基于知识图谱的船舶中文专利推荐技术研究
这是一篇关于中文专利,先验知识,主题挖掘,关系抽取,推荐系统的论文, 主要内容为大型船舶企业在发展过程中积累了海量的专利技术信息,如何有效利用专利服务于产品研发环节成为当前船舶企业发展的关键。为了利用现有专利数据提高船舶产品的设计效率与质量,本文提出了一种基于知识图谱的中文专利推荐机制,利用主题挖掘、知识图谱等自然语言处理和信息管理技术开发面向设计研发人员的船舶中文专利推荐系统,从而实现船舶企业的智能化、快速化以及高质量化发展。主题模型是从海量文本中挖掘潜在语义信息的关键技术,是超高规模数据处理的有效手段。为了有效挖掘专利中的技术信息,本文首先提出一种基于先验知识的中文专利半监督主题挖掘模型。该模型基于相关性解释利用先验知识作为辅助信息来对潍柴20万条专利摘要文本进行挖掘,利用pyLDAvis可视化技术选取超参数,然后对主题挖掘结果进行一致性检验,最后将其结果与隐含狄利克雷分布、相关性解释两大经典无监督主题模型进行对比以验证其有效性。实验结果表明:先验知识的引入可以有效提高主题模型的主题一致性和指向性。构建领域知识图谱是信息管理的有效手段,为了有效挖掘专利技术信息之间的潜在关联,然后本文提出了一种基于先验知识的知识图谱关系抽取模型。该模型首先利用先验知识数据辅助训练关系抽取模型来提高关系抽取的准确性,分析其在不同先验知识规模下的准确率、召回率和F1值(平衡F分数),然后与双向长短期记忆网络和条件随机场关系抽取模型进行对比以验证其有效性。结果表明:通过先验知识的引导可以有效提高知识抽取的质量。推荐系统是解决信息过载的有效方法之一,为了在船舶产品开发中向研发人员提供精准的信息推送,本文最后在潜在兴趣传播模型基础上提出了一种基于关系权重选择的兴趣传播模型。该模型首先利用统计学方法对知识图谱关系类型以及数量进行分析,利用截断策略对数据进行噪声清洗,然后为关系类型分配不同的权值,在兴趣传播中利用权值优先采样策略进行兴趣集选择,最后在验证集上验证该模型的有效性。结合本文研究内容和船舶企业产品设计需求,本文还基于Pyside2软件技术平台设计和开发了面向研发人员的船舶中文管理系统,为船舶产品的智能设计与制造提供技术支撑。
基于知识图谱的船舶中文专利推荐技术研究
这是一篇关于中文专利,先验知识,主题挖掘,关系抽取,推荐系统的论文, 主要内容为大型船舶企业在发展过程中积累了海量的专利技术信息,如何有效利用专利服务于产品研发环节成为当前船舶企业发展的关键。为了利用现有专利数据提高船舶产品的设计效率与质量,本文提出了一种基于知识图谱的中文专利推荐机制,利用主题挖掘、知识图谱等自然语言处理和信息管理技术开发面向设计研发人员的船舶中文专利推荐系统,从而实现船舶企业的智能化、快速化以及高质量化发展。主题模型是从海量文本中挖掘潜在语义信息的关键技术,是超高规模数据处理的有效手段。为了有效挖掘专利中的技术信息,本文首先提出一种基于先验知识的中文专利半监督主题挖掘模型。该模型基于相关性解释利用先验知识作为辅助信息来对潍柴20万条专利摘要文本进行挖掘,利用pyLDAvis可视化技术选取超参数,然后对主题挖掘结果进行一致性检验,最后将其结果与隐含狄利克雷分布、相关性解释两大经典无监督主题模型进行对比以验证其有效性。实验结果表明:先验知识的引入可以有效提高主题模型的主题一致性和指向性。构建领域知识图谱是信息管理的有效手段,为了有效挖掘专利技术信息之间的潜在关联,然后本文提出了一种基于先验知识的知识图谱关系抽取模型。该模型首先利用先验知识数据辅助训练关系抽取模型来提高关系抽取的准确性,分析其在不同先验知识规模下的准确率、召回率和F1值(平衡F分数),然后与双向长短期记忆网络和条件随机场关系抽取模型进行对比以验证其有效性。结果表明:通过先验知识的引导可以有效提高知识抽取的质量。推荐系统是解决信息过载的有效方法之一,为了在船舶产品开发中向研发人员提供精准的信息推送,本文最后在潜在兴趣传播模型基础上提出了一种基于关系权重选择的兴趣传播模型。该模型首先利用统计学方法对知识图谱关系类型以及数量进行分析,利用截断策略对数据进行噪声清洗,然后为关系类型分配不同的权值,在兴趣传播中利用权值优先采样策略进行兴趣集选择,最后在验证集上验证该模型的有效性。结合本文研究内容和船舶企业产品设计需求,本文还基于Pyside2软件技术平台设计和开发了面向研发人员的船舶中文管理系统,为船舶产品的智能设计与制造提供技术支撑。
突发事件网络舆情情感演化与主题特征分析
这是一篇关于突发事件网络舆情,情感分类,主题挖掘,演化特征,OCC的论文, 主要内容为目前我国正处在一个社会深度转型与经济转轨的关键时期,随着中国经济的迅猛发展,新型工业化和经济全球化进程都将会进一步加快,在转型期带来社会进步的发展同时伴随着社会矛盾问题的日益凸显,导致突发事件频发。在互联网飞速发展的时代背景下,网络成为人们传播信息和发表言论的主要途径,一旦发生突发事件,在极短的时间内就会引起大批量网民的关注和讨论,他们在网络平台上发表个人的情感态度和意见观点,使得舆情信息量迅速增长并快速传播,极易引起突发事件舆情风波,如果相关部门不对其进行引导控制,可能会造成社会动荡不安。网络舆情与传统舆情相比,传播速度更快,影响人群面更广,引发后果更严重,网民作为主要讨论参与者,他们表达的情感和关注焦点能一定程度反映舆情的走向,因此,通过研究网民的情感演化和关注主题特征,能够使政府及时掌握突发事件网络舆情的演化态势并在关键节点进行合适的引导和干预,避免其因发展态势失控对社会造成负面影响。本文提出了融合OCC-BERT文本情感分析与LDA文本主题分析的突发事件网络舆情研究框架,实现对突发事件网络舆情进行情感演化和主题特征分析。一方面,利用OCC情感认知和BERT深度学习算法实现对突发事件网络舆情文本的情感分类,通过设计实验,将OCC-BERT与其他情感分类方法做对比,结果表明OCC标注的BERT的情感分类模型的准确率最高,证明能够很好地完成对突发事件网络舆情文本的情感分类。另一方面,在情感分类模型的基础上提出基于LDA的突发事件网络舆情主题分析研究框架,在该主题分析中,融合了舆情阶段划分特点、情感分类结果和主题挖掘结果,进行突发事件网络舆情主题特征分析。本章主要以“8.12天津爆炸事件”为具体研究案例,对前文提出的OCC-BERT情感分类模型和LDA主题挖掘进行实证分析,在数据获取处理与演化周期划分的基础上,进行情感演化分析、主题挖掘分析和主题特征演化分析。通过实证分析挖掘出了网民在舆情发展的不同阶段所关注的热点主题和情感演变,掌握8.12天津爆炸突发事件网络舆情发展方向和网民态度,有利于相关管理部门获得舆论的发展动向、民众的情感变化,并为相关部门提供针对突发事件网络舆情有效的演化分析路径和舆情引导的政策建议。
基于多要素干预与相似敏感的音乐推荐系统研究与应用
这是一篇关于音乐推荐,多要素干预,相似敏感,主题挖掘,关联关系的论文, 主要内容为众所周知,随着国际互联网的快速发展,尤其是移动互联的兴起,用户行为数据所产生的价值也愈加提高,所产生的用户数据不论是种类还是数量也是越来越多,用户的这些行为数据是具有巨大价值的,推荐系统便在这个大环境下应运而生,它会结合用户的信息、物品的信息以及用户过去对物品的偏好,利用推荐算法合理地构建用户兴趣模型,为用户提供更为行之有效的个性化推荐服务。传统的音乐推荐大多数只关心音乐的显性属性,诸如作词人、作曲人、歌手、发行年份、播放时长等,它从用户和物品两个角度探寻彼此之间的内在联系,将研究重点更多地集中在对显性特征的量化方式和对向量矩阵的稀疏性处理上,最终来实现优秀的推荐效果。而本文的改进主要从两个方面进行,首先是在推荐算法方面,通过对音乐歌词进行主题挖掘和关键词挖掘,形成备选关键信息的候选列表,希望通过分析歌词的中心含义并结合显性音乐属性,来进一步确定歌曲风格走向;同时为避免对非结构化文本进行语义分析时产生的误差,本文将主题和关键词集合中的元素以用户喜好为导向进行关联关系计算,通过设定经验阈值来筛选掉垃圾关键信息以保证特征的有效性。另一方面,本文发现,在对特征矩阵进行相似度计算的时候,传统的相似度计算可能会出现数据不敏感的情况,即对向量的绝对值处理能力较弱,再有极容易被多个用户之间的共同评分项数量因素所忽略,这就为基于物品推荐算法的精准性制造了巨大的麻烦,因此本文在相似度算法方面做了优化以解决该问题。最后,本文对比了改进方案与baseline方法的F1值,从中体现出本文提出的歌词主题挖掘改进策略对推荐效果的积极影响,同时在相似性判别方面也对比了传统与改进方案在RMSE评价指标的效果也同样验证了本文思路的正确性。
突发事件网络舆情情感演化与主题特征分析
这是一篇关于突发事件网络舆情,情感分类,主题挖掘,演化特征,OCC的论文, 主要内容为目前我国正处在一个社会深度转型与经济转轨的关键时期,随着中国经济的迅猛发展,新型工业化和经济全球化进程都将会进一步加快,在转型期带来社会进步的发展同时伴随着社会矛盾问题的日益凸显,导致突发事件频发。在互联网飞速发展的时代背景下,网络成为人们传播信息和发表言论的主要途径,一旦发生突发事件,在极短的时间内就会引起大批量网民的关注和讨论,他们在网络平台上发表个人的情感态度和意见观点,使得舆情信息量迅速增长并快速传播,极易引起突发事件舆情风波,如果相关部门不对其进行引导控制,可能会造成社会动荡不安。网络舆情与传统舆情相比,传播速度更快,影响人群面更广,引发后果更严重,网民作为主要讨论参与者,他们表达的情感和关注焦点能一定程度反映舆情的走向,因此,通过研究网民的情感演化和关注主题特征,能够使政府及时掌握突发事件网络舆情的演化态势并在关键节点进行合适的引导和干预,避免其因发展态势失控对社会造成负面影响。本文提出了融合OCC-BERT文本情感分析与LDA文本主题分析的突发事件网络舆情研究框架,实现对突发事件网络舆情进行情感演化和主题特征分析。一方面,利用OCC情感认知和BERT深度学习算法实现对突发事件网络舆情文本的情感分类,通过设计实验,将OCC-BERT与其他情感分类方法做对比,结果表明OCC标注的BERT的情感分类模型的准确率最高,证明能够很好地完成对突发事件网络舆情文本的情感分类。另一方面,在情感分类模型的基础上提出基于LDA的突发事件网络舆情主题分析研究框架,在该主题分析中,融合了舆情阶段划分特点、情感分类结果和主题挖掘结果,进行突发事件网络舆情主题特征分析。本章主要以“8.12天津爆炸事件”为具体研究案例,对前文提出的OCC-BERT情感分类模型和LDA主题挖掘进行实证分析,在数据获取处理与演化周期划分的基础上,进行情感演化分析、主题挖掘分析和主题特征演化分析。通过实证分析挖掘出了网民在舆情发展的不同阶段所关注的热点主题和情感演变,掌握8.12天津爆炸突发事件网络舆情发展方向和网民态度,有利于相关管理部门获得舆论的发展动向、民众的情感变化,并为相关部门提供针对突发事件网络舆情有效的演化分析路径和舆情引导的政策建议。
基于知识图谱的船舶中文专利推荐技术研究
这是一篇关于中文专利,先验知识,主题挖掘,关系抽取,推荐系统的论文, 主要内容为大型船舶企业在发展过程中积累了海量的专利技术信息,如何有效利用专利服务于产品研发环节成为当前船舶企业发展的关键。为了利用现有专利数据提高船舶产品的设计效率与质量,本文提出了一种基于知识图谱的中文专利推荐机制,利用主题挖掘、知识图谱等自然语言处理和信息管理技术开发面向设计研发人员的船舶中文专利推荐系统,从而实现船舶企业的智能化、快速化以及高质量化发展。主题模型是从海量文本中挖掘潜在语义信息的关键技术,是超高规模数据处理的有效手段。为了有效挖掘专利中的技术信息,本文首先提出一种基于先验知识的中文专利半监督主题挖掘模型。该模型基于相关性解释利用先验知识作为辅助信息来对潍柴20万条专利摘要文本进行挖掘,利用pyLDAvis可视化技术选取超参数,然后对主题挖掘结果进行一致性检验,最后将其结果与隐含狄利克雷分布、相关性解释两大经典无监督主题模型进行对比以验证其有效性。实验结果表明:先验知识的引入可以有效提高主题模型的主题一致性和指向性。构建领域知识图谱是信息管理的有效手段,为了有效挖掘专利技术信息之间的潜在关联,然后本文提出了一种基于先验知识的知识图谱关系抽取模型。该模型首先利用先验知识数据辅助训练关系抽取模型来提高关系抽取的准确性,分析其在不同先验知识规模下的准确率、召回率和F1值(平衡F分数),然后与双向长短期记忆网络和条件随机场关系抽取模型进行对比以验证其有效性。结果表明:通过先验知识的引导可以有效提高知识抽取的质量。推荐系统是解决信息过载的有效方法之一,为了在船舶产品开发中向研发人员提供精准的信息推送,本文最后在潜在兴趣传播模型基础上提出了一种基于关系权重选择的兴趣传播模型。该模型首先利用统计学方法对知识图谱关系类型以及数量进行分析,利用截断策略对数据进行噪声清洗,然后为关系类型分配不同的权值,在兴趣传播中利用权值优先采样策略进行兴趣集选择,最后在验证集上验证该模型的有效性。结合本文研究内容和船舶企业产品设计需求,本文还基于Pyside2软件技术平台设计和开发了面向研发人员的船舶中文管理系统,为船舶产品的智能设计与制造提供技术支撑。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码码头网 ，原文地址：https://m.bishedaima.com/lunwen/48336.html
