国家科技期刊平台

相关度

相关度
发表时间

每页显示10条

每页显示10条
每页显示20条
每页显示30条

已找到 9 条结果

基于LDA2Vec-BERT的新兴技术主题多维指标识别与演化分析研究北大核心CHSSCDCSSCICSTPCD
作者：胡泽文王梦雅韩雅蓉
发表期刊：现代情报 2024年9期
关键词：区块链专利LDA主题模型Word2vec模型BERT模型新兴技术主题热点技术主题主题识别主题演化
摘要：[目的/意义]挖掘并可视化全球性颠覆性技术:区块链领域发明专利文献中隐含的细粒度新兴和热点技术主题及其演化差异,能够为领域从业者、科技政策制定者、管理部门和科技研发人员提供参考和借鉴.[方法/过程]以全球区块链领域的专利文献为基础,按时序划分不同的时间切片,综合运用 LDA主题模型、Word2vec词向量模型和BERT语言模型构建区块链领域技术主题挖掘模型,同时通过构建识别新兴和热点技术主题的四维指标:主题热度,主题族群,主题技术性和…查看全部>>
基于数据分析与机器学习的银行贷款策略研究
作者：杨国庆袁椿昊陈康耀王艳芳
发表期刊：高师理科学刊 2021年8期
关键词：银行贷款策略因子分析Word2vec模型K-means聚类法
摘要：综合分析企业盈利、销售、信誉等级和信贷政策等数据,利用Word2vec模型对信贷政策偏向性进行分析,利用因子分析法确定银行信贷风险指标,建立基于K-means聚类法的银行贷款策略RPC模型,确定参考贷款额度范围,并根据流失率与信誉评级以及利率之间的关系确定最佳贷款利率.运用SPSS,Python等软件求解,对山东省区域不同企业的信贷风险做出了有效的评估,并分析出合理的信贷策略.
侵权诉讼背景下的专利无效宣告影响因素研究
作者：彭启宁柳炳祥付振康冯广宇贝汶瑜
发表期刊：科技情报研究 2024年1期
关键词：LDA模型随机森林模型专利无效Word2vec模型可解释机器学习
摘要：[目的/意义]以侵权专利为切入点,探究不同因素对专利技术侵权无效宣告倾向的影响机制,对比分析同一领域不同的侵权主题下无效宣告影响因素存在的差异.[方法/过程]文章首先利用LDA主题模型对所选新兴产业领域的侵权主题进行细分,了解该领域侵权专利的不同侵权主题和侵权主题词;其次,利用统计相关性模型计算在不同侵权分类主题下的各类数据指标,对比分析无效宣告倾向的相关性;最后,通过构建多特征融合的随机森林模型,对不同侵权分类主题下的专利分别进行无…查看全部>>
融合深度学习与机器学习的在线评论情感分析
作者：刘晓彤田大钢
发表期刊：软件导刊 2019年2期
关键词：情感分析深度学习机器学习Word2vec模型
摘要：情感分析可以帮助商家了解客户喜好从而生产出满意度更高的商品,也可以监督网上舆论等.为此,基于传统机器学习方法,加入深度学习模块,对在线评论进行情感分析与对比.在词向量训练模块中引入Word2vec模型,用高维向量表示词语、句子,既可防止过度拟合问题,又可减少训练参数个数,提高训练效率.将得到的句向量作为输入代入机器学习模型(MLP、SVM、朴素贝叶斯等)与深度学习模型(CNN、LSTM、BILSTM等),比较实验结果,提出优化方向.结…查看全部>>
基于扩展短文本词特征向量的分类研究CSTPCD
作者：孟涛王诚
发表期刊：计算机技术与发展 2019年4期
关键词：短文本Word2vec模型词嵌入改进后的特征权重算法语义相关度
摘要：由于短文本的文档长度较短,短文本中词语的共现信息非常匮乏,造成短文本信息稀疏性问题.信息稀疏性也成为了传统主题模型在短文本上难以取得突破性进展的瓶颈之一.针对短文本分类,充分利用短文本中的每一个词语并解决其稀疏性成为关键.为了解决这一问题,基于Word2vec模型对短文本进行词嵌入扩展以解决其稀疏性,并将词向量转换成概率语义分布来测量语义关联性;针对短文本扩展后的特征向量,利用改进后的特征权重算法并引入语义相关度去处理扩展后的词…查看全部>>
基于Gensim的摘要自动生成算法研究与实现北大核心CSTPCD
作者：肖元君吴国文
发表期刊：计算机应用与软件 2019年12期
关键词：Gensim框架Word2vec模型TextRank算法摘要生成框架LDA主题模型Rouge摘要评测
摘要：为了让计算机能够对中文文章提取摘要,提出一种中文摘要自动生成算法.该算法基于Gensim自然语言处理框架实现,并在原有的基础上做出了改进,算法主要分为两个阶段.关键句生成阶段,对中文语料进行预处理,并放入Gensim框架中的Word2 vec模型进行训练,修改TextRank算法使其能够接受词向量的输入生成无向图从而找到关键句;摘要生成框架构建阶段,根据文章结构与Gensim框架中的LDA主题模型所提取的关键词,赋予句子不同的权值,将…查看全部>>
英文作文跑题智能化检测技术及应用CSTPCD
作者：刘娜
发表期刊：微型电脑应用 2021年9期
关键词：智能化检测作文评分系统LDA主题模型Word2vec模型
摘要：现有的英文作文辅助评分系统大多缺乏有效的跑题检测手段,为此提出并设计了一种英文作文跑题智能化检测技术,利用LDA模型获取作文的主题信息并通过Word2vec训练模型得到准确表达词义的词向量,基于二者的综合作用效果定位跑题的文档.对比实验结果表明,所提出的算法,综合评价指标F值为91.2％,具有非常好的跑题检测能力,对于英语教学能够发挥优异的辅助功能.
结合LDA与Word2vec的文本语义增强方法北大核心CSTPCD
作者：唐焕玲卫红敏王育林朱辉窦全胜
发表期刊：计算机工程与应用 2022年13期
关键词：LDA主题模型Word2vec模型语义词向量语义相似度文本分类
摘要：文本的语义表示是自然语言处理和机器学习领域的研究难点,针对目前文本表示中的语义缺失问题,基于LDA主题模型和Word2vec模型,提出一种新的文本语义增强方法Sem2vec(semantic to vector)模型.该模型利用LDA主题模型获得单词的主题分布,计算单词与其上下文词的主题相似度,作为主题语义信息融入到词向量中,代替one-hot向量输入至Sem2vec模型,在最大化对数似然目标函数约束下,训练Sem2vec模型的最优参…查看全部>>
基于深度Q网络的垃圾邮件文本分类方法CSTPCD
作者：景栋盛薛劲松冯仁君
发表期刊：计算机与现代化 2020年6期
关键词：电子邮件深度Q网络Word2vec模型文本分类
摘要：电子邮件广泛应用于人们的工作生活中.然而,充斥着虚假信息、恶意软件和营销广告等内容的垃圾邮件也以电子邮件为载体进行传播.这不仅给人们带来不便,而且也占用和耗费大量的网络资源,甚至严重地威胁信息安全.因此,有效地识别、过滤垃圾邮件是一项重要的工作.目前,垃圾邮件过滤方法主要包括基于邮件来源的识别和基于内容的识别,但大部分方法效果不佳且效率不高,并且需要耗费大量的人力标注特征,也跟不上垃圾邮件内容和形式等的改变.近年来,有研究人员将深度强…查看全部>>