分类： 图书馆学、情报学 >> 图书馆学 提交时间： 2023-10-08 合作期刊: 《知识管理论坛》
摘要： [目的/意义]明确我国营商环境政策发展态势，揭示政策重点的时序演化规律，为后续政策的制定与完善提供数据支撑。[方法/过程]基于2001-2020年中央及各地方政府发布的营商环境政策文本，以两年为一个时间片，通过动态主题模型得到30个营商环境主题的时序演化分布，然后将主题归纳到市场环境、政务环境、人文环境和法律环境4个维度下，进而研究营商环境政策中各维度的主题强度及重点发展趋向。[结果/结论]营商环境政策主要集中于政务环境和市场环境建设，政策力度分配不均，且各维度强度在不同经济地区下差异显著，由此针对营商环境政策提出的建议包括：强化市场导向，减弱政务干预，引入法制规范，等等。
分类： 图书馆学、情报学 >> 图书馆学 提交时间： 2023-10-08 合作期刊: 《知识管理论坛》
摘要： [ 目的 / 意义 ] 网络谣言严重影响网络正常信息的传播，对网络谣言进行识别有着重要的现 实意义。笔者构建一个基于微博的网络谣言敏感词库，以提高网络谣言的识别精度。[ 方法 / 过程 ] 针 对微博类社交平台短文本的特点，首先舍弃传统的分词算法，设计 LBCP 抽词算法，并结合位置信息和 改进的 TF-IDF 权重来提取敏感词库的种子词集，然后通过聚类算法将种子词的近义词补充到词库中， 再将常用的替代词也加入到词库中，从而得到最终的敏感词库。[ 结果 / 结论 ] 利用敏感词特征对谣言 进行判断，在提取微博的内容特征、用户特征、传播特征以及情感分析特征的基础上，新增敏感词特征 以后谣言识别率有明显提升，得到较好的识别效果。
分类： 图书馆学、情报学 >> 图书馆学 提交时间： 2023-10-08 合作期刊: 《知识管理论坛》
摘要： [ 目的 / 意义 ] 提出一种以情感加权算法和朴 素贝叶斯算法为基础的组合分类模型（SWNB 模 型），旨在对中文微博话题的立场进行判别。[ 方法 / 过程 ] 该模型首先通过给定的复杂句模型对微博进 行简化，然后依据情感规则得到情感权值，提取微博中与话题相关的实体并进行优化，进而将微博分为包 含立场和未表明立场（NONE）两类；再对包含立场的微博提取特征词，利用朴素贝叶斯算法将其立场判 别为支持（FAVOR）或反对（AGAINST）。[ 结果 / 结论 ] 实验结果表明，本模型有较好的立场判别精度， 并能同时有效地处理中文复杂句式、话题相关评价对象以及上下文语境等复杂情形。
分类： 图书馆学、情报学 >> 图书馆学 提交时间： 2023-08-27 合作期刊: 《图书情报工作》
摘要： [目的/意义]微博已成为大众情感表达的重要平台，微博的情感分析在舆情分析、用户体验、商机挖掘等方面有着重要的作用。[方法/过程]提出的情感倾向分类算法WE_SDAE使用单词嵌入的方式将微博表示成一个低维稠密向量，然后通过添加正则项和加噪处理的方式将基本的自动编码器算法优化成深层噪音自动编码器，并在顶层添加分类器，实现情感倾向分类。考虑到微博用词灵活，还从单字和词语两个粒度训练模型。[结果/结论]实验结果表明，基于单字粒度的模型表现优于基于词语粒度的模型。此外，对比实验显示WE_SDAE算法优于传统的SVM、Naive-Bayes、XgBoost等相关算法；单词嵌入的方式优于传统的向量空间模型表示方法，能在微博情感分析中取得较好的效果。
分类： 图书馆学、情报学 >> 情报学 提交时间： 2023-04-01 合作期刊: 《图书情报工作》
摘要： [目的/意义] 在"新冠"疫情这类突发公共卫生事件中，网络社交媒体上迅速产生大量关于疫情的言论，其中包含不少蓄意传播的谣言，不仅危害公众心理健康，而且会影响应对公共卫生事件的方案实施。识别突发公共卫生事件的谣言能够使民众正确面对危机，为社会安定、网络治理起到积极的维护作用。[方法/过程] 首先对采集到的疫情期间已被证实的谣言进行深度分析，提取谣言文本的主要特征，包括上下文特征、话题类别特征、情感程度特征、关键词特征等；然后针对文本分类模型中的文本特征表达较为单一的问题，利用不同的模型对提取的谣言文本特征进行向量化，并对各类文本特征进行加强和融合。其中通过TF-IDF计算的词向量权重在捕获上下文特征的同时，能够加强词粒度的关键词特征信息。最后，使用BiLSTM+DNN模型对融合的特征向量进行分类判别。[结果/结论] 实验结果表明，话题类别、情感程度等特征对谣言识别均有贡献，特别是经过强化后的词向量与其他特征融合后对识别准确率有明显提升，召回率、F1值等指标均达到90%以上，效果超过其他的谣言识别模型，说明笔者所构建的方法能够很好地实现对突发公共卫生事件背景下的谣言识别。
点击量
通过
点击量
下载量
评论
