|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于知识图谱的网络舆情突发话题内容监测研究显示文摘【目的/意义】为了实现突发事件网络舆情热点话题的及时发现与捕捉,实现多角度、全方位、高精度的网络舆情突发事件监测,精准构建特定时间区间内网络舆情突发事件的知识图谱监测模型对于舆情内容的监测和突发话题的发现具有重要影响。【方法/过程】本文基于知识图谱理论,提出了一种新的网络舆情监测方法,以突发事件网络舆情的时间特征为切入点,通过突发词项识别、构建突发话题图以及语义补充与完善三个步骤,在保留突发事件特征的基础上有效过滤无关网络内容,构建包含语义关系的突发话题图,实现全方面、高精度、少噪音的突发事件网络舆情热点话题监测。最后,本文以全标注微博数据集与在线微博数据流为基础展开实验研究。【结果/结论】实验结果表明:基于知识图谱的网络舆情监测方法有效提升了突发事件网络舆情监测的准确性与全面性,相较于传统的网络舆情监测算法,其突发事件监测准确率与召回率提升幅度大于6%,F1得分提升幅度大于12%,即通过筛选突发词项、构建突发话题图、语义补充与完善三个步骤,基于知识图谱的网络舆情监测方法在理论层面上有效提升了突发事件网络舆情监测的准确性与全面性,对于及时发现网络舆情话题、精确捕捉网络舆情发展趋势、针对性防治网络舆情危机等具有重要的指导意义。 | 马哲坤 涂艳 | 2019 | 情报科学2019，37，2： | 34 |
| 2 | 基于主题模型和词向量融合的微博文本主题聚类研究显示文摘[目的/意义]针对微博短文本数据存在的高维稀疏和上下文语义缺失等问题,提出一种融合主题模型和词向量的文本特征表达方式,以期提高微博主题聚类的效果。[方法/过程]以新浪微博为数据源,结合LDA文档—主题分布特征和加权Word2Vec词向量特征构建微博短文本的融合特征,基于K-means算法进行主题聚类,并与单一特征聚类、标准LDA主题模型的实验结果进行对比,根据F1值评估主题聚类方法的优劣。[结果/结论]相较于其他方法,融合特征主题聚类模型表现最佳,其F1值达到83.7%。实验表明,融合特征能够更加全面、准确地描述文本的语义信息,能更有效地表征微博文本。 | 颜端武 梅喜瑞 杨雄飞 朱鹏 | 2021 | 现代情报2021，41，10： | 20 |
| 3 | 我国网络舆情预测研究综述显示文摘随着网民队伍的不断扩大,网络舆情对社会的影响不容小觑。如果能够及时通过数据分析,发现热点话题,并采用有效的预测方法来预估网络舆情的发展趋势,对于帮助政府及时有效地引导和控制网络舆情发展方向具有较大意义。本文通过对我国网络舆情预测的相关文献做收集、整理和分析,归纳其中的主要研究思想和方法,同时评析存在的不足,并提出进一步的展望,以期对后来研究者提供参考。 | 游丹丹 陈福集 | 2016 | 情报科学2016，34，12： | 18 |
| 4 | 基于LDA模型和多层聚类的微博话题检测显示文摘随着微博这一新兴社交媒体的广泛应用,以微博为背景的相关研究不断涌现,其中基于微博的话题检测是当前研究的热点之一。结合微博文本的相关特点,文中提出了一种基于LDA模型和多层聚类的微博话题检测方法。首先,通过LDA模型对微博数据建模并提取特征;其次,利用改进的Single-Pass聚类和层次聚类对微博数据进行聚类,从而发现热点话题。通过在大规模微博数据上进行话题检测实验,通过LDA建模比通过TF-IDF进行特征选择和权重计算效果好;改进的Single-Pass聚类能够处理第一遍Single-Pass聚类未处理的微博,提高了初步聚类的精度,并且为下一步层次聚类减少了时间;多层聚类的聚类效果在准确率、召回率和F值三方面均比单一聚类算法的聚类效果好。显然,文中的话题检测方法是可行的,也是有效的。 | 刘红兵 李文坤 张仰森 | 2016 | 计算机技术与发展2016，26，6： | 15 |
| 5 | 我国网络舆情热度分析文献综述显示文摘随着我国网民规模不断扩大,网络舆论对社会的影响越来越重要。如果舆情监管部门能够及时发现网络中存在的热点话题,掌握热点话题的发展趋势,可以帮助政府及时引导和有效控制舆情发展方向。本文对我国网络舆情热度分析相关文献进行收集、整理,分析和归纳了现阶段我国网络舆情热度分析的主流思想、相关技术及常用的舆情热度计算方法。最后,总结了现有研究成果存在的不足及下一步工作努力的方向。 | 胡改丽 陈婷 陈福集 郑小雪 | 2016 | 情报科学2016，34，1： | 13 |
| 6 | 我国网络舆情热点话题发现研究综述显示文摘随着互联网的快速发展,网络舆情对社会的影响不容忽视。若能够及时从海量数据中发现热点话题,追踪热点话题演变以及预测话题的倾向,对于帮助相关部门及时有效地对其引导和控制具有较大意义。本文通过对我国网络舆情热点话题发现的相关文献进行收集、整理及分析,归纳其中的主要研究思想和方法,同时发现存在的不足,并提出进一步的展望,以期对后来研究者提供参考。 | 游丹丹 陈福集 | 2017 | 现代情报2017，37，3： | 13 |
| 7 | 基于改进的LDA主题模型的微博用户聚类研究显示文摘大规模文档集中潜藏的语义信息一般可以用潜在狄利克雷(LDA)主题模型识别,因为微博短文本语义稀疏,所以在微博短文本聚类中的应用并不理想。利用传统的潜在狄利克雷分布的主题模型来给微博建模,得到的微博用户分布并不直观,通过改进的LDA模型将用户表示为主题概率向量,不仅能够充分地挖掘文本隐藏的语义信息,同时能够直观地呈现用户的主题分布。提出基于密度区域划分的K-means算法对微博用户进行聚类。使用真实的微博数据集进行验证,与传统的K-means聚类方法对比,采用该方法对微博用户的聚类能够有较明显的提高。 | 裴超 肖诗斌 江敏 | 2016 | 情报理论与实践2016，39，3： | 12 |
| 8 | 融合BTM主题特征的短文本分类方法显示文摘针对短文本特征较少而导致使用传统文本分类算法进行分类效果并不理想的问题,提出了一种融合BTM主题特征和改进了特征权重计算的综合特征提取方法来进行短文本分类。方法中,在TF-IWF的基础上降低词频权重并引入词分布熵,衍生出新的算法计算权重。结合BTM主题模型中各主题下的主题词对词数较少的文档进行补充,并选择每篇文档在各个主题下的概率分布作为另一部分文档特征。通过KNN算法进行多组分类实验,结果证明该方法与传统的TF-IWF等方法计算特征进行比较,F1的结果提高了10%左右,验证了方法的有效性。 | 郑诚 吴文岫 代宁 | 2016 | 计算机工程与应用2016，52，13： | 11 |
| 9 | 基于语义分析和相似强度的微博热点发现方法显示文摘【目的】通过改进热点发现方法,解决传统方法存在的语义理解不足和聚类算法局限性的问题。【方法】从语义分析角度表示文本,使用信息增益和潜在语义分析方法构建词–文档矩阵;提出二次聚类算法方案,实现热点发现与更新,并使用相似强度的大小选取最优热点。【结果】该热点发现方法的查全率为91.3%,查准率为92.9%,较前人方法的聚类效果有所提高;该热点发现方法也可以更新数据,降低实验复杂度。【局限】实验数据的时间跨度较小,使得更新热点方法的效果不太显著。【结论】本文提出的热点发现方法具有良好的准确性。 | 吴妮 赵捧未 秦春秀 | 2015 | 现代图书情报技术2015，，5： | 11 |
| 10 | 大数据时代融媒体信息资源管理技术需求与热点分析研究显示文摘【目的/意义】复杂多样的网络资源使得融媒体平台面临高质量推送信息的压力,大数据时代下融媒体信息资源管理的研究成为一个全新且亟待解决的问题。【方法/过程】以融媒体信息资源为研究对象,从信息资源管理的角度研究大数据时代融媒体平台信息资源的选取与采集、组织与溯源、推荐与展现三个环节;通过解析大数据时代融媒体信息资源管理中的三个关键问题提出此研究方向的发展趋势。【结果/结论】从信息资源管理视角分析,提出融媒体平台信息资源管理的具体方法和策略,有利于规范网络信息服务活动的秩序,最终实现融媒体平台社会价值和经济价值的共赢。 | 崔金栋 陈思远 郭天成 梁雯豪 郭元婕 | 2020 | 情报科学2020，38，8： | 9 |
| 11 | 基于微博意见领袖参与行为的热点话题检测研究显示文摘为了解决对微博海量信息采集分析的问题,为此本文研究提出基于微博意见领袖参与行为的热点话题检测算法。微博意见领袖在微博话题传播和演化过程中具有加速传播和引导等作用,本文从具有影响力的微博意见领袖采集微博信息,对信息数据进行加工处理以得到微博话题,并利用Single-Pass聚类算法作为核心算法进行话题的抽取,有效地提高热点话题检测的效率。 | 赵龙文 陈明艳 公荣涛 姚海波 | 2015 | 情报科学2015，33，4： | 9 |
| 12 | 基于社交平台数据的文本分类算法研究显示文摘文本分类是文本挖掘、机器学习、自然语言处理等诸多领域的子问题之一,在过去的十多年里,网络上的文本数据量呈现高速增长的趋势,尤其是在社交类平台,其文本数据大多都以文本长度短、数量多的形式出现,如何将这些短文本数据进行分类以及提取出每个类中的具有代表性的词语是文本分类的一大难题,且目前在社交平台上关于短文本的文本分类研究甚少。文中抓取一部分社交平台Twitter上的数据,使用不同的机器学习算法进行模型训练和模型评估,实验结果表明,基于SVM的模型在短文本分类上有较好的表现。 | 施瑞朗 | 2018 | 电子科技2018，31，10： | 8 |
| 13 | 利用概率主题模型的微博热点话题发现方法显示文摘微博具有长度短、实时传播、结构复杂以及变形词多等特点,传统的向量空间模型(VSM)文本表示方法和隐含语义分析(LSA)无法很好的对其进行建模.提出了一种基于概率潜在语义分析(pLSA)和K均值聚类(Kmeans)的二阶段聚类算法,此外通过定义微博热度分析和排序,有效地支持微博热点话题发现.实验表明,此方法能有效地进行话题聚类并检测出热点话题. | 米文丽 孙曰昕 | 2014 | 计算机系统应用2014，23，8： | 7 |
| 14 | 中文微博文本采集与预处理综述显示文摘随着微博的迅猛发展,微博相关方向的数据挖掘已经成为研究热点。而如何高效、完整地采集微博信息并对其进行预处理,将大大影响微博数据挖掘的效率与效果。对基于API与网页爬虫的微博信息采集方式及其研究现状进行了归纳总结,并按照中文微博文本预处理过程归纳总结了信息过滤、中文文本分词、特征表示与选择等预处理方法研究现状。最后对未来微博信息采集及处理的发展方向进行了展望。 | 孔雪娜 孙红 | 2017 | 软件导刊2017，16，2： | 7 |
| 15 | 一种基于关键词的微博话题聚类算法显示文摘由于微博跟现实生活有着密不可分的联系,微博的话题聚类可以发掘人们所关注的话题,有利于引导公众舆情。由于传统的文本聚类方法主要适用于长文本,LDA(Latent Dirichlet Allocation)话题模型是一个比较成熟也比较全面的话题聚类方法,实验中利用LDA模型来发掘当前公众讨论的热点话题,提出一种文本关联词算法。利用LDA得到的关键词进行聚类分析,也可以对LDA话题聚类后的结果进行优化调整,得到的结果与标注数据集进行对比分析,实验结果证明该算法能够提高聚类的正确率、召回率和F值。 | 林丹 刘建明 谷志瑜 | 2018 | 计算机应用与软件2018，35，1： | 7 |
| 16 | 基于单句粒度的微博主题挖掘研究显示文摘针对现有主题挖掘方法的不足,本文提出一种以句子为粒度的微博主题挖掘方法。首先,以标点符号为依据进行微博文本的句子划分,选择名词和动词为特征词来表征句子;其次,以高频特征词在微博文本集中的共现频次为基础构建词语相似矩阵,辅助计算句子相似度,构建句子相似矩阵;然后,以句子相似矩阵为基础进行聚类分析,通过分析聚类结果实现主题发现;最后,利用改进的LexRank算法计算各主题句子的重要度值,组合重要度值高的句子生成主题摘要,以完成对主题的描述。文章通过实验证明了该方法的可行性。 | 唐晓波 肖璐 | 2014 | 情报学报2014，33，6： | 7 |
| 17 | 基于时序主题的网络舆情热点话题演化分析方法显示文摘针对舆情话题演化中的话题漂移和衍生效应,提出基于时序主题信息的舆情话题演化分析方法并通过加入时序标签,对舆情热点话题内容和强度的演化过程进行了可视化.实例证明,该文提出的话题追踪算法能够有效探测出各阶段的舆情热点话题、分析舆情演化趋势,为突发事件发展态势的预测提供理论借鉴. | 陈婷 王雪怡 曲霏 陈福集 | 2016 | 华中师范大学学报(自然科学版)2016，50，5： | 5 |
| 18 | 基于时序信息的话题动态演化模型及追踪算法显示文摘针对舆情话题演化的时序特性、衍生特性和话题漂移现象,在分析话题演化特性的基础上构建了基于时间片的话题动态演化模型,并设计了话题追踪算法,将网页内容与链接关系归一化来计算话题相关度。实验表明,该算法能够有效应对话题漂移和话题衍生效应,显著提高了话题的追踪效果。 | 陈婷 胡改丽 陈福集 | 2015 | 武汉理工大学学报(信息与管理工程版)2015，37，3： | 4 |
| 19 | 基于重叠社团发现的微博话题检测方法显示文摘微博话题检测是当前研究的热点,提出一种基于复杂网络重叠社团发现的微博话题检测方法。该方法对一段时间内的微博数据进行预处理,在分词后,根据词性以及词的时域分布抽取出主题词,在相关度高的主题词之间构造边得到复杂网络。引入社团独立模块度的概念,并通过社团独立模块度最大化模型发现重叠社团,把每个社团看成一个微博话题。重叠社团发现的方法可以解决由一个或多个主题词属于多个话题引起的话题检测准确率低的问题。实验结果证明了该方法在微博话题检测中的有效性。 | 程飞 姬东鸿 | 2015 | 计算机工程与应用2015，51，6： | 4 |
| 20 | 一种改进的K均值微博热点话题发现方法显示文摘本文对于K均值聚类算法应用在大量微博数据集中聚类效率低,正确性不高的问题,提出了一种改进的K均值微博热点话题发现方法。在对微博特有属性的研究基础上,利用微博转发关系解决微博内容碎片化导致的聚类准确性及效率较低的问题;实验结果表明本文提出的改进的K均值聚类算法比传统的K均值热点话题发现,准确率提升了11.3%,聚类比较次数提升了27.5%。 | 何诺 马苗苗 | 2019 | 数据通信2019，，1： | 4 |
您所在的机构暂未开通此部分的功能，请联系管理员