Ta上传的资源 (0)

摘 要:【目的/意义】微博转发行为反映了微博用户对所感兴趣微博的一种行为表现,对微博转发行为的研究有助 于微博的深度挖掘工作。【方法/过程】本文从内容分析的角度,对微博转发行为进行了预测。量化分析了微博内容 中一组低水平特征和高水平特征,采用逻辑回归模型对微博转发概率进行预测,并在微博数据集中进行了

【目的】对微博进行细粒度情感分析,将情感分为8类,并计算其情感强度值,从而尽可能还原微博用户情感。【方法】通过微博语料分析构建疑问词词表,在大连理工大学情感词汇本体DUTIR的7类情感基础上,丰富一类情感“疑”,并利用点互信息法构建表情符号词典,还综合考虑否定词和程度副词对情感表达的影响,利用Pyt

将Ｌａｓｓｏ－ｌｏｇｉｓｔｉｃ模型引入个人信用评估，通过模拟实验发现，逐步回归法倾向于保留一些不重要的变量，而且选出正确模型的概率较低，而Ｌａｓｓｏ不仅计算更加快捷，可以同时进行变量选择和参数估计，而且能更准确地筛选出重要的变量。以信用卡消费信贷违约数据为例对我国个人信用评估进行实证分析发现，相对于

知识图谱构建技术综述(论文,共19页)谷歌知识图谱技术近年来引起了广泛关注，由于公开披露的技术资料较少，使人一时难以看清该技术的内涵和价值．从知识图谱的定义和技术架构出发，对构建知识图谱涉及的关键技术进行了自底向上的全面解析．１）对知识图谱的定义和内涵进行了说明，并给出了构建知识图谱的技术框架，按照

摘要：以中国期刊全文数据库(CNKI)收录的645篇MOOC主题期刊论文为研究对象，以共词聚类和多维尺度分析为主要研究方法，采用Bicomb共词分析软件和SPSS 20软件进行内容数据统计和分析，绘制出能直观反映各 个高频关键词之间关系的树状图和Euclidean距离模型。结果发现：国内MOOC研究

中文微博情感分析旨在发现用户对热点事件的观点态度。已有的研究大多使用 ＳＶＭ、ＣＲＦ等传统算法根据手工标注情感特征对微博情感进行分析。该文主要探讨利用深度学习来做中文微博情感分析的可行性，采用 递归神经网络来发现与任务相关的特征，避免依赖于具体任务的人工特征设计，并根据句子词语间前后的关联性引入情感