源,使用Word2vec对Web服务描述文档内容进行扩充,... 详细信息

为高效地发现满足用户需求的Web服务,针对Web服务的描述文本较短、缺乏足够有效信息的问题,提出一种基于Word2vec和LDA主题模型的Web服务聚类方法。该方法首先将Wikipedia语料库作为扩充源,使用Word2vec对Web服务描述文档内容进行扩充,再将扩充后的描述文档利用主题模型进行特征建模,将短文本主题建模转化为长文本主题建模,更准确地实现服务内容主题表达,最后根据文档的主题分布矩阵寻找相似的服务并完成聚类,使用从ProgrammableWeb收集的真实数据进行实验。研究结果表明:本文方法与TFIDF-K,LDA,WT-LDA和LDA-K方法相比,F分别提高419.74%,20.11%,15.60%和27.80%,利用扩充后的Web服务的描述文档进行聚类的方法能够有效提高Web服务聚类的效果。

关键词： Web服务 Word2vec LDA主题模型 K-means算法 Web服务聚类

学术问答社区用户生成内容的W2V-MMR自动摘要方法研究

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 2020年第4期4卷 109-118页

作者：陶兴张向先郭顺利张莉曼吉林大学管理学院长春130022 曲阜师范大学传媒学院曲阜276826

【目的】针对当前学术问答社区内用户生成内容的自动摘要生成问题,提出改进的自动摘要聚合方法,为社区内的学术用户提供高效、准确的知识聚合服务。【方法】提出改进的W2V-MMR自动摘要生成算法,在词句得分和相似度计算的过程中,利用基... 详细信息

【目的】针对当前学术问答社区内用户生成内容的自动摘要生成问题,提出改进的自动摘要聚合方法,为社区内的学术用户提供高效、准确的知识聚合服务。【方法】提出改进的W2V-MMR自动摘要生成算法,在词句得分和相似度计算的过程中,利用基于深度学习的Word2vec词向量生成模型,优化摘要句信息质量;引入最大边界相关(MMR)的思想,对学术问答社区内的用户生成问答文本进行自动摘要。【结果】本文方法在4组实验数据中获取的信息质量评分分别为:1.422 8、1.447 6、1.592 1、3.416 8,均高于对比实验的MMR、TextRank摘要生成方法。【局限】未考虑摘要句数对结果的影响,未对比不同摘要句数下的摘要生成质量。【结论】本文方法可以有效地应用在学术问答社区的知识聚合服务中,为社区内学术用户提供快速获取知识的新途径。

关键词：学术问答社区自动摘要 Word2vec 最大边界相关