检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于谱聚类的轨道电路故障文本主题聚类研究

兰州交通大学学报 2024年第1期43卷 64-72页

作者：姚新文侯通郑启明王小敏西南交通大学信息科学与技术学院成都611756 中国铁道科学研究院集团有限公司运输及经济研究所北京100081 四川省列车运行控制技术工程研究中心成都611756

轨道电路故障日志是现场日常运维工作中的重要数据记录。针对轨道电路故障日志在现场工作中未能充分挖掘利用且人工分析效率较低的问题,提出基于谱聚类算法的轨道电路故障文本主题聚类挖掘分析方法。首先,分析轨道电路故障文本数据特征... 详细信息

轨道电路故障日志是现场日常运维工作中的重要数据记录。针对轨道电路故障日志在现场工作中未能充分挖掘利用且人工分析效率较低的问题,提出基于谱聚类算法的轨道电路故障文本主题聚类挖掘分析方法。首先,分析轨道电路故障文本数据特征并进行文本预处理,采用word2vec模型训练获取字符级特征向量,实现在语义空间上的轨道电路故障文本数据特征表示;然后,依据Laplacian矩阵的图谱聚类特性,将高维故障文本特征数据聚类转换为谱图切分问题,分别对电务、工务及供电故障因素文本数据求解规范化后Laplacian矩阵的特征向量,并构建低维故障文本特征矩阵,再通过K-Means聚类算法实现3种故障因素文本数据集下故障文本主题聚类分析,获取电务、工务及供电故障因素文本数据中蕴含的轨道电路故障主题类型及频率信息,并基于t分布随机邻域嵌入算法实现聚类结果的可视化分析;最后,采用不同聚类模型在3种故障因素文本数据集上进行对比实验。实验结果表明:基于谱聚类算法的聚类模型在保证故障文本聚类准确率的情况下,其收敛性能更优;聚类可视化分析结果验证了获取的不同故障主题类别具有较高的语义区分度。通过该方法对轨道电路故障文本数据进行自动化聚类挖掘及统计分析,可为现场轨道电路综合维修及故障预防提供辅助支持。

关键词：轨道电路谱聚类文本聚类 word2vec 故障主题

在线全文

学校读者我要写书评

暂无评论

基于关键词聚类的新闻文本相似度计算

成都信息工程大学学报 2024年第2期39卷 163-169页

作者：祝婷胡建成成都信息工程大学应用数学学院四川成都610225

针对新闻文本篇幅长、冗余信息多、文本相似度难以准确高效计算的问题,提出一种基于关键词聚类的新闻文本相似度计算方法。首先对文本数据进行预处理,挖掘出文本中的关键信息。使用以TF-IDF值为权重的加权采样方法抽取文本数据集中的关... 详细信息

针对新闻文本篇幅长、冗余信息多、文本相似度难以准确高效计算的问题,提出一种基于关键词聚类的新闻文本相似度计算方法。首先对文本数据进行预处理,挖掘出文本中的关键信息。使用以TF-IDF值为权重的加权采样方法抽取文本数据集中的关键词,基于聚类的方法光滑噪声数据。聚类形成簇后,在簇间词语相似度计算上,使用word2vec融合TF-IDF词语加权的计算方法,同时关注词语间的语义信息和词语频率。最后,基于各簇的相似度计算两篇文本的相似度。实验表明,所提新闻文本相似度计算方法在计算效果上优于传统计算方法。

关键词：新闻文本相似度 word2vec TF-IDF 关键词聚类

基于T-LDA2vec的高校图书馆信息素质教育主题挖掘与演化分析

在线全文

学校读者我要写书评

暂无评论

科技和产业 2024年第2期24卷 102-110页

作者：王智迪吉林动画学院图书馆长春130012

为了深入研究高校图书馆信息素质教育领域的发展趋势和演化过程,收集了1998—2023年的1 606篇相关文献,经过数据清洗和预处理后,构建T-LDA2vec混合模型,用于主题建模和文本分析。在时间趋势上,揭示高校图书馆信息素质教育领域存在学术... 详细信息

为了深入研究高校图书馆信息素质教育领域的发展趋势和演化过程,收集了1998—2023年的1 606篇相关文献,经过数据清洗和预处理后,构建T-LDA2vec混合模型,用于主题建模和文本分析。在时间趋势上,揭示高校图书馆信息素质教育领域存在学术繁荣期和学术调整期两个关键时期。在学术繁荣期相关文献数量迅速增长,而学术调整期文献数量急剧下降,反映该领域正在经历学术调整。继而,运用T-LDA2vec模型进行主题挖掘,确定每个时期的最佳主题数量,并将主题划分为高校教育评估、师资培养、情报管理、网络化图书馆服务、高校图书馆素质教育服务、心理素质与教育表现、地方信息化与课程发展、数字化图书馆员培养八大类别。结果表明,计算不同时间段内各主题的强度,并通过交互式条形图描述热点主题。研究发现,一些主题在不同时期内保持较高的强度,表明它们在相关文献中具有重要影响力。师资培养、教学改革及高校图书馆资源创新与服务质量等主题在不同时期内维持了较高的强度。通过主题演化分析,揭示了不同时期内主题之间的关联和演化过程,指出高校图书馆信息素质教育研究的关注焦点逐渐从基础服务向资源创新、知识管理和在线教育等领域演化。该研究有助于更全面地理解该领域的研究动态,为未来的研究方向和政策制定提供有益的参考,同时也为文本分析方法的应用提供了有益的方法论示范。

关键词：文本挖掘 LDA word2vec 高校图书馆信息素质教育

融合word2vec和WGRA的社会化问答社区答案有用性排序方法研究——以携程问答为例

在线全文

学校读者我要写书评

暂无评论

图书情报工作 2021年第23期65卷 126-135页

作者：郭顺利步辉曲阜师范大学传媒学院日照276800

[目的/意义]为解决社会化问答社区用户信息需求多样化和答案冗余过载问题,提出面向用户个性化需求的答案有用性排序方法,协助用户高效筛选和获取有用的答案知识。[方法/过程]首先通过文献调研和专家咨询法,从答案特征、回答者特征、答... 详细信息

[目的/意义]为解决社会化问答社区用户信息需求多样化和答案冗余过载问题,提出面向用户个性化需求的答案有用性排序方法,协助用户高效筛选和获取有用的答案知识。[方法/过程]首先通过文献调研和专家咨询法,从答案特征、回答者特征、答案的时效性3个维度构建答案有用性评价指标体系;然后,从语义层面融合用户个性化需求,设计融合加权灰色关联分析法和word2vec的答案有用性排序方法,实现面向用户需求的答案排序。[结果/结论]通过实验结果的对比分析发现与基于"点赞数"和"回答时间"等传统的排序方法相比,笔者设计的答案有用性排序方法的用户满意度更高,更能够满足用户的个性化知识需求。

关键词：用户需求答案有用性加权灰色关联度 word2vec 社会化问答社区

机器学习的透视:斯蒂格勒《技术与时间》量化解读

在线全文

学校读者我要写书评

暂无评论

宁波工程学院学报 2024年第2期36卷 65-72页

作者：赵影杰侯娟安徽大学哲学学院安徽合肥230039

为了深入和全面地探索贝尔纳·斯蒂格勒《技术与时间》中所阐述的学术思想,通过词频统计和TF-IDF分析提取文本中的关键词,采用主题建模方法理解《技术与时间》的主题结构,并结合word2vec模型探究斯蒂格勒哲学体系中的概念纽带。研究结... 详细信息

为了深入和全面地探索贝尔纳·斯蒂格勒《技术与时间》中所阐述的学术思想,通过词频统计和TF-IDF分析提取文本中的关键词,采用主题建模方法理解《技术与时间》的主题结构,并结合word2vec模型探究斯蒂格勒哲学体系中的概念纽带。研究结果表明:《技术与时间》在继承海德格尔、胡塞尔等哲学家思想的基础上,探讨了技术、时间、记忆、存在、人类意识等多方面问题。斯蒂格勒认为技术是一种塑造世界的决定性力量,其深刻影响了人类社会的经济走向以及历史的演进过程。时间不仅仅是物理时间的概念,还涵盖了技术进步是如何塑造人类历史和社会发展进程的维度。记忆被视为人类认知的基础,技术作为一种记忆形式,保存了人类历史和文化的痕迹,塑造了人类的未来。

关键词：机器学习斯蒂格勒 word2vec 主题建模

融合BTM与TextCNN的文本语义增强主题爬虫研究

在线全文

学校读者我要写书评

暂无评论

软件导刊 2024年第3期23卷 21-26页

作者：艾芳菊尹虓寅湖北大学计算机与信息工程学院湖北武汉430062

在拥有海量数据的信息时代,如何高效精准地检索到所需信息是一项巨大挑战,主题爬虫是获取某个特定领域信息的有效途径。通用的主题相似度计算通常是基于词粒度的特征表达,而忽略了文本整体的主题特征表达,会影响爬虫系统的查准率和查全... 详细信息

在拥有海量数据的信息时代,如何高效精准地检索到所需信息是一项巨大挑战,主题爬虫是获取某个特定领域信息的有效途径。通用的主题相似度计算通常是基于词粒度的特征表达,而忽略了文本整体的主题特征表达,会影响爬虫系统的查准率和查全率。对此,提出融合BTM与TextCNN模型的主题爬虫,将内容主题判别模块当作文本分类问题研究,通过融合BTM得到的文本主题向量与word2vec词向量以增强文本语义信息,利用卷积神经网络提升判别模块的精确度,弥补了传统卷积神经网络分类模型中文本特征表示不充分的问题。实验结果表明,在开源新闻文本分类数据集(THUCNews)和自定义爬取的真实论文数据集中,融合BTM与TextCNN模型在测试集中的平均分类精准率分别为93.7%和91.3%,比只采用TextCNN的平均分类精确率分别提升了0.6、1.3个百分点。

关键词：主题爬虫主题相似度 TextCNN BTM word2vec

在线全文

学校读者我要写书评

暂无评论

题名相似度模型在文献数据质量控制中的应用

长江信息通信 2024年第2期37卷 120-122页

作者：金光龙张光照张银玲贵州财经大学图书馆贵州贵阳550025

针对特色文献资源建设面临采访预订单中元数据描述不标准、字段不齐全、输入不规范,采访渠道广泛等问题给查重工作带来的难度,本文提出了基于题名相似度的查重模型,将题名经过数据预处理后利用word2vec提取题名的特征向量,计算题名之间... 详细信息

针对特色文献资源建设面临采访预订单中元数据描述不标准、字段不齐全、输入不规范,采访渠道广泛等问题给查重工作带来的难度,本文提出了基于题名相似度的查重模型,将题名经过数据预处理后利用word2vec提取题名的特征向量,计算题名之间的余弦相似度解决文献的查重问题。实验结果表明该查重模型具有较好的效果,为图书馆馆藏特色文献资源建设提供了可行的借鉴。

关键词：特色馆藏元素据题名查重 word2vec 余弦相似度

融合word2vec和注意力机制的图像描述模型

在线全文

学校读者我要写书评

暂无评论

计算机科学 2019年第4期46卷 268-273页

作者：邓珍荣张宝军蒋周琴黄文明桂林电子科技大学计算机与信息安全学院广西桂林541004 广西高校云计算与复杂系统重点实验室广西桂林541004

针对当前图像描述任务中,生成描述图像的语句整体质量不高的问题,提出一种融合word2vec和注意力机制的图像描述模型。在编码阶段,应用word2vec模型描述文本向量化操作,以增强词与词的相关性;应用VGGNet19网络提取图像特征,并在图像特征... 详细信息

针对当前图像描述任务中,生成描述图像的语句整体质量不高的问题,提出一种融合word2vec和注意力机制的图像描述模型。在编码阶段,应用word2vec模型描述文本向量化操作,以增强词与词的相关性;应用VGGNet19网络提取图像特征,并在图像特征中融合注意力机制,使得模型在每一个时间节点上生成单词时能够突出相对应的图像特征。在解码阶段,应用GRU网络作为图像描述任务的语言生成模型,用以提高模型的训练效率和生成句子的质量。在Flickr8k和Flickr30k两个公共数据集上的实验结果表明,在同一训练环境下,GRU模型的训练时长比LSTM模型节省了1/3的时间,在BLEU和METEOR评价标准上,所提模型的性能得到了显著提升。

关键词：图像描述 word2vec 注意力机制 GRU模型

一种融入用户点击模型word2vec查询词聚类

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2016年第4期37卷 676-681页

作者：杨河彬贺樑杨静华东师范大学计算机应用研究所上海200241 华东师范大学上海市多维度信息处理重点实验室上海200241

用户查询聚类能够帮助搜索引擎了解当前热点、用户兴趣及需求,在搜索引擎性能优化及定向广告投放等起到了非常重要的作用.基于用户查询词长度非常短的特点,提出基于word2vec的词向量的用户查询词表示方法.并在word2vec的基础上提出CT-Wo... 详细信息

用户查询聚类能够帮助搜索引擎了解当前热点、用户兴趣及需求,在搜索引擎性能优化及定向广告投放等起到了非常重要的作用.基于用户查询词长度非常短的特点,提出基于word2vec的词向量的用户查询词表示方法.并在word2vec的基础上提出CT-word2vec神经网络语言模型.CT-word2vec模型不仅利用词汇的上下文信息将词转化成向量,而且还将用户的搜索点击行为融入词向量的学习过程当中.聚类实验结果表明,基于word2vec的词向量的查询词表示方法相对于传统的词袋法在熵、纯度衡量指标上有20%到30%的提高.基于CT-word2vec的词向量表示方法与word2vec相比有2%到4%的提升.

关键词：查询词聚类 word2vec 点击模型 CT-word2vec