主题识别

摘要： 对作者关键词进行价值细分研究,有助于识别学科高价值研究热点主题,帮助研究者们精确把握高价值研究主题和学科研究前沿。本文引入营销领域客户价值细分RFM(recency,frequency,monetary)模型,对各个指标进行动态加权,多次实验后,形成多组关键词价值细分结果;从关键词生命周期的角度,结合医学领域的生存分析方法,使用Kaplan-Meier曲线和Logrank检验验证,识别出最优价值细分结果;依据帕累托原则和聚类算法得到高价值热点主题。数据源选择CSSCI(Chinese Social Sciences Citation Index)收录的图情档领域期刊论文,对1998-2019年的题录数据进行实验。相较于已有的热点主题识别方法,本文的识别结果考虑了关键词的价值属性和分类,较好地识别了高价值热点主题。

摘要： [目的/意义]旨在为政府实施健康舆论引导和擎画预警防控方案提供参考。[方法/过程]以“新冠肺炎疫情”为例,通过融合突发公共事件相关新闻数据和政策文件,综合运用自然语言处理和文本主题识别等方法,提出基于主题强度、主题相似度、政策敏感度(PSPE)的主题演化分析思路,描绘突发公共事件主题社会关注和政策趋向的发展状态。[结果/结论]社会关注从国内国际疫情的通报逐步演化为突发性地区事件和疫情对生活影响等主题;反馈型敏感度新闻主题会引导政策发布的趋向,引导型敏感度政策主题会指导新闻发布的趋向。

摘要： 文章从共词网络视角出发,将主题演化分析研究思路引入研究方法的演化分析,以反映主题维度下研究方法的演化情况,并提出学术论文研究方法演化分析模型。首先,通过关键词语义类型划分和基于共词强度的选词策略构建共词网络;其次,利用Louvain算法对共词网络进行主题识别,并根据相邻时期主题关联的强度来构建主题演化链;最后,依据主题演化链从主题社区中提取研究方法类关键词以初步构建研究方法演化链,在此基础上通过研究方法的扩充及其重要性评价对研究方法演化链进行优化,并对该演化链进行分析和阐释。实证结果表明该模型可以较好地从主题维度描述其对应研究方法的演化情况。

摘要： 针对于传统方法中存在的文本特征表示能力差、模型主题识别准确率低等问题,提出一种融合SENet与卷积神经网络的文本主题识别方法。将每个词对应的Word2vec词向量与LDA主题向量进行融合,并依据词语对主题的贡献度完成文档加权向量化处理;构建SECNN主题识别模型,使用SENet对卷积层输出的特征图进行权值的重标定,依靠其提升重要特征并抑制无用特征的性能,高效地进行主题识别;使用FDA评估样本的类别表征能力,提出FDA-SGD算法对模型参数进行调优,完成文本主题识别任务。使用新闻文本数据集验证改进算法的有效性,通过与传统模型对比表明,改进算法可以有效提高模型的收敛速度,具有较好的主题识别能力。

摘要： [目的/意义]基于微博主题语义内容的本征特质以及主题之间的互感耦合,结合网络用户参与主题讨论的用户影响力,对微博主题影响力进行分析。[方法/过程]以文本主题识别与主题相似度计算为依据,提出微博主题自感系数及互感系数;以不同类型用户以及对应权值计算用户参与主题讨论的用户影响力;综合主题自感系数、互感系数、用户影响力等指标因素,构建微博主题影响力计算模型;以“重庆公交车坠江”事件为样本数据进行实证分析。[结果/结论]考虑语义层面主题互感耦合,并结合用户影响力对揭示微博主题影响力具有更好的效果。

摘要： 现有的对话系统中存在着生成“好的”“我不知道”等无意义的安全回复问题。日常对话中,对话者通常围绕特定的主题进行讨论且每句话都有明显的情感和意图。因此该文提出了基于对话约束的回复生成模型,即在Seq2Seq模型的基础上,结合对对话的主题、情感、意图的识别。该方法对生成回复的主题、情感和意图进行约束,从而生成具有合理的情感和意图且与对话主题相关的回复。实验证明,该文提出的方法能有效提高生成回复的质量。

摘要： 随着自媒体技术的不断发展,如何高效挖掘短文本数据信息已成为现阶段的研究重点。传统主题挖掘方法进行短文本数据分析时,仅考虑单位词出现频率进行判断,未考虑语义关联结构信息,分析效果欠佳。针对短文本数据的稀缺性,文中提出一种基于社交网络分析和LDA的主题挖掘分析模型。首先结合共词分析算法,分析不同文档间主题词的关系;然后结合社交网络分析算法,提高共词网络主题词耦合度;再借助隐含空间模型对共词网络进行降维,提高社交网络耦合性;最后结合隐含位置聚类算法发掘潜在社区,提高主题识别效果。实验结果表明,所提方法能够在一定程度上优化主题挖掘算法在识别短文本主题的效果,便于进行短文本研究,具有实用价值,也可为后续应用于前沿主题识别提供参考。

摘要： [目的/意义]新兴技术主题预示着科技创新的未来趋势与方向,精准识别新兴技术主题,对优化创新资源部署及提升国际竞争优势极为关键。针对当前新兴技术主题识别研究的不足,本文提出一种基于技术特征相似性的新兴技术主题识别模型。[方法/过程]第一步,抽取专利数据中的技术特征信息,降低噪音内容的干扰;第二步,基于现有技术内容构建特征向量模型,实现对不同技术属性间语义关系的区分;第三步,融合技术特征向量模型与聚类算法,达到多维度下识别新兴技术主题目的;第四步,以生物技术领域为例进行实证研究。[结果/结论]通过对比分析验证了该模型的准确性与有效性,拓展了新兴技术主题识别的研究思路与研究方法。

摘要： 近年来,国家大力发展工程建设领域的招投标采购全流程电子化,以及各地方的贯彻落实,使得全国的招投标效率比传统的线下模式提高了一个档次。但同时也面临着需要处理的投标文件数目庞大、技术含量高导致的专家评标效率低、质量差等问题,使得有限的专家资源无法充分利用。为了解决这一问题,提出了WL-CNN主题识别模型架构进行投标文件段落级的主题词识别,采用了改进CBOW与LDA模型表征更加丰富的文本信息,融合了TF-IDF算法以及相似度加权算法优化主题词的识别,考虑了局部、次局部以及全局的语义信息,使得专家评标效率大大提高。针对山东高速集团有限公司提供的大规模投标文件数据集进行了实验,结果表明WL-CNN模型优于其余同类模型。

摘要： [目的/意义]定量化、可视化识别基金项目和论文等科技文献主题扩散演化路径,对于揭示科技文献主题之间隐含关联关系辅助研究前沿识别、新兴趋势检测等科技情报分析实践工作具有重要意义。[方法/过程]提出基金项目和论文主题扩散演化路径可视化方法,首先基于LDA模型进行基金项目和论文主题识别,然后利用余弦相似度算法进行基金项目和论文主题关联构建,最后基于Web前端可视化技术设计基金项目和论文主题扩散演化路径可视化方案,揭示基金项目和论文主题的隐含关联关系,辅助进行基金项目和论文主题扩散演化路径分析。[结果/结论]通过对美国近20年纳米农业领域基金项目和论文数据的实证,验证了本文提出方法的准确性和可行性。

摘要： 探寻有效的主题识别算法,从海量科技文献中识别学科交叉主题并做出预测具有重要意义.本文基于英文科技文献,结合学科交叉主题的识别算法,构建了包括数据筛选及预处理、交叉主题特征词提取、主题聚类/可视化的学科交叉主题识别方法和流程.该流程首先利用TDA自带清洗词表和脚本做基础数据处理,然后借助多目标优化算法提取学科交叉主题词,并结合高频词、突发词和离群点数据集构建学科交叉主题特征词数据集,最后对数据集进行主题聚类/可视化分析,形成全面的学科交叉主题识别框架.该方法将突发词和弱关系识别纳入学科交叉主题识别过程,对高频词主题识别方法进行有力补充,能够提高数据自动清就和提取效率、保证数据集的完整性,较为全面地揭示学科交叉主题及其热点和趋势.

摘要： 科技文献是科学技术发展过程中知识的主要载体，是科学技术发展过程的累积形态，其中蕴含着大量的揭示学科发展演化的主题信息，对科学技术文献中蕴含的学科主题进行识别是情报人员研究的主要内容之一。本文利用基于多词短语词频分析和短语邻近分析的DT方法，并增加了学科领域术语识别内容，对美国国家航空航天局2011-2020年战略规划做全文主题识别。实验证明，采用改进的DT方法可以有效地识别全文文献主题。

摘要： 面对传统搜索引擎发展所遇到的困难与挑战，适应特定人群需要的,能够方便搜集特定学科或专题web资源的专业搜索引擎应运而生．本文分析了4种专业搜索引擎主题识别的链接分析技术及其算法思路,找出了各种算法存在的问题，对未来研究提出了建议．

摘要： 文本的主题识别是TDT研究计划的核心任务之一.本文研究了文本主题识别的主要算法,并分析了采用不同的文本特征包括Unigram和NGram可以改善算法的性能.同时,针对现有搜索流程的不足,提出了一个基于主题识别技术的应用模型.最后,在该应用模型的基础上设计并实现了一个原型系统.

摘要： 在对比总结现有专利技术组合分析方法的基础上,提出了一种专利技术组合与合作潜力分析方法,针对特定机构或技术领域的专利产出数据,利用数据挖掘、主题识别、关联分析、知识发现、可视化技术等方法与手段,挖掘专利技术特征,判断相似程度,从中寻找有望进一步构建专利组合的潜在技术,并以此找寻有望建立合作关系的不同专利主体.针对国内某科研机构开展的实验分析结果显示,所构建的方法能够有效地映射出专利技术的知识单元,克服了现有分析方法的一些局限性,且实施操作方便,能够为机构挖掘自身专利技术组合可能、机构间寻找战略合作潜在方向等提供有效的决策参考,在大科学时代的协同创新形势下具有广阔的应用前景.

摘要： 本文首先界定了科技监测的基本含义，其次对现有的科技监测方法进行了总结，并从主题表示、主题识别以及主题确认方面，对现有成熟科技监测系统进行了比较分析，希望能够对医学领域开展科技监测提供借鉴意义。

摘要： 科技主题用来表征学科的研究关注点，是科技热点的具体承载对象。当前，科技主题获取的自动化程度不高，绝人多数都借鉴专家经验实现。结合自然语言处理领域TDT的研究成果，针对科技文献特征，借助链接分析及文本聚类方法对科技主题进行自动发现。并对科技主题的表示方法进行了讨论，提出了科技主题的框架式表示方法。实验证明科技该主题发现的方法是有效的。

摘要： 在对潜在语义分析和主题模型2种语言模型的基本原理和方法分析的基础上,给出了其在主题内容识别及文本数据挖掘方面的应用前景.进一步从全信息自然语言理解方法论出发,指出了语言计算研究可能的发展方向:一方面需要与认知科学相结合,借鉴认知科学的研究成果;另一方面要重视从语用的维度进行研究.

摘要： 在对潜在语义分析和主题模型2种语言模型的基本原理和方法分析的基础上,给出了其在主题内容识别及文本数据挖掘方面的应用前景.进一步从全信息自然语言理解方法论出发,指出了语言计算研究可能的发展方向:一方面需要与认知科学相结合,借鉴认知科学的研究成果;另一方面要重视从语用的维度进行研究.

摘要： 在对潜在语义分析和主题模型2种语言模型的基本原理和方法分析的基础上,给出了其在主题内容识别及文本数据挖掘方面的应用前景.进一步从全信息自然语言理解方法论出发,指出了语言计算研究可能的发展方向:一方面需要与认知科学相结合,借鉴认知科学的研究成果;另一方面要重视从语用的维度进行研究.

摘要： 本申请涉及一种主题类别对应的特征词提取和文本主题类别识别方法。所述方法包括：获取多个主题类别的示例文本，以及各个主题类别的示例文本的类别标签；对各个主题类别的示例文本进行分词处理，并对分词处理得到的各个词语分别进行词频统计，得到各个主题类别对应的多个词语的词频信息；针对各个主题类别，根据所述多个词语在本主题类别中的词频信息，以及在多个主题类别中的分布情况，从所述多个词语中筛选出至少一个特征词语，作为对应主题类别的特征词语；所述特征词语为在所述对应主题类别的示例文本中构成的显著性差异达到设定条件的词语。采用本方法能够提高特征词提取效率。

摘要： 本发明公开一种主题更换方法及装置、人脸识别系统主题更换方法及装置。主题更换方法包括：第一终端每间隔第一预设时间向服务器发送服务器主题配置信息获取请求，第一终端接收从服务器返回的主题配置信息；第一终端判断接收到的所述服务器主题配置信息与自身存储的第一终端主题配置信息是否相同，若相同，则不进行操作，否则执行主题更换操作。本发明的终端通过在服务器上查找主题配置信息进行主题更换，解决了目前一般的更换主题的方式是直接从数据库中请求并匹配从而耗时、性能比较低的问题。

摘要： 本发明揭示了一种基于事件主题分析的虚假信息识别系统及识别方法。系统包括真实事件文本采集模块、事件树构建模块、分支主题粘合度计算模块、待测文本读取模块、相关度检测模块以及分支粘合度对比模块。方法包括真实事件文本采集步骤、事件树构建步骤、分支主题粘合度计算步骤、待测文本读取步骤、相关度检测步骤以及分支粘合度对比步骤。本发明能够为用户在网络环境中区分虚假信息提供帮助、从而使其能够更加快速有效地获取到真实可靠的信息。本发明不仅有效地提高了虚假信息识别的效率、节约了使用者的时间，同时也充分地保证了信息识别过程的标准化、提高了识别结果的准确性。

摘要： 本发明公开了一种基于主题词的社交媒体事件主题识别方法，包括以下步骤：S1、对社交媒体文本进行降噪处理；S2、计算词和事件关于主题的分布向量；S3、提取社交媒体文本中事件主题词；S4、构建基于主题词的贝叶斯推断模型。本发明的事件主题词提取算法利用了词与事件关于主题分布的差异计算提取主题词，该算法计算复杂度低且提取准确率高，适用于大数据量的在线主题词提取；本发明提出的基于贝叶斯推断的事件主题分类算法，能够高效分类事件主题，具有较高的分类准确率和实用性，且本发明提出的算法不依赖特征工程，对于不同的主题分类任务更换训练集重新训练即可再次使用，可移植性高。

摘要： 本发明提供了一种域识别加主题识别构建机器学习模型检测网页暗链的方法，包括：收集大量含已被标注为包含暗链的网页源码和标注为正常的网页源码作为训练集，通过可疑域识别、敏感域识别、安全域识别、全域分析和主题识别提取每个网页源码中风险文本、风险度、主题异样度、主题、风险文本向量、风险文本异常概率、以及风险文本长度，将训练集中所有网页源码的特征数据用机器学习算法进行模型训练得到分类判别模型，最后，将待预测网页源码的特征数据导入分类判别模型中，得到待预测网页源码是否包含暗链，因此，本发明对高混杂暗链代码识别效果好、特征提取的比较完整、且能够很好解决传统方法无法正确区分暗链和页面篡改的问题。

摘要： 本申请公开了一种主题识别模型训练方法、会话主题识别方法及装置，该训练方法包括：获取当前会话语料和历史会话语料并分别输入至语义表征模型中，获得语义表征模型输出的当前语义表征向量和历史语义表征向量；将当前语义表征向量和历史语义表征向量进行拼接得到拼接向量；将拼接向量输入到第一分类器中获得输出的主题识别预测概率；将拼接向量输入到第二分类器中获得输出的主题切换判断预测概率；构建主题识别预测概率的第一损失函数；构建主题切换判断预测概率的第二损失函数；对第一损失函数和第二损失函数进行优化，直至该模型训练成功。本申请采用多任务训练的方式进行模型训练，从而有效提升主题识别模型和主题判断模型的准确率。

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： 本发明公开了一种基于主题共现网络和外部知识的主题识别方法，方法具体为：基于标注数据的主题共现网络构建：使用已有带主题标注的领域知识文本，检测文本中的主题子词并以此构建主题共现网络；融合外部知识和主题共现网络的开关模块构建：使用共现网络对带主题标注的领域知识文本进行信息丰富度排序，并以此排序结合外部知识构成开关模块；引入开关模块的改进领域知识文本主题识别模型自训练：使用自训练方法训练领域知识文本主题识别模型，尽可能使用无主题标注的领域知识文本的信息，防止自训练不加选择地学习无主题标注领域知识文本导致泛化性能下降；更充分更高效地利用有限语料信息，提升领域知识文本主题识别模型的性能。

摘要： 本发明公开了一种基于主题词的社交媒体事件主题识别方法，包括以下步骤：S1、对社交媒体文本进行降噪处理；S2、计算词和事件关于主题的分布向量；S3、提取社交媒体文本中事件主题词；S4、构建基于主题词的贝叶斯推断模型。本发明的事件主题词提取算法利用了词与事件关于主题分布的差异计算提取主题词，该算法计算复杂度低且提取准确率高，适用于大数据量的在线主题词提取；本发明提出的基于贝叶斯推断的事件主题分类算法，能够高效分类事件主题，具有较高的分类准确率和实用性，且本发明提出的算法不依赖特征工程，对于不同的主题分类任务更换训练集重新训练即可再次使用，可移植性高。

摘要： 本发明提供了一种域识别加主题识别构建机器学习模型检测网页暗链的方法，包括：收集大量含已被标注为包含暗链的网页源码和标注为正常的网页源码作为训练集，通过可疑域识别、敏感域识别、安全域识别、全域分析和主题识别提取每个网页源码中风险文本、风险度、主题异样度、主题、风险文本向量、风险文本异常概率、以及风险文本长度，将训练集中所有网页源码的特征数据用机器学习算法进行模型训练得到分类判别模型，最后，将待预测网页源码的特征数据导入分类判别模型中，得到待预测网页源码是否包含暗链，因此，本发明对高混杂暗链代码识别效果好、特征提取的比较完整、且能够很好解决传统方法无法正确区分暗链和页面篡改的问题。