百度贴吧

摘要： 新闻传播的环境和语境是变了,但新闻记者以不变应万变的仍然是:拥抱现实的热情,直面人生的勇气,开掘生活的冷静。写这个题目可以说蓄谋已久,但真动笔时还是挺纠结——准备挨骂。声讨者中可能还有对元宇宙、直播带货、视频变现等特别感兴趣的研究者,因为在逻辑和赛道方面,“网红记者”与这些热点多有相似之处。事情的起因可能地球人都知道:1月10日,一则#王冰冰塌房#的话题冲上了热搜:一名网友在百度贴吧里发布了一条“重磅”帖子,并宣布对王冰冰脱粉。

摘要： 李龙标老师:你好!我是湖南邵阳隆回县九O后养蜂人罗中旺,也是龚教授的弟子,全国养蜂提高班学员。多年前,我曾在“百度贴吧”上关注过著名养蜂人广东阳江的胡国伟师傅,看过他发表对GN箱的见解。之后,我通过“抖音”与胡师傅的徒弟(微信昵称:鸡米)相识,也常看到鸡米师傅拍的作品,GN巢3继3的布巢模式,包括冬蜜生产等都是相当可观--全封盖成熟蜜。本着对于中蜂的探索精神,我决定拜访胡国伟大师!

摘要： 扩列社交定义:"00后"流行的一种交友模式——QQ扩列,即扩充好友列表的社交暗语。解读"00后"的成长,带动了新型社交方式的崛起,如智商社交、莫斯密码社交、电竞社交、扩列社交等。在QQ部落、百度贴吧、微博等"00后"经常出没的网络平台中,"求扩列"占据了大量版面。扩列起源于"李宫俊吧",在帖子被二次清空之前,该吧禁止成员留下任何联系方式,于是吧内成员将交友的帖子称为"扩列",后来扩列逐渐演变成为扩充好友列表的社交暗语。

摘要： 文章针对3个不同的百度贴吧进行分析,研究用户信息交互行为的因素。首先,对贴吧的类别、贴吧用户交互的热点内容和交互回帖量的大小展开分析;其次,从百度贴吧客观环境和用户主观心理两个方面进行阐述;最后,利用数据爬取和数据分析技术,初步探究出在用户在百度贴吧社区中进行信息交互时,用户信息交互行为的关键影响因素。

摘要： 毛绒玩具的受众很广,包括孩子、成年人;适合的场景也很多,可以给自己买,也能用于送礼。我国消费者购买毛绒玩具方面有哪些偏好呢?《中外玩具制造》杂志记者在小范围内进行了问卷调查,并根据微博超话、百度贴吧、小红书、电商等平台上消费者购买毛绒玩具时关注的点,综合出以下4方面的消费热点。

摘要： 根据目的的不同,魔方的使用者大致可划分为两类:大众消费者和专业玩家。前者大部分是将魔方作为益智玩具、解压神器,消费人群包括成年人、孩子、老年人等;后者则是以参加魔方专业培训班的孩子、热爱魔方的玩家、参加魔方比赛的专业人士等为主。《中外玩具制造》记者查阅魔友(魔方玩家的昵称)聚集的百度贴吧魔方吧,以及各大电商、社交等平台后发现,大众消费者与专业玩家对魔方的要求,虽然存在很多差异,但也有不少相同的地方。

摘要： “开盲盒撸网贷”“白户撸贷”“网赌带飞回血”……在一些具有网络金融话题属性的百度贴吧中,这类带有明显“丧文化”色彩的“梗”正在流行蔓延。这类帖子中往往都是一篇几行字的配图“小作文”,发帖者讲述的故事中,有人因外债紧逼寻求网贷解围,有人因超前消费寻求“好心人”带领参与网络赌博挣快钱,甚至有人通过“撸网贷”脱离苦海过上幸福生活……

摘要： 关掉“关不掉的精准推送”上海外国语大学学生陈婷在使用百度贴吧App时,发现其个性化推送广告、滥用地理位置信息已构成侵犯其隐私,在取消定位后,该软件依然可以定位到用户所在地区,故决定起诉。

摘要： 2020年10月31日,肖恩·康纳利在睡梦中离世,享年九十岁。互联网和各种媒体纷纷悼念这位曾经用精湛演技征服了无数观众的邦德。百度贴吧“肖恩•康纳利吧”有人悲痛留言“都说好久没看到他的电影上映了,不知不觉都九十岁了,满头白发还是魅力无限……”

摘要： 正当笔者全神贯注整理研究许冠杰黑胶唱片版本的时候,一位音响发烧友传来了百度贴吧-徐小凤吧论坛上笔者去年发表的一篇文章:“香港流行黑胶唱片的价值与版本鉴别-徐小凤《风雨同路》”,音乐发烧友们正在讨论究竟红心版与黄白圈心版谁为头版的问题,有网友庆幸买到红心版,有网友希望能遇到红心版,一位网友说:“《风雨同路》这张唱片是小凤姐加入新力(SONY香港公司)的头炮大碟,在1978年11月底出版,12月15日由小凤姐主持抽奖。”

摘要： 本发明公开了基于百度百科知识图谱的旅游资源文化特色评分算法，涉及旅游资源评价技术领域，解决了现有的旅游资源评分和旅游资源推荐系统中对文化特色的评分机制非常匮乏的问题，其技术方案要点是：获取旅游资源的文本宣传素材，对文本宣传素材进行分词处理，并保留名词词性词条，然后获得旅游资源的词向量；定义旅游资源文化特色评分指标，构建旅游景区景点文化评分表；根据景区景点关键词在知识图谱中的检索结果，结合文化评分表，对景区的文化特色进行评分。本发明首次提出旅游资源文化特色评分指标，评分算法的定义，对现有旅游资源评分体系是一个创新的补充，能够对旅游资源提供更全面的评价，也能为旅游资源推荐系统提供更完善的信息。

摘要： 本发明提供一种基于规则和远程监督的百度百科关系三元组抽取方法，该方法对信息框这种信息集中的结构化文本，本发明主要采用基于规则、正则表达式的方法抽取关系三元组，这些三元组后续又可以作为远程监督算法的输入。对正文这种信息零散的非结构化文本，本发明一方面通过撰写简单的、准确的、显而易见的规则，抽取小部分关系三元组，另一方面，将前面所有基于规则得到的三元组作为远程监督算法的输入，将所有正文文本中包含头实体和尾实体的句子标记出来，按关系分类，训练分类器，再将分类器应用到正文文本的其他句子上，藉此发现更多的三元组。

摘要： 本发明公开了一种获取百度百科人物分类下的所有子分类方法，包括步骤一，分析百度百科的实体分类，建立分类表，所述分类表包括类型字段和实体字段；步骤二，采用BoostStrapping算法获取人物分类下的所有子分类。本发明通过先构建分类表，然后在分类表的基础上采用BoostStrapping算法获取人物分类下的所有子分类，使人物分类下的子分类更加完善，解决了现有子分类体系不完善的问题。

摘要： 本发明一种基于百度百科的网络文本语义的分类方法，利用百度百科把一段文本从外延词条集合映射到能体现内涵的语义主题空间中，再通过对文本语义主题的统计规律性来计算文本与文本、文本与类别之间的相似度，进而完成文本分类，避开通过穷举词条的统计方式，解决了传统文本分类算法需要大量训练数据和无法应对网络词汇和新生词汇的难题。

摘要： 本发明涉及融合维基知识的变分半监督百度百科分类方法，属于自然语言处理技术领域。本发明首先基于词嵌入和词袋模型分别获得百科摘要文本的语义特征和统计特征；然后融合两者作为变分自编码模型的输入，获得百科文本的语义表征；最后利用少量维基百科分类损失和海量无标签百度百科重构损失，构造半监督分类损失，实现了两种百科分类体系的迁移和统一。基于5千条带标记维基百科数据和20万无标记百度百科数据的实验表明，所提方法可以准确实现百度百科分类索引体系的准确建立，证明了其有效性。

摘要： 本发明公开了一种基于百度百科的电网领域短语识别分类方法、系统，其中方法包括：从给定的语料C中提取出出现频次大于或等于阈值t的短语视为高频候选短语；对提取到的所述高频候选短语进行冗余短语过滤；从互联网上的百度百科中爬取经短语过滤后剩余的各所述高频候选短语对应的词条解释，并将无法爬取到所述词条解释的所述高频候选短语视为非法短语予以剔除，将能够爬取到所述词条解释的所述高频候选短语视为合法短语予以保留；通过预先训练的电网领域短语识别分类模型，对被视为合法短语的所述高频候选短语进行识别分类，输出电网领域短语。本发明实现了从语料中对电网领域短语的精准识别、提取。

摘要： 本发明公开了基于百度百科知识图谱的旅游资源文化特色评分算法，涉及旅游资源评价技术领域，解决了现有的旅游资源评分和旅游资源推荐系统中对文化特色的评分机制非常匮乏的问题，其技术方案要点是：获取旅游资源的文本宣传素材，对文本宣传素材进行分词处理，并保留名词词性词条，然后获得旅游资源的词向量；定义旅游资源文化特色评分指标，构建旅游景区景点文化评分表；根据景区景点关键词在知识图谱中的检索结果，结合文化评分表，对景区的文化特色进行评分。本发明首次提出旅游资源文化特色评分指标，评分算法的定义，对现有旅游资源评分体系是一个创新的补充，能够对旅游资源提供更全面的评价，也能为旅游资源推荐系统提供更完善的信息。

摘要： 本发明提供一种基于规则和远程监督的百度百科关系三元组抽取方法，该方法对信息框这种信息集中的结构化文本，本发明主要采用基于规则、正则表达式的方法抽取关系三元组，这些三元组后续又可以作为远程监督算法的输入。对正文这种信息零散的非结构化文本，本发明一方面通过撰写简单的、准确的、显而易见的规则，抽取小部分关系三元组，另一方面，将前面所有基于规则得到的三元组作为远程监督算法的输入，将所有正文文本中包含头实体和尾实体的句子标记出来，按关系分类，训练分类器，再将分类器应用到正文文本的其他句子上，藉此发现更多的三元组。

摘要： 本发明公开了一种针对百度贴吧、基于特征词分析的关注点相似性分析方法，涉及信息网络分析技术领域，包括以下步骤：S1.网络论坛数据预处理；S2.TF‑IDF关注点权值计算；S3.基于位置的特征词权重分析；S4.基于特征权重与TF‑IDF的网络论坛文本关注点相似度计算；本发明的算法在传统Simrank关注点相似度计算算法的基础上，利用TF‑IDF关注点特征计算算法计算出的关注点权重代替传统Simrank算法中用户与实体相连的边的数量，结合基于位置的特征词权重分析，实现面向网络论坛的关注点相似度分析，以提高针对网络论坛文本数据关注点分析的准确性。

摘要： 一种基于百度贴吧的网民学业情绪分析方法，包括：数据采集和提取；采集百度贴吧中高考吧主题帖子，形成数据集；数据预处理；首先，去除数据集中的帖子内容中的非文本信息；其次，进行中文分词，对帖子文本中的词汇进行词性分析，去除相关的停用词；学业情绪分类；对数据预处理后的数据集按照13类学业情绪进行学业情绪标注，学业情绪标注包括人工标注机器学习和机器标注；对学业情绪分类结果进行相关性与差异性分析。本发明运用学业情绪人工分类和采用机器学习方法对数据集进行情绪分类，判断整体情绪，并统计各情绪强度和占比，最后根据时间序列、情绪拐点和关键事件、学业情绪的群体特征等多个方面，对高考事件中网民的学业情绪的时间发展特征和群体特征进行多角度分析。