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

融合情绪特征和主题演化的新冠疫苗舆情分析

图书情报研究 2024年第2期17卷 91-99页

作者：王凤姣钟诗琦叶莉莉谢清湘潭大学公共管理学院湘潭411105 深圳职业技术学院管理学院深圳518055

[目的/意义]开展新冠疫苗网络舆情实证分析,探寻新冠疫苗所引起网民情绪变化的多维度演化过程和规律,为政府等部门在发生重大突发传染病时动员疫苗接种和引导情绪工作提供理论指导和智力支持。[方法/过程]使用情绪词典、word2vec词向量... 详细信息

[目的/意义]开展新冠疫苗网络舆情实证分析,探寻新冠疫苗所引起网民情绪变化的多维度演化过程和规律,为政府等部门在发生重大突发传染病时动员疫苗接种和引导情绪工作提供理论指导和智力支持。[方法/过程]使用情绪词典、word2vec词向量模型、LDA主题模型等方法探究网民的新冠疫苗情感走势、主题演化及两者间的关系。[结果/结论]网民对新冠疫苗的情绪变化与内容主题演化过程基本吻合,但主题内容讨论和网民情感倾向各阶段表现不同;网民情绪与事件主题均受外部信息的影响,事件主题促使网民情绪发生转变,网民情绪的表达反过来推进主题发展,二者共同推动着舆情的走向。

关键词：情感分析 word2vec LDA主题模型新冠疫苗

Transcription Factor Bound Regions Prediction: word2vec Technique with Convolutional Neural Network

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Journal of Intelligent Learning Systems and Applications 2020年第1期12卷 1-13页

作者： Rixin Chen Ruoxi Dai Mingye Wang University of Electronic Science and Technology of China Chengdu China Northeastern University Shenyang China Sun Yat-sen University Guangzhou China

Genome-wide epigenomic datasets allow us to validate the biological function of motifs and understand the regulatory mechanisms more comprehensively. How different motifs determine whether transcription factors (TFs) can bind to DNA at a specific position is a critical research question. In this project, we apply computational techniques that were used in Natural Language Processing (NLP) to predict the Transcription Factor Bound Regions (TFBRs) given motif instances. Most existing motif prediction methods using deep neural network apply base sequences with one-hot encoding as an input feature to realize TFBRs identification, contributing to low-resolution and indirect binding mechanisms. However, how the collective effect of motifs on binding sites is complicated to figure out. In our pipeline, we apply word2vec algorithm, with names of motifs as an input to predict TFBRs utilizing Convolutional Neural Network (CNN) to realize binary classification, based on the ENCODE dataset. In this regard, we consider different types of motifs as separate “words”, and their corresponding TFBR as the meanings of “sentences”. One “sentence” itself is merely the combination of these motifs, and all “sentences” compose of the whole “passage”. For each binding site, we do the binary classification within different cell types to show the performance of our model in different binding sites and cell types. Each “word” has a corresponding vector in high dimensions, and the distances between each vector can be figured out, so we can extract the similarity between each motif, and the explicit binding mechanism from our model. We apply Convolutional Neural Network (CNN) to extract features in the process of mapping and pooling from motif vectors extracted by word2vec Algorithm and gain the result of 87% accuracy at the peak.

关键词： Motifs Bound Regions word2vec CNN

基于word2vec的中文命名实体链接研究

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于Word2Vec的中文命名实体链接研究

作者：黄东川国防科学技术大学

学位级别：硕士

命名实体链接在信息处理领域是一个十分基础的技术,可以说在什么地方都可以用到这个技术。在做聊天记录的分析时,需要整明白讨论的对象是什么;在做问答系统时,需要弄懂用户问的是什么;在做文本分类是,也得了解文章讨论的是什么概念等等... 详细信息

命名实体链接在信息处理领域是一个十分基础的技术,可以说在什么地方都可以用到这个技术。在做聊天记录的分析时,需要整明白讨论的对象是什么;在做问答系统时,需要弄懂用户问的是什么;在做文本分类是,也得了解文章讨论的是什么概念等等都会用到命名实体链接,有了这一步才会有接下来的分析、预测等等。实体链接因为它基础,所以它也很重要。实体链接的主要思路为:首先限定名称可能指向实体的范围,然后从里边选择一个作为目标实体。限定范围的步骤称为候选实体集合生成,选择目标实体的操作称为实体消歧。候选实体集合生成的方法主要有:查询词典、字面相似度计算两种方法。其中词典的构建需要大量的人工统计,对于新词的出现词典的更新往往会滞后;而基于字面相似度的方法却不准确。本文集合了词典构建以及字面相似度的算法提高了候选实体集合生成的效果。对于实体消歧,即从候选实体集合中确定目标实体,使用的主要方法有流行度、主题相似度、标签相似度、文本相似度等方法。流行度的方法效果是不好的,因为无论什么上下文使用流行速的方法得到的结果都是一样的,但流行度又确实有参考的意义,因此把他放在候选实体集合生成部分;主题相似度计算可以判断两个实体属于同一个主题的概率,但是这种方法计算量大;标签相似度即计算标签之间的相似度,因此需要获得每个实体的标签,这种结构并不是所有的实体都有,因此不具有通用性,但如果每个实体都有标签的话可以有助于提高实体链接的准确度。文本相似度是用一些常见的文本相似度计算的算法计算实体描述文本与查询名称上下文的相似度,但是很多时候这些相似度时很小的,文本相似度在实体链接的过程中不具有参考意义的。针对以上情况,本论设计实现了一种基于流行度排序和word2vec的实体消歧算法,实验证明,这种方法效果明显。

关键词：实体链接实体消歧百度百科 word2vec 中文微博

融合word2vec与时间因素的馆藏学术论文推荐算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

图书馆论坛 2019年第5期39卷 110-117页

作者：陈长华李小涛邹小筑叶志锋南京航空航天大学图书馆南京航空航天大学工信智库评价中心南京航空航天大学

为提高图书馆文献个性化推荐的效率和用户满意度,文章提出了一个面向科研人员的个性化学术论文推荐方法:将科研人员与学术论文映射至特征空间中,基于word2vec进行建模,并通过加权相似性度量,计算待推荐论文与研究者已发表论文间的相似度... 详细信息

为提高图书馆文献个性化推荐的效率和用户满意度,文章提出了一个面向科研人员的个性化学术论文推荐方法:将科研人员与学术论文映射至特征空间中,基于word2vec进行建模,并通过加权相似性度量,计算待推荐论文与研究者已发表论文间的相似度,进行个性化推荐。

关键词：推荐系统学术论文 word2vec

融合均值分割与word2vec的矩阵分解推荐算法

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 2019年第5期40卷 978-983页

作者：梁顺攀王辰原福永张付志燕山大学信息科学与工程学院河北秦皇岛066004 河北省计算机虚拟技术与系统集成重点实验室河北秦皇岛066004

随着推荐内容的多样化,推荐系统中需要引入隐式反馈信息来加强其适用范围.但是隐式反馈推荐存在着缺少负反馈的问题,并且稀疏的隐式反馈信息会影响推荐结果准确度.针对这些问题,首先,考虑到用户会存在喜欢和不喜欢的内容,提出均值分割方... 详细信息

随着推荐内容的多样化,推荐系统中需要引入隐式反馈信息来加强其适用范围.但是隐式反馈推荐存在着缺少负反馈的问题,并且稀疏的隐式反馈信息会影响推荐结果准确度.针对这些问题,首先,考虑到用户会存在喜欢和不喜欢的内容,提出均值分割方法,并使用均值分割方法改进矩阵分解推荐算法,解决隐式反馈中缺少负反馈的问题.然后,引入了word2vec技术计算相似度,并使用得到的相似度对隐式评分矩阵进行预测填充,以达到降低隐式评分矩阵稀疏度的目的.最后,使用真实世界数据集进行实验,实验结果表明本文提出的推荐算法可以解决隐式反馈推荐中缺少负反馈的问题,并降低数据的稀疏度,提高推荐结果的准确度.

关键词：隐式反馈矩阵分解均值分割 word2vec 相似度

A text retrieval algorithm based on the hybrid LDA and word2vec model

在线全文

学校读者我要写书评

暂无评论

A text retrieval algorithm based on the hybrid LDA and Word2...

基于word2vec词模型的中文短文本分类方法

作者： Xue Mu Liaoning Jianzhu Vocational College

Text retrieval is a fundamental problem in information retrieval,and it is greatly influenced by the text feature representation.In this paper,we propose a novel text feature representation model,which integrates the LDA and word2 vec model,and then utilize this model to handle the text retrieval problem.Latent Dirichlet Allocation represents a generative probabilistic model of a corpus,and texts are organized as random mixtures of latent topics.In particular,the proposed algorithm computes the distance between document and topics,and then each document is represented as a feature vector,in which each dimension denotes the distance between this document and a specific topic.To test the effectiveness of the proposed algorithm,several related methods are made performance comparison,and experimental results demonstrate that the proposed solution performs better than other methods,and it can achieve high accuracy for text retrieval.

关键词： Text retrieval Latent Dirichlet Allocation word2vec Feature space

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

山东大学学报（工学版） 2019年第2期49卷 34-41页

作者：高明霞李经纬北京工业大学信息学部北京100124

针对受字数限定影响的文本特征表达能力弱成为短文本分类中制约效果的主要问题,提出基于word2vec维基百科词模型的中文短文本分类方法(chinese short text classification method based on embedding trained by word2vec from wikipedi... 详细信息

针对受字数限定影响的文本特征表达能力弱成为短文本分类中制约效果的主要问题,提出基于word2vec维基百科词模型的中文短文本分类方法(chinese short text classification method based on embedding trained by word2vec from wikipedia, CSTC-EWW),并针对新浪爱问4个主题的短文本集进行相关试验。首先训练维基百科语料库并获取word2vec词模型,然后建立基于此模型的短文本特征,通过SVM、贝叶斯等经典分类器对短文本进行分类。试验结果表明:本研究提出的方法可以有效进行短文本分类,最好情况下的F-度量值可达到81.8%;和词袋(bag-of-words, BOW)模型结合词频-逆文件频率(term frequency-inverse document frequency, TF-IDF)加权表达特征的短文本分类方法以及同样引入外来维基百科语料扩充特征的短文本分类方法相比,本研究分类效果更好,最好情况下的F-度量提高45.2%。

关键词：短文本中文文本分类维基百科 word2vec 词嵌入

基于word2vec的句子语义相似度计算研究

在线全文

学校读者我要写书评

暂无评论

计算机科学 2017年第9期44卷 256-260页

作者：李晓解辉李立杰安阳师范学院计算机与信息工程学院安阳455002 清华大学计算机科学与技术系北京100084 北京理工大学软件学院北京100081

word2vec利用深度学习的思想,可以从大规模的文本数据中自动学习数据的本质信息。因此,借助哈尔滨工业大学的LTP平台,设计利用word2vec模型将对句子的处理简化为向量空间中的向量运算,采用向量空间上的相似度表示句子语义上的相似度。此... 详细信息

word2vec利用深度学习的思想,可以从大规模的文本数据中自动学习数据的本质信息。因此,借助哈尔滨工业大学的LTP平台,设计利用word2vec模型将对句子的处理简化为向量空间中的向量运算,采用向量空间上的相似度表示句子语义上的相似度。此外,将句子的结构信息添加到句子相似度计算中,并就特殊句式对算法进行了改进,同时考虑到了词汇之间的句法关系。实验结果表明,该方法更准确地揭示了句子之间的语义关系,句法结构的提取和算法的改进解决了复杂句式的相似度计算问题,提高了相似度计算的准确率。

关键词：句子相似度 word2vec 词向量语义句法结构

基于word2vec和SVMperf的中文评论情感分类研究

在线全文

学校读者我要写书评

暂无评论

计算机科学 2016年第S1期43卷 418-421 447页

作者：张冬雯杨鹏飞许云峰河北科技大学信息科学与工程学院石家庄050018

利用有监督的机器学习的方法来对中文产品评论文本进行情感分类,该方法结合了word2vec和SVMperf两种工具。先由word2vec训练出语料中每个词语的词向量,通过计算相互之间的余弦距离来达到相似概念词语聚类的目的,通过相似特征聚类将高相... 详细信息

利用有监督的机器学习的方法来对中文产品评论文本进行情感分类,该方法结合了word2vec和SVMperf两种工具。先由word2vec训练出语料中每个词语的词向量,通过计算相互之间的余弦距离来达到相似概念词语聚类的目的,通过相似特征聚类将高相似度领域词汇扩充到情感词典;再使用word2vec训练出词向量的高维度表示;然后采用主成分分析方法(PCA)对高维度向量进行降低维度处理,形成特征向量;最后使用两种方法抽取有效的情感特征,由SVMperf进行训练和预测,从而完成文本的情感分类。实验结果表明,采用相似概念聚类方法对词典进行扩充任务或情感分类任务都可以获得很好的效果。

关键词：情感分类 word2vec SVMperf 语义特征 PCA