主题特征

摘要： 近年来,一批山东出品的纪录片在充分利用本土文化基因基础上,以山东人文地理为主题进行创作,并在互联网场域中探索出独特的叙事方式与表现风格。具体而言,鲁派纪录片主要有以下三方面特征:在创作主题上,表现出对中国乡土社会的独特关怀和对农业文明的题材偏好;在制作机制上,依托省级广电机构作为中坚的生产力量,完成了支持持续创作的政策制定和供给改革;在创作主体上,鲁派纪录片注重挖掘能够融通中外、享有盛誉的本土创作者。未来,鲁派纪录片需要继续扎根并反映社会群体的共同文化生活,同时也需要不断提升标准化的制作流程和市场接受水平,实现“纪实+”的全方位发展。

摘要： 缅甸语属于低资源语言,网络中获取大规模的汉-缅双语词汇一定程度上可以缓解汉-缅机器翻译中面临句子级对齐语料匮乏的问题.为此,本文提出了一种融合主题及上下文特征的汉缅双语词汇抽取方法.首先利用LDA主题模型获取汉缅文档主题分布,并通过双语词向量表征将跨语言主题向量映射到共享的语义空间后抽取同一主题下相似度较高的词作为汉-缅双语候选词汇,然后基于BERT获取候选双语词汇相关上下文的词汇语义表征构建上下文向量,最后通过计算候选词的上下文向量的相似度对候选双语词汇进行加权得到质量更高的汉缅互译词汇.实验结果表明,相对于基于双语词典的方法和基于双语LDA+CBW的方法,本文提出的方法准确率上分别提升了11.07％和3.82％.

摘要： 随着深度学习技术的深入研究,越来越多的深度神经网络模型被运用于情感分析任务.针对现有模型不能较好地表征词语的上下文信息,且存在数据稀疏与特征不明显等问题,提出了一种基于主题模型和注意力机制的情感分类方法,通过LDA模型提取主题特征,并将主题特征和文本特征融合在一起.为了捕获文本情感极性转变的语义信息,从而抽取出文本的最佳情感极性,该方法采用基于CBOW方式的Word2vec模型训练词向量,将带有主题特征的词嵌入矩阵通过Bi-LSTM神经网络模型获取文本的上下文信息,结合注意力机制进一步提取文本信息,再通过softmax线性函数输出积极情感和消极情感的概率.结果表明,该方法在情感分析(NLPCC-SCDL)评测任务的中文数据集上取得了较好的分类效果.

摘要： 本文结合主题特征和深度学习模型研究智能问答技术。文中介绍了LDA的基本内容和特点、LDA模型中的文本词汇生成过程,以及在深度学习模型中引入主题特征的方法和实现。

摘要： 随着深度学习技术的深入研究,越来越多的深度神经网络模型被运用于情感分析任务。针对现有模型不能较好地表征词语的上下文信息,且存在数据稀疏与特征不明显等问题,提出了一种基于主题模型和注意力机制的情感分类方法,通过LDA模型提取主题特征,并将主题特征和文本特征融合在一起。为了捕获文本情感极性转变的语义信息,从而抽取出文本的最佳情感极性,该方法采用基于CBOW方式的Word2vec模型训练词向量,将带有主题特征的词嵌入矩阵通过Bi-LSTM神经网络模型获取文本的上下文信息,结合注意力机制进一步提取文本信息,再通过softmax线性函数输出积极情感和消极情感的概率。结果表明,该方法在情感分析(NLPCC-SCDL)评测任务的中文数据集上取得了较好的分类效果。

摘要： 文章以杨立青大提琴协奏曲《木卡姆印象》为研究对象,以此来阐述作曲家是如何以特定的民族音乐语言与风格为基础,对作品的旋律主题特征进行发展;如何运用西方协奏曲的形式结合配器手法对旋律的音色音响进行处理,在考量演奏因素的基础上又使独奏大提琴与交响乐队对木卡姆内在之"神"与外在之"态"进行了良好的塑造.

摘要： [目的 /意义]促进学者间的学术交流和知识传播,有效地识别学术流派和构建学术共同体.[方法/过程]首先利用AT模型抽取科技文献中作者主题分布特征,然后基于JS散度定义了节点主题相似度,接着结合节点的主题特征与网络的拓扑结构重构科研合作网络,最后利用改进的贪婪团扩张算法实现重叠社团发现.[结果/结论]在干细胞领域数据集上的扩展模块度EQ值最高达到90.5％,说明融合节点主题特征的社团发现方法可以有效地改善科研合作网络的社团划分结果.

摘要： 本文结合主题特征和深度学习模型研究智能问答技术.文中介绍了LDA的基本内容和特点、LDA模型中的文本词汇生成过程,以及在深度学习模型中引入主题特征的方法和实现.

摘要： 本文通过意识形态所具有的三个基本特征即群体性、系统性和历史性,如何在纪录片创作中的具体体现与应用来展开论述,系统地阐述了纪录片创作的"主旨"与"脉络",围绕意识形态的三个基本特征与价值观,构成了一部作品的灵魂。只有这样,才能真实地反映出中国的民风、民俗、民情、国情,才能说好中国事情,讲好中国故事。

摘要： [目的/意义]与互联网的高速发展不同,个人信息安全保护的发展相对滞后,通过预测社交媒体用户的性别,能够更好地针对不同性别用户提供隐私保护。[方法/过程]以新浪微博这一社交媒体中用户发布的短文本为研究对象,从中抽取语言特征和主题特征,为每一个用户构建基于语言特征、主题特征以及两个特征叠加的特征表达向量,利用SVM机器学习算法构建性别预测的分类器。[结果/结论]实验表明,从微博短文本中抽取的语言特征和主题特征能够准确预测用户性别,其效果在主要评价指标中均有大幅提升。

摘要： 随着计算机的普遍应用以及计算机技术的飞快发展，计算机自动性测试和计算机自适应性测试都已先后成为现实，这样计算机自动评分就成为了人们所希望的下一代计算机自动工具。中文自动评分系统的研究尚处于起步阶段，据我们了解还没有一个能大规模使用的系统.本文研究了许多前人的工作，并复现部分特征，但是特征的相关度不是很理想。在本文中，我们利用统计自然语言处理和信息检索技术提取作文写作水平和作文主题特征。实验表明，利用本文提出的特征的相关度好于以前的特征。

摘要： 检索2000年-2009年国内图书馆数据挖掘研究论文，按照论文年度分布、期刊分布、著者情况、主题特征等方面进行文献计量分析.从图书馆管理、资源建设、用户服务、综合应用等方面进行主题评述，指出图书馆数据挖掘研究存在的问题，让读者全面认识国内图书馆数据挖掘研究状况。

摘要： 本研究通过CNKI收集1996-2015年间在国内公开发表的关于山豆根的研究文献，将文献研究数据，导入BICOMB2.0，生成高频关键词共现矩阵，将矩阵导入统计软件SPSS19.0进行共词聚类分析。近20年来我国有关壮药山豆根研究论文数量呈波浪式上升，至2011年达到峰值48篇，418篇文献分布209种杂志，尚未形成自己的核心期刊群，以第一作者统计和研究机构统计发现，在山豆根研究方面没有形成自己的高产作者群，核心研究机构尚未形成。研究热点围绕苦参碱、氧化苦参碱的质量控制，与伪品的鉴别。

摘要： 本研究通过CNKI收集1996-2015年间在国内公开发表的关于山豆根的研究文献，将文献研究数据，导入BICOMB2.0，生成高频关键词共现矩阵，将矩阵导入统计软件SPSS19.0进行共词聚类分析。近20年来我国有关壮药山豆根研究论文数量呈波浪式上升，至2011年达到峰值48篇，418篇文献分布209种杂志，尚未形成自己的核心期刊群，以第一作者统计和研究机构统计发现，在山豆根研究方面没有形成自己的高产作者群，核心研究机构尚未形成。研究热点围绕苦参碱、氧化苦参碱的质量控制，与伪品的鉴别。

摘要： 本研究通过CNKI收集1996-2015年间在国内公开发表的关于山豆根的研究文献，将文献研究数据，导入BICOMB2.0，生成高频关键词共现矩阵，将矩阵导入统计软件SPSS19.0进行共词聚类分析。近20年来我国有关壮药山豆根研究论文数量呈波浪式上升，至2011年达到峰值48篇，418篇文献分布209种杂志，尚未形成自己的核心期刊群，以第一作者统计和研究机构统计发现，在山豆根研究方面没有形成自己的高产作者群，核心研究机构尚未形成。研究热点围绕苦参碱、氧化苦参碱的质量控制，与伪品的鉴别。

摘要： 本研究通过CNKI收集1996-2015年间在国内公开发表的关于山豆根的研究文献，将文献研究数据，导入BICOMB2.0，生成高频关键词共现矩阵，将矩阵导入统计软件SPSS19.0进行共词聚类分析。近20年来我国有关壮药山豆根研究论文数量呈波浪式上升，至2011年达到峰值48篇，418篇文献分布209种杂志，尚未形成自己的核心期刊群，以第一作者统计和研究机构统计发现，在山豆根研究方面没有形成自己的高产作者群，核心研究机构尚未形成。研究热点围绕苦参碱、氧化苦参碱的质量控制，与伪品的鉴别。

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： 基于特征点过滤与排序的遥感影像主题敏感哈希认证方法，首先，构建用于遥感影像主题敏感区域提取的“复合训练样本”数据集，并选择合适的深度学习模型；第二步，使用该训练好的深度学习模型获取遥感影像的加权掩膜；第三步，基于加权掩膜对提取的SIFT特征点进行过滤；第四步，根据“距离就近边缘的距离”对过滤后的特征点进行排序，得到该遥感影像的主题敏感特征点；第五步、根据排序后的特征点构建特征矩阵；第六步，对特征矩阵进行PCA分解，并提取、量化并压缩特征矩阵的主成分，得到遥感影像的主题敏感哈希序列。本发明结合深度学习和特征点检测技术来提取遥感影像的主题敏感特征点，实现主题偏向性的遥感影像完整性认证。

摘要： 本公开属于计算机预测技术领域，提供了一种基于注意特征的科技成果数量与主题的预测方法及系统，包括以下步骤：获取科技人员的注意状态数据，所获取的科技人员的注意状态数据包括科技人员办公终端的输入与输出信息、科技人员工作时间的语音信息和科技人员在工位的时长；基于所获取的注意状态数据，构建注意状态的样本数据集；采用注意特征进行样本数据集的特征提取，基于时间敏感预测模型依据科技人员的注意状态数据的时间跨度进行时间片科研成果数量的预测，基于方向主题生成模型依据科研成果数量的预测结果和所提取的样本数据集特征生成科研主题关键词，实现科技成果数量与主题的预测。

摘要： 本发明提供一种基于主题关联度与关键词联想的短文本特征扩展方法，该方法首先对原始文本数据进行预处理，进行分词、去除噪声等操作并进行词的向量化；然后利用TF‑IDF结合信息增益对词进行重要性量化计算，在此基础之上再通过信息增益构建决策树，利用决策树的分类效果进行主题关联度的量化计算；然后根据关联度对词向量降序排序，筛选TopK的词向量组成关键词集合；再结合外部语料库对关键词集合进行近义词扩展，然后根据关键词集合进行联想扩展，分为自关联联想扩展和外部库联想扩展两种方式；最后将扩展后的候选关联词集合再次进行主题关联度的计算，筛选TopK的词向量组成最终的关联词集合，加入到原始文本数据集，完成短文本的特征扩展。

摘要： 本发明提供一种基于内容特征和主题特征的文本分组聚类方法，包括：提取所述文本的内容特征和主题特征；将所述主题特征转换为二进制主题特征；采用相同的分组算法对文本基于所述内容特征和所述二进制主题特征依次进行分组，获得层次化的文本分组结果；对所述文本分组结果进行聚类。使用本发明提供的基于内容特征和主题特征的文本分组聚类方法对新闻文本进行分组聚类，可以令新闻文本的聚类结果在兼顾新闻事件的针对性的基础上避免聚类结果过多的缺陷。

摘要： 本发明提供一种基于内容特征和主题特征的文本分组聚类方法，包括：提取所述文本的内容特征和主题特征；将所述主题特征转换为二进制主题特征；采用相同的分组算法对文本基于所述内容特征和所述二进制主题特征依次进行分组，获得层次化的文本分组结果；对所述文本分组结果进行聚类。使用本发明提供的基于内容特征和主题特征的文本分组聚类方法对新闻文本进行分组聚类，可以令新闻文本的聚类结果在兼顾新闻事件的针对性的基础上避免聚类结果过多的缺陷。

摘要： 本发明属于文本数据处理技术领域，特别涉及一种融合多层次主题特征的文本摘要自动生成方法及装置，该方法包括首先基于平均词嵌入方法，将源文本对应的词向量映射成固定长度的句向量；然后将源文本对应的句向量输入到编码器中的双向GRU网络中，并得到每个句向量所对应的隐藏层状态；其次，基于生成的隐藏层状态，对源文本进行局部主题特征和全局信息特征提取；最后将提取到的局部主题特征和全局信息特征融入到源文本中进行解码，依次从源文本中选取句子组成摘要。本发明在解码时融入局部主题特征和全局信息特征，使得生成摘要贴合上下文信息，提高生成摘要的质量。

摘要： 本发明涉及融入主题特征的中越跨语言评论情感倾向性分析方法，属于自然语言处理领域。本发明包括：构建中越跨语言评论数据集；利用特征编码器和主题特征编码器对中文和越南语评论进行特征编码，之后利用选择门控机制获得评论句特征，并使用对抗学习缩小中文和越南语语义差距；最后基于中文的情感标签作为输入训练分类器，最终完成在越南语数据集上的情感分类任务。本发明通过将主题信息作为指导信息融入实现越南语评论句的情感分类，从获取到的越南语网络数据中得到情感倾向性，为把握越南民众对公共事件等对象的观点看法提供支撑。

摘要： 本发明涉及一种融合主题信息和词向量提取文本特征的新闻分类方法。本发明所述的一种融合主题信息和词向量提取文本特征的新闻分类方法包括：使用Word2vec和LDA模型分别在语料库中训练词向量，word2vec经过TF‑IDF进行加权所得的词向量与LDA训练的特征扩展模型进行拼接得到短文本表示模型，将短文本表示模型输入到BIGRU中提取文本深层次信息的特征向量，最后使用softmax函数得到文本分类结果。本发明所述的一种融合主题信息和词向量提取文本特征的新闻分类方法，在提取过程中加入了文本的主题信息，将主题信息和文本的词向量进行融合，能够尽可能获得文本主题特征，具有分类准确率高的优点。

摘要： 本发明是一种基于LDA主题特征的日志异常检测方法。该方法包含模型训练和异常检测两个阶段。在模型训练阶段，利用日志解析器将系统日志解析为日志模板集合和日志三元组集合，日志模板集合用以训练LDA模型，得到日志模板主题分类模型；利用LDA‑CM模型将日志三元组转换为进程日志模板主题，进而利用滑动窗口机制构造训练样本，最后将训练样本输入LSTM模型，训练生成日志异常检测模型。在异常检测阶段，将待检测的进程日志转换为对应的模板主题序列，然后输入LSTM‑ADM模型，实现针对进程日志的异常检测，本发明能够更加准确的学习日志间的语义关系特征以及更有效地通过非结构化的日志记录检测出进程或系统的异常行为。