主题信息

摘要： 自动文本摘要能够帮助人们快速筛选、辨别信息,掌握新闻关键内容,缓解信息过载问题。主流的生成式自动文摘模型主要基于编码器-解码器架构。针对解码器端在预测目标词时未充分考虑文本主题信息,并且传统的Word2Vec静态词向量无法解决一词多义问题的现状,提出了一种融合BERT词嵌入表示和主题信息增强的中文短新闻自动摘要模型。编码器端联合无监督算法获取文本主题信息并将其融入注意力机制中,提升了模型的解码效果;解码器端将BERT预训练语言模型抽取出的BERT句向量作为补充特征,以获取更多的语义信息,同时引入指针机制来解决词表外的单词问题,并利用覆盖机制有效抑制重复。在训练过程中,为了避免暴露偏差问题,针对不可微指标ROUGE采用强化学习方法来优化模型。在两个中文短新闻摘要数据集上的多组对比实验结果表明,该模型在ROUGE评价指标上有显著的提升,能有效融合文本主题信息,生成语句流畅、简明扼要的摘要。

摘要： 说明性文章“四要素”式的阅读教学方式屡被批评,却难以改变。就初中学段而言,这样局面的产生,其根源还要归结到课程标准对说明性文章阅读教学目标陈述的偏颇。说明性文章阅读教学应当以建构读者的主题信息网络为目标,并围绕此探寻教学路径,依从读者对信息的提炼组织、评估筛选、拓展重构、交流完善的阅读认知和体验过程设计教学,开展活动。

摘要： 说明性文章"四要素"式的阅读教学方式屡被批评,却难以改变.就初中学段而言,这样局面的产生,其根源还要归结到课程标准对说明性文章阅读教学目标陈述的偏颇.说明性文章阅读教学应当以建构读者的主题信息网络为目标,并围绕此探寻教学路径,依从读者对信息的提炼组织、评估筛选、拓展重构、交流完善的阅读认知和体验过程设计教学,开展活动.

摘要： [目的]分析规范化数据对于主题信息挖掘的影响,并提出遥感领域文献关键词标引规则的制定建议.[方法]以遥感领域1996年、2006年以及2016年中国知网收录的文献为3个数据子集,抽取文献的关键词,并按照关键词出现频次进行从高到低排序,提取排名靠前的(如前10％)的高频词作为研究对象.通过关键词的共现频次、期刊影响因子、文献被引频次等构建相似矩阵,利用谱聚类方法进行遥感领域研究主题的挖掘.[结果]对关键词进行尺度规范化以及名称规范化处理,使聚类结果由初步分析到优化分析,这也是初级结果进一步细化的过程,但是最终的聚类结果中很多信息并没有体现出来,因此对关键词按照一定的规则进行重塑后再次进行聚类,聚类结果中凸显出遥感数据源的信息、传感器的信息、技术方法的信息等,使研究主题进一步清晰.[结论]关键词规范化对提高文献主题信息挖掘是可行的,因此按照遥感领域的学科特点对关键词按照一定的规则进行规范化处理是非常必要.延伸到科技期刊出版领域,规范化的数据可为期刊的高效精准知识服务提供数据支撑.

摘要： 问答系统的一项关键任务就是如何理解用户的问句意图并将其正确地分类到相应的领域中,其分类性能直接影响着问答系统的质量.针对中文医疗健康问句数据量庞大但文本字符数少、特征稀疏的特点,以及传统卷积神经网络和循环神经网络的不足,提出了一种融合主题信息和Transformer模型的健康问句意图分类方法.首先,对短文本数据集预处理后通过BERT预训练语言模型生成词的词向量;其次,分别使用BTM主题模型和TWE模型获得文档-主题矩阵、主题-词矩阵和主题向量矩阵,由矩阵变换生成每个词的主题向量;然后,将词向量和词的主题向量拼接融合后输入到Transformer编码器中进行充分的特征提取并得到句子特征向量;最后,由全连接和Softmax分类器获得输入文本在各个类别的概率,从而实现最终的分类目的 .在中文医疗健康问句数据集上进行不同模型的对比实验,准确率、召回率和F1值指标上均有不错的提升.实验结果表明,本文提出的方法可以有效提高模型的语义表示能力和分类效果.

摘要： 随着人工智能的迅速发展,传统的文本摘要技术也从抽取式摘要向生成式摘要发展.当源文档中存在着多个主题的内容时,现有的大多数生成式文本摘要方法会尽全面地对多主题内容进行概括和总结,而对其中包含某个主题的内容可能无法进行细致描述.针对这一问题,本文提出了一个面向主题信息的无监督文本摘要生成方法.在给定目标主题信息的情况下,在解码器中利用注意力机制将目标主题信息与文本本身的主题信息进行信息融合,从而使得包含了目标主题的文本得到较大的注意力权重,以此生成与目标主题相关的文本摘要.在大规模英文文本数据集Yelp上的实验结果验证了所提方法的有效性和先进性.

摘要： 关键词指论文中最能反映主题信息的特征词汇或词组、短语。我国国家标准规定,对论文的标引使用“关键词”一词,关键词中包括主题词和(或)副主题词以及少数自由词。生物医学领域使用频繁、而且又被使用者认可的主题词,约有15000个;每年最新版美国国立图书馆编辑的《Index Medicus》中医学主题词表(MeSH)内所列的词均有所增删。

摘要： 规划的科学性需要定量研究,数据采集就显得越来越重要.本文主要探讨如何针对大北京区域规划过程中的规划、建设用地等方面的主题信息,构建面向数字城市规划的数据仓库的实例,将来自不同专业领域的相关数据以特定的方式整合在一起,利用联机分析处理实现对数据仓库中存储数据做多维分析操作,然后借助特定的专业模型从中发现知识,辅助支持大北京区域规划的决策.

摘要： 针对网络信息资源"迷向"与"过载"的现象,通过对遗传算法的分析与应用,建立了基于遗传算法的主题信息获取系统。实验结果表明,应用该系统可以获取大量与主题相关度高的网页信息,可以提高网页主题信息获取的准确率.

摘要： 快速准确地抽取网页主题信息是影响Web应用服务质量的关键。网页模板就是已经做好的网页框架，由模板生成的网页结构布局是基本一致的。本文提出了利用模板技术进行网页主题信息抽取的算法。该方法充分考虑了网页的结构特征，能够明显改善信息抽取的性能。实验结果表明，该方法准确率可达99.6％。

摘要： 本文基于DOM规范,针对HTML的半结构化特征和缺乏语义描述的不足,提出含有语义信息的STU-DOM树模型，将HTML文档转换为STU-DOM树,并对其进行基于结构的过滤和基于语义的剪枝,能够准确地提取出主题信息，方法不依赖于信息源,而且不改变源网页的结构和内容,是一种自动、可靠和通用的方法，具有可观的应用价值,可应用于PAD和手机上的Web浏览以及信息检索系统。

摘要： 城乡规划是一个复杂的学科，包含多种学科、多种专业背景知识，致使其数据源异常复杂，所以数字城市规划中关于信息处理问题面临一系列的困难。本文主要探讨如何针对大北京区域城乡规划过程中产生的规划方案、城市空间形态的布局等方面的主题信息，构建面向数字城市规划的数据仓库的实例,将来自不同专业领域的相关数据以特定的方式整合在一起，辅助支持大北京区域规划的决策。以主题形式组织的面向数字城市规划的数据仓库信息集成平台能保证在支持决策分析的过程中，所提供的信息内容逻辑清楚、条理明晰、层次分明，在实际操作中有较高的效率和实用性。

摘要： LDA (Latent Dirichlet Allocation，隐含狄利克雷分配)是近年来提出的一种具有文本主题表示能力的非监督学习模型.本文提出了一种基于LDA主题模型的文本聚类和聚簇描述方法.利用LDA模型挖掘隐藏在文本内的不同主题与词之间的关系,得到文本的主题分布;并将此分布作为特征融入到传统的向量空间模型来计算相似度进而对文本进行聚类;再利用主题信息对聚类结果进行聚簇描述.实验结果表明本文的方法能够明显地提高聚类的效果.

摘要： 在分布式检索中,基于主题的语言模型集合选择方法首先引入Relevance Model计算用户查询和信息集合中文档的相似度,在此基础上通过文本聚类得到集合中文档的主题信息,加入语言模型计算得到各个信息集合的查询相关度排名,以此完成集合选择.实验表明,与ODRI、CRCS和基于传统语言模型的集合选择算法相比,该方法的检索效果得到了显著提高.

摘要： 如何高效而且令人愉快地浏览大量图片一直是计算机视觉和多媒体邻域中的一个重大挑战,良好的排版不仅能够快速、高效率的浏览图片,而且能进一步突出主题信息.图片排版是对版面图形元素的进一步提炼,在信息表达中占有非常重要的位置.现有的图片排版的技术按照它们对图片的排列方式可以分为三类:网格式排版、马赛克式排版、拼接式排版.本文从技术和应用领域等几个角度分析了各类排版技术,并对图片排版技术的发展形式以及前景做了简要的说明.

摘要： 主题爬虫根据用户查询确定主题信息,通过网页间的超链接,有选择性的在Web上遍历,获取与主题相关网页.它遍历的是整个Web中特定的部分区域.因此为了在较短时间内获取更多的主题信息,起始地址的选择显得异常重要.超链接,作为整个Web网络的连接者,隐含着大量的主题信息.本文使用一个关于网页链接的文本集来模拟Web结构,通过实验结果分析主题区域在Web上的分布规律,验证根据查询主题选择初始URL对主题爬行虫有重大意义.最后结合图论中的相关知识,针对目前初始URL选择所存在的问题给出相应的解决方案.

摘要： 对于普通搜索引擎技术特点和实现过程,通过系统地分析比较研究,采用基于主题改进爬虫算法,设计实现一个能更好地满足用户不同搜索需求的主题搜索引擎,该搜索引擎具有科学性、高效性、实用性、易操作性等优点.使用本搜索引擎,对多个大型网站进行查询搜索,通过实验数据对比,结果表明,该引擎的数据查全率和查准率都高于普通搜索引擎,具有较高的推广利用价值.

摘要： 本发明涉及一种基于信息主题股份化的信息服务平台、服务及方法，所述平台包括：信息主题管理模块，用于创建并管理信息主题，每一独立信息主题映射为一只股票，运用股票的概念，技术上扩展了独立信息主题的状态和运作属性；业务管理模块，用于根据所述信息主题的状态实现交易操作、股权分配操作和积分奖励操作；工作流程管理模块，用于存储并调用所述信息服务平台对应的多个工作流程；消息服务模块，用于实现所述信息服务平台内其它模块之间的异步通讯及所述信息服务平台对外的消息推送。与现有技术相比，本发明解决了一般积分系统不能与工作成果产生的持续效益挂钩的问题，具有促进信息的发现、提高信息可靠性和更新及时性等优点。

摘要： 基于语义信息的主题识别方法与主题演化路径构建方法，从公众诉求解决模式视角，利用基于词间语义信息的方法，进行社会诉求主题识别与演化趋势分析研究。先考虑公众诉求的时序变化因素，将社会诉求文本进行时间区间划分，接着，基于语义信息网络获得网络社区，并使用PageRank方法识别所有社区中的主题，最后，通过度量相邻时间段间的主题相似性来表现主题间的演化关系，进而识别主题的演化路径，包括演化过程中的新生、分裂、衰亡、融合事件，以此清晰反映出诉求主题的强度以及演化过程，同时，本文以甘肃省公开的领导信箱为例开展实证分析，并对发明的有效性进行了验证。

摘要： 关于用户主题兴趣的模糊可被解决，以致能够呈现有用的主题相关广告。通过监视用户行为，根据监视的行为确定用户主题兴趣(例如从多个不同的候选主题中)，并送达与确定的用户主题兴趣相关的广告，能够解决这样的模糊性。

摘要： 本发明涉及一种基于信息主题股份化的信息服务平台、服务及方法，所述平台包括：信息主题管理模块，用于创建并管理信息主题，每一独立信息主题映射为一只股票，运用股票的概念，技术上扩展了独立信息主题的状态和运作属性；业务管理模块，用于根据所述信息主题的状态实现交易操作、股权分配操作和积分奖励操作；工作流程管理模块，用于存储并调用所述信息服务平台对应的多个工作流程；消息服务模块，用于实现所述信息服务平台内其它模块之间的异步通讯及所述信息服务平台对外的消息推送。与现有技术相比，本发明解决了一般积分系统不能与工作成果产生的持续效益挂钩的问题，具有促进信息的发现、提高信息可靠性和更新及时性等优点。

摘要： 本发明公开一种基于主题语义信息的关键词向量化方法及其应用，具体包括：首先利用Sentence‑BERT模型为每个文档生成具有文档语义信息的向量；再通过UMAP降维算法对生成的文档向量进行降维并突显局部语义特征；然后，在降维后的文档向量上进行HDBSCAN主题聚类，并将每个文档归类到一个或多个主题中；最后，利用文档和主题之间的关系，计算主题中每一个关键词的主题词频率‑逆主题频率(TTF‑ITF)得分，对该关键词与每个主题的主题词频率‑逆主题频率(TTF‑ITF)得分进行合并，生成最终的关键词向量。本发明实现高精度表征主题语义信息的关键词向量化，可应用于主题词提取、文本分类和文档检索。

摘要： 本发明涉及一种融合用户多种交互信息和用户主题信息的用户排名系统，包括：一个数据预处理模块，用于过滤没有任何交互信息的用户，并记录用户与用户之间的交互关系信息，建立用户交互关系矩阵；一个用户多种交互关系构建模块，用于融合用户与好友之间的关注或评论信息，以及用户好友的主题相关度信息，构建融合多关系的三阶张量模型；一个用户交互行为强度预测模块，用于预测用户在社交媒介上与外界用户之间的交互关系强度；一个用户综合影响力测算模块，用于估算查询关键词下的用户综合影响力得分，并根据用户综合影响力得分，对用户进行综合排序。该系统检测速度快，准确度高，适用范围广，应用性强。

摘要： 本发明提供了一种文本中的时间信息及主题信息的抽取方法和系统。其中，一种文本中的时间信息及主题信息的抽取方法，包括：根据句子分隔符，将文本拆分为一个或多个子句；根据日期正则表达式与时分正则表达式，分别抽取子句中的日期与时分；将抽取的日期与时分按照预定规则合并为时间信息；判断文本内容是否包含主题模式；若是，抽取主题模式对应的文本内容作为时间的主题信息；否则抽取时间附近的子句内容作为主题信息。通过本发明的技术方案，有效降低了正则表达式匹配的复杂度，提高了匹配效率，抽取时间较为准确，抽取的时间类型涵盖范围较大，并且还能将任务的内容抽取出来自动填入任务的主题。

摘要： 本发明涉及一种融合用户多种交互信息和用户主题信息的用户排名系统，包括：一个数据预处理模块，用于过滤没有任何交互信息的用户，并记录用户与用户之间的交互关系信息，建立用户交互关系矩阵；一个用户多种交互关系构建模块，用于融合用户与好友之间的关注或评论信息，以及用户好友的主题相关度信息，构建融合多关系的三阶张量模型；一个用户交互行为强度预测模块，用于预测用户在社交媒介上与外界用户之间的交互关系强度；一个用户综合影响力测算模块，用于估算查询关键词下的用户综合影响力得分，并根据用户综合影响力得分，对用户进行综合排序。该系统检测速度快，准确度高，适用范围广，应用性强。

摘要： 本发明公开一种信息处理方法及主题信息库制作系统，所述信息处理方法应用于一主题信息库制作系统，所述主题信息库制作系统包括存储装置，所述存储装置中至少存储有第一属性资源，所述方法包括：获得第一制作指令，所述第一制作指令包含有第一主题信息；基于所述第一制作指令，获取与所述第一主题信息对应的所述第一属性资源；聚合所述第一属性资源，获得与所述第一主题信息对应的第一主题信息库。

摘要： 本发明涉及自然语言处理和深度学习技术领域，为了提高多意图识别的准确度，提供了一种融合了主题信息的多意图识别方法，包括：1、获取用户的输入文本并对其进行规范化处理得到处理文本；2、获取处理文本中基于句子的主题信息和基于词的主题信息；3、将处理文本与所述基于句子的主题信息进行融合；4、将步骤3中融合后的文本及基于词的主题信息分别转化为向量表示；5、构建意图识别模型并训练；6、将步骤4中转化得到的向量表示输入意图识别模型，得到意图分类结果。一种融合了主题信息的多意图识别系统，包括：文本获取单元、主题获取单元、主题融合单元、向量转换单元及意图分类单元。采用上述结构提高了多意图识别的准确度。