文本特征

摘要： 产品用户在企业建立的开放式创新平台上发布创意,认可度表示创意是否受到欢迎,是衡量创意质量的重要指标。通过创意文本传达的信号,可以快速高效识别有价值的创意。本研究基于信号理论,从信息和情感两个方面提出五种语言信号,据此构建语言信号对创意认可度影响的理论模型,并采用Salesforce TrailBlazer Community的10818条创意验证模型和假设。结果表明,信息独特性、文本可读性和情感效价对创意认可度产生正向影响,主题多样性及情感主观性对创意认可度产生负向影响。本研究结论有助于开放式创新平台管理者加深对创意文本特征的认知,制定更为完善的运营策略。

摘要： 目前主流的网页抽取方法存在两大问题:提取信息类型单一,难以获取多种类新闻信息;多依赖HTML标签,难以扩展至不同来源。为此提出一种基于多维度文本特征的新闻网页信息提取方法,利用新闻文本的写作特点划分出写作、语义和位置特征,通过多通道卷积神经网络融合为多维度文本特征,用于提取多种类新闻网页信息;仅需少量数据集训练,就可提取新来源的新闻网页信息。实验结果表明,该方法在性能上高于当前最优方法。

摘要： 中国博物馆展品的英文解说词大都是由其中文解说词逐句翻译而成,难以照顾到英语国家受众的阅读习惯和信息期待。国内学者的相关研究也基本上是围绕如何改进翻译策略、提高翻译质量展开,不能从根本上解决英文解说不到位的问题。为此,中国博物馆展品的英文解说词应摆脱中文原文的羁绊,跳出翻译研究的定势,需要对展品信息重新整理加工,借鉴西方国家博物馆解说词的文本特征进行撰写,以满足西方读者的阅读习惯与期待,从而让我国博物馆更好地讲述中国故事,让中国文化更快地“走出去”。

摘要： 上市公司年报中的描述性文本信息是上市公司信息披露的重要组成部分,通过对上市公司信息披露文本的挖掘与分析可以提高对其财务风险的预测能力。基于BERT(bidirectional encoder representations from transformer)模型与自编码器(autoencoder,AE),提出了BERT-AE融合文本特征提取模型,提取A股市场531家上市公司年报中"经营情况讨论与分析"和"审计报告"的文本特征,构建能够反映财务困境公司与正常公司的文本特征指标,随后将文本特征指标与财务指标数据结合,分别使用Logistic回归、极端梯度提升(extreme gradient boosting,XGBoost)、人工神经网络(artificial neural networks,ANN)、卷积神经网络(convolutional neural networks,CNN)四种模型,检验加入文本特征指标后财务风险预测的准确性是否得到提高,并使用Word2Vec-CNN-AE、Word2Vec-LSTM-AE模型提取财务文本特征进行对比实验。结果表明,三种模型提取的财务文本特征均能使财务预警模型预测的AUC得到提升,且BERT-AE模型提取的财务文本特征使得四种财务预警模型预测的AUC值提升效果更为显著,表明BERT-AE模型有效地提取了财务文本特征,提高了上市公司财务风险预警模型的预测能力。

摘要： 利用微博数据检测突发事件具有重要意义。针对以往检测方法特征不够丰富、准确率不高等问题,提出了一种基于多种特征融合的微博突发事件检测方法。该方法根据情感符号构建情感特征模型,对微博数据进行情感分类,并采用Kleinberg算法对情感特征进行突发期检测;在突发期内根据词频特征、词频增长特征和话题标签特征融合加权提取突发词,并基于共词分析法计算突发词之间的相似度距离,构建词共现矩阵;采用凝聚式层次聚类算法对突发词进行聚类得到突发事件检测结果。实验得出,突发事件检测准确率可达0.836 1,召回率可达0.879 3,表明该方法能够有效检测出微博中的突发事件。

摘要： 教师解读和使用教材应有强烈的单元意识,以体现单元的整体性和关联性。本文结合统编小学语文教材五年级上册第八单元内容,提出在单元内容的关联中明晰教学目标、在单元整体编写思路的梳理中确定教学思路、在单元共性的分析中把握文本特质、在单元要素的引领中关联学习任务的单元整体教学策略。

摘要： 数据挖掘技术的应用价值被深入挖掘,其可以实现大规模信息中的关键内容提取,有效捕捉隐含信息,掌握信息发展的基本趋势。在数据挖掘技术的辅助下,研究人员可以将特定关键词轻松挖掘出,并完成热点的捕捉和媒体动向的追踪,作用十分显著。文章分析数据挖掘技术的优势,从基于词频统计功能的文本分析、基于词表比对功能的信息挖掘、基于词语共现网络功能完成热点事件抓取3个方面出发,分析了基于数据挖掘的文本分析应用,以供参考。

摘要： [研究目的]高质量专利对促进专利转化、技术追踪和战略布局十分重要,面对海量专利数据,如何准确高效自动识别高质量专利,为开展后续专利投资融资、产业转型等专利工作做基础铺垫,成为当前重要研究问题。[研究方法]以国家知识产权局受理的申请专利为研究对象,使用专利维持年限表征专利质量,提取专利数字特征并嵌入专利文本特征生成的专利-核心词汇网络,搭建图卷积网络模型自动识别高质量专利。[研究结论]目前针对专利质量的研究专注于挖掘专利数字特征而忽视专利文本特征,该方案在高质量专利自动识别过程中使用专利数字特征与文本特征,对当前专利质量研究做出补充。此外,所提方案可在专家标注少量专利文档情况下完成专利质量识别任务,解决现有专利质量标签标注方案无法全面衡量专利质量的局限。同时,将图卷积网络扩展到专利背景下的质量识别领域,为专利质量研究提供崭新框架,实验结果也显示方案具有较高实践价值。

摘要： 随着中日交流发展逐步密切,目的论在日语新闻汉化翻译的过程中起到了至关重要的作用,本文以日本新闻报道的汉译为例,基于目的论的目的性、忠实性、连贯性原则,结合日语新闻翻译特点,探讨了日语新闻的翻译策略。为保证译文准确、通顺,可运用加译、减译、分译、句式转化等技巧翻译新闻原文,并且可以通过注意细节、优化译文结构等策略进一步提高译文质量。

摘要： 随着软件数量和种类的快速增长,有效地挖掘软件需求的文本特征,并对软件功能性需求的文本特征进行分类,成为软件工程领域的一大挑战。软件功能性需求分类为整个软件开发过程提供了可靠的保障,并减小了需求分析阶段潜在的风险和负面影响。但是,软件需求文本的高分散性、高噪声、数据稀疏等特点限制了软件需求分析的有效性。提出双层词汇图卷积网络模型,创新性地对软件需求文本进行图建模,建立软件需求的图神经网络,有效捕获单词的知识边以及单词与文本之间的关系;并提出深度集成学习模型,集成多个深度学习分类模型,对软件需求文本进行分类。在数据集Windows_a和数据集Windows_b的实验中,融合Bert和图卷积的深度集成学习模型的准确率分别达到96.73%和95.60%,其明显优于其他文本分类模型,充分证明融合Bert和图卷积的深度集成学习模型能有效判别软件需求文本的功能特性,提高软件需求文本分类的准确性。

摘要： 将《淮南子》所引《老子》与出土简帛本以及传世通行本《老子》对读,“《淮南》本”《老子》既有与简帛本(特别是北大简与帛书乙本)相合的地方,也有与传世本一致的地方,在分章、章序、句序、用字习惯、文句等方面《淮南子》保存了汉代《老子》的许多文本特征,体现了《老子》定型阶段文本的差异性及版本的复杂性.

摘要： 围绕着“非虚构”的争议是由各类概念界定模糊引起的,厘清真实、虚构与非虚构的关系将能明晰“非虚构文学”这一概念.以《瞻对》为对象文本,借助于广义叙述学中的双重区隔理论,可知“非虚构文学”兼容一度区隔内的纪实与二度区隔内的虚构.从历史和文学两个层面辨析《瞻对》的文本特征:历史层面两个区隔争夺话语权,文学层面两个区隔彼此协调从而凸显文学性.《瞻对》为“非虚构文学”的存在和继续发展提供了创建,同时也暗藏着可能的缺失.

摘要： 韵律边界标注对于语料库建设和语音合成有着至关重要的作用,而自动韵律标注可以克服人工标注中的不一致、耗时的缺点.仿照人工标注流程,本文运用循环神经网络分别对文本和音频两个通道训练子模型,对子模型的输出采用模型融合,从而获得最优标注.以词为单位提取了静音时长,与传统以帧为单位的声学特征相比更加具有明确的物理意义,与韵律边界的联系更加紧密.实验结果表明,本文所采用的静音时长特征相比于传统声学特征对自动韵律标注的性能有所提高,决策融合方法相比于直接特征层面融合更好地结合了声学和文本的特征,进一步提高了标注的性能.

摘要： 域外汉籍研究是学术界热门的学术研究之一,域外汉籍之价值越来越得以彰显,对于"域外汉籍"的定义,学术界认为包括三个方面:第一,历史上域外文人用汉字书写的典籍,这些人包括朝鲜半岛、越南、日本、疏球、马来半岛等地的文人,以及十七世纪以来欧美的传教士;第二,中国典籍的域外刊本或抄本,比如大量现存的中国古籍的和刻本、朝鲜本、越南本等,以及许多域外人士对中国古籍的选本、注本和评本;第三,流失在域外的中国古籍(包括残卷).以广东地区参加全国古籍普查的94个单位为考察对象，对其所藏域外汉籍进行了整理和研究，以飨同好。中山大学图书馆对该馆所藏的域外汉籍中挑选了五十七种，与西南师大出版社合作，进行全文影印出版，同时，对于每一种汉籍也撰写了相应在书志，最后出版了《中山大学图书馆藏域外汉籍珍本丛刊》。这些书志全面的揭示了每种汉籍的文本特征和学术价值，无论从汉籍版本特征的客观著录，还是序跋重要内容的摘录，以及学术价值的甄别与评价，都是为域外汉籍研究者提供了研究平台，为其深入研究这批域外汉籍提供资料借鉴。全文的影印出版，更是为域外汉籍者提供了第一手的基础材料，大大方便其利用。

摘要： 小学教材中的神话具有自身独特的教学价值,本文旨在从神话文本特征结合儿童审视视角出发,从重现与再造、感悟与外化、想象与体验、渲染与点亮、张扬与传承、非连续性文本资源开发六方面去探讨小学语文神话类教材的教学策略.

摘要： 微博数据具有实时动态特性,人们通过分析微博数据可以检测现实生活中的事件.同时,微博数据的海量、短文本和丰富的社交关系等特性也为事件检测带来了新的挑战.综合考虑了微博数据的文本特征(转帖、评论、内嵌链接、用户标签hashtag、命名实体等)、语义特征、时序特性和社交关系特性,提出了一种有效的基于微博数据的事件检测算法(EDM).还提出了一种通过提取事件关键要素,即关键词、命名实体、发帖时间和用户情感倾向性，构成事件摘要的方法。与基于LDA模型的事件检测算法进行实验对比，结果表明，EDM算法能够取得更好的事件检测效果，并且能够提供更直观可读的事件摘要。

摘要： 近年来,网站、搜索引擎、微博、微信等新媒体逐渐成为公众荻取健康信息的重要渠道.同时,新媒体平台也充斥着许多无益甚至有害公众健康的"伪健康信息".文章从厘清"伪健康信息"这一概念入手,选取果壳网"流言百科"证伪的442条医学健康类信息作为分析样本,总结了新媒体背景下伪健康信息在议题、文本以及传播渠道等方面的特征,并从传播学角度提出了积极搭建新媒体平台，提高科学健康信息传播的有效性；以公众需求为导向，建设伪健康信息的举报和辟谣平台的针对性的冶理对策.

摘要： 近年来,网站、搜索引擎、微博、微信等新媒体逐渐成为公众荻取健康信息的重要渠道.同时,新媒体平台也充斥着许多无益甚至有害公众健康的"伪健康信息".文章从厘清"伪健康信息"这一概念入手,选取果壳网"流言百科"证伪的442条医学健康类信息作为分析样本,总结了新媒体背景下伪健康信息在议题、文本以及传播渠道等方面的特征,并从传播学角度提出了积极搭建新媒体平台，提高科学健康信息传播的有效性；以公众需求为导向，建设伪健康信息的举报和辟谣平台的针对性的冶理对策.

摘要： 近年来,网站、搜索引擎、微博、微信等新媒体逐渐成为公众荻取健康信息的重要渠道.同时,新媒体平台也充斥着许多无益甚至有害公众健康的"伪健康信息".文章从厘清"伪健康信息"这一概念入手,选取果壳网"流言百科"证伪的442条医学健康类信息作为分析样本,总结了新媒体背景下伪健康信息在议题、文本以及传播渠道等方面的特征,并从传播学角度提出了积极搭建新媒体平台，提高科学健康信息传播的有效性；以公众需求为导向，建设伪健康信息的举报和辟谣平台的针对性的冶理对策.

摘要： 近年来,网站、搜索引擎、微博、微信等新媒体逐渐成为公众荻取健康信息的重要渠道.同时,新媒体平台也充斥着许多无益甚至有害公众健康的"伪健康信息".文章从厘清"伪健康信息"这一概念入手,选取果壳网"流言百科"证伪的442条医学健康类信息作为分析样本,总结了新媒体背景下伪健康信息在议题、文本以及传播渠道等方面的特征,并从传播学角度提出了积极搭建新媒体平台，提高科学健康信息传播的有效性；以公众需求为导向，建设伪健康信息的举报和辟谣平台的针对性的冶理对策.

摘要： 本申请公开了一种基于文本字符特征的文本数据归属描述及生成方法，包括：获取待处理的文本数据，并对所述文本数据进行分解，得到若干个字符，并基于所述字符对所述文本数据进行特征空间表示；根据所述文本数据的特征空间表示，通过所述字符的水平位置和不同所述字符之间的关联对所述文本数据进行特征存储；根据所述文本数据的特征存储结果，生成文本数据归属。本申请能够通过特征空间的量化矩阵有效生成文本数据归属，有助于解决文本的自动生成及归属管理问题，丰富以中文为主的自然语言处理的基础理论和算法，为解决数据安全问题提供了一种新的思路，进而为未来文本大数据的科学管理提供理论和技术支持。

摘要： 本申请公开了一种文本分类特征提取方法，从训练集中的多个训练文本中获取特征词集合，确定所述特征词集合中每一个特征词与某一类别的属性相关度及每一个特征词在该类别中的词频，从所述特征词集合中选取所述属性相关度符合预设第一条件的特征词及所述词频符合预设第二条件的特征词作为对应类别的分类特征词。本申请还提出了相应的文本分类方法、文本分类特征提取装置及文本分类装置。

摘要： 本发明涉及一种融合文本解释特征的文本分类方法。该方法的具体实施步骤如下：(1)训练基于神经网络的文本分类模型用于预测句子所属类别；(2)使用基于局部随机扰动采样的线性拟合方法获取步骤(1)中句子预测结果的解释特征；(3)根据获取的解释特征的频率和权重选择对分类效果有利的关键解释特征；(4)将步骤(3)获取的关键解释特征和原数据相融合，重新训练文本分类模型。本发明的方法使用了基于局部随机扰动采样的线性拟合方法解释哪些关键特征对文本分类模型的预测结果贡献最大，将这些特征和原始标注样本融合，突出原始样本的关键特征，从而提升分类效果。

摘要： 本发明公开了一种融合文本分布律特征的中文文本可读性评价方法及系统，所述方法包括：确定文本特征候选集，所述文本特征候选集包括：字、词、句、篇、分布律、可读性公式六类特征；计算用于拟合可读性公式参数和用于训练机器学习模型的训练篇章文本的上述六类特征的特征值；基于所述文本特征候选集中的特征及计算的特征值，进行可读性公式设计或者机器学习模型训练；利用设计的可读性公式或者训练的机器学习模型对任意篇章文本进行可读性预测。本发明将文本分布律特征与字、词、句、篇、可读性公式特征相结合，经过特征选择后，进行可读性公式设计和机器学习模型训练，篇章文本可读性预测准确率有明显提升。

摘要： 本发明具体涉及一种IG TF‑IDF文本特征向量生成及文本分类方法，属于文本挖掘和机器学习领域。所述方法包括：1)生成文本特征向量；2)训练分类器；3)评估分类性能；4)对目标文本集进行分类；本发明计算所得权重更能真实的反映不同词条对文本分类的重要程度，使得具有强类别区分能力的词条被分配更大的权重，使得权重计算更加合理，从而提高了文本分类的准确度；而且计算所得词条权重无需知道具体所述类别，克服了TFADF等有监督方法在多类别文本中分类的不足。

摘要： 本公开是关于一种文本特征提取方法、文本特征提取装置及存储介质。文本特征提取方法包括：获取待预测目标任务。根据待预测目标任务对应的领域，确定匹配待预测目标任务的文本集，其中，文本集包括多个文本。通过预训练的语言模型，提取文本集中文本的文本特征。通过本公开提供的文本特征提取方法，能够基于自然语言处理的待预测目标任务匹配合适的文本集，进而对文本特征进行针对性的提取，从而减少部署预训练的语言模型的成本，降低训练难度，加快自然语言处理任务的进程。

摘要： 本发明提出了一种基于文本特征对齐的多方向文本检测方法，先对图像进行数据增广处理；再对数据增广后的图像通过主干网络提取多尺度特征之后使用级联的多个特征金字塔形式的增强模块来获取多尺度特征中的低级和高级语义信息并输出，再使用特征融合模块对多个特征金字塔形式的增强模块的输出进行自下而上的融合得到融合特征，使用文本特征对齐模块对融合的特征进行加强得到增强特征；最后对增强特征分别进行文本分类与位置预测从而输出预测文本框。本发明能够高效、准确地提取文本特征，定位文本位置；具有快速的检测速度和较高的检测精度。

摘要： 提供了一种文本处理方法，涉及人工智能领域。该方法包括：将第一文本输入至预先训练的特征提取器，得到第一文本特征；将第二文本输入至所述预先训练的特征提取器，得到第二文本特征；获得所述第一文本特征和所述第二文本特征之间的相似度预测结果；其中，所述特征提取器包括N个循环编码器，每个所述循环编码器根据循环记忆机制和Transformer模型中的编码器构建获得，所述循环记忆机制用于根据上一时刻的状态信息和本次时刻的输入信息处理数据。还提供了一种文本特征提取方法，该方法包括：将第三文本输入至上述预先训练的特征提取器，得到第三文本特征。还提供了一种文本处理装置、文本特征提取装置、设备、存储介质和程序产品。

摘要： 本发明公开了一种文本特征提取方法、文本分类方法及可读存储介质，该文本特征提取方法，在TF‑IDF算法基础上，对分词前的文本预处理流程进行改进，包括语法纠错、实体词提取、句法依存关系分析、同义词表述一致性处理等，并在TF‑IDF的计算中引入依存关系因子参与对文本句子中重点特征词的加权计算，优化了重点特征词的重要性排名，同时并没有直接通过TF‑IDF值来表征特征词的重要性权重，而是对TF‑IDF值加以归一化转换计算为重要性占比来表征权重，解决了不同文本的特征词体量、长短句数量可能存在较大差异的问题，更好的保证了文本特征词提取的均衡性，使得提取的文本特征应用于文本问题分类应用中的分类客观性和准确性效果能够得到提升。

摘要： 本发明公开了一种融合文本分布律特征的中文文本可读性评价方法及系统，所述方法包括：确定文本特征候选集，所述文本特征候选集包括：字、词、句、篇、分布律、可读性公式六类特征；计算用于拟合可读性公式参数和用于训练机器学习模型的训练篇章文本的上述六类特征的特征值；基于所述文本特征候选集中的特征及计算的特征值，进行可读性公式设计或者机器学习模型训练；利用设计的可读性公式或者训练的机器学习模型对任意篇章文本进行可读性预测。本发明将文本分布律特征与字、词、句、篇、可读性公式特征相结合，经过特征选择后，进行可读性公式设计和机器学习模型训练，篇章文本可读性预测准确率有明显提升。