我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

融合社交网络用户自身属性的信息传播数学建模与舆情演化分析 下载：80 浏览：54

刘小洋 唐婷 何道兵 《中文研究》 2019年1期

摘要:
针对传统的社交网络信息传播模型极少将用户属性和信息特征这两个因素纳入到信息传播模型研究中的不足，该文提出了一种基于用户自身属性的信息传播模型。首先该文抽取用户影响力、用户态度、用户年龄、信息能量、信息价值等特征并构建交互规则；其次，根据这些特征建立信息传播的数学模型，模拟社交网络舆情演化过程；最后，为验证模型的有效性，开展了与真实事件的实证分析对比实验。实验结果表明:仿真结构与真实数据的相似度大于0.97，因而该模型符合社交网络舆情信息传播的特性，能够较为准确地描述社交网络中的舆情传播过程。

融合CNN和LDA的短文本分类研究 下载：86 浏览：491

张小川 余林峰 桑瑞婷 张宜浩 ​ 《软件工程研究》 2018年9期

摘要:
应用卷积神经网络分类文本是自然语言处理领域的研究热点,针对神经网络输入矩阵只提取词粒度层面的词向量矩阵,忽略了文本粒度层面整体语义特征的表达,导致文本特征表示不充分,影响分类准确度的问题。本文提出一种结合word2vec和LDA主题模型的文本表示矩阵,结合词义特征和语义特征,输入卷积神经网络进行文本分类,以丰富池化层特征,达到精确分类的效果。对本文提出模型进行文本分类实验,结果表明,本文算法相比传统特征输入的卷积神经网络文本分类,在F度量值上取得一定程度的提升。
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享