期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于排序学习的网络舆情演化趋势评估方法研究
被引量：
10
1
作者
秦涛
沈壮
+1 位作者
刘欢
陈周国
《计算机研究与发展》
EI
CSCD
北大核心
2020年第12期2490-2500,共11页
社交网络中的舆情事件关乎社会的和谐与稳定,分析事件的演化趋势并进行管控能够有效降低恶性舆情事件的影响.但是,高效的舆情管控却面临标注数据少、管控资源有限的难题,采用人机混合增强技术,充分利用少量标注样本中的专家知识,是建立...
社交网络中的舆情事件关乎社会的和谐与稳定,分析事件的演化趋势并进行管控能够有效降低恶性舆情事件的影响.但是,高效的舆情管控却面临标注数据少、管控资源有限的难题,采用人机混合增强技术,充分利用少量标注样本中的专家知识,是建立舆情演化态势评估模型的可行思路之一.据此,提出一种基于排序学习的舆情事件演化趋势重要性评估算法,在模型训练过程中,充分利用标注数据中的专家知识以及有标签数据和无标签数据的关联关系,筛选重要舆情事件进行管控,提升管控资源利用效能.首先,结合舆情管控经验和需求,从“人”“事”“势”等三要素出发,构建易获取、可量化、有含义的舆情事件演化态势评估指标体系;其次,基于图卷积神经网络构建舆情演化趋势评估模型,利用局部敏感Hash算法挖掘数据的空间结构信息,并利用图卷积求取数据及其邻域的混合特征;最后,针对有标签数据和无标签数据设计相应的损失函数,实现标注数据中专家知识和无标注数据中空间结构信息的综合利用.在公开数据集MQ2007-semi和MQ2008-semi上验证了算法的有效性,在自主构建的舆情数据集上验证了算法的实用性和泛化性.实验结果表明,所提算法可以根据少量的专家知识或标注数据,实现网络舆情事件演化态势的评估,为资源有限条件下的舆情事件管控提供决策支撑.
展开更多
关键词
舆情
事件
管控
演化趋势评估
标签数据缺失
排序学习
图卷积网络
下载PDF
职称材料
面向网络舆情的无监督演化趋势评估方法
被引量：
4
2
作者
秦涛
王熙凤
+2 位作者
沈壮
陈周国
丁建伟
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2020年第11期113-120,共8页
针对网络舆情突发性强、标注数据较少且管控资源有限等问题,提出了一种网络舆情演化趋势评估无监督学习算法,筛选演化趋势重要的舆情事件进行优先管控,提升网络监管的工作效率。针对舆情事件并发性强的特点,利用多指标排序算法对舆情演...
针对网络舆情突发性强、标注数据较少且管控资源有限等问题,提出了一种网络舆情演化趋势评估无监督学习算法,筛选演化趋势重要的舆情事件进行优先管控,提升网络监管的工作效率。针对舆情事件并发性强的特点,利用多指标排序算法对舆情演化趋势重要性评估问题进行形式化描述;针对舆情突发性强、难以获得大量标注数据的问题,利用主曲线排序算法对舆情演化趋势重要性评估问题进行建模,采用3阶贝塞尔曲线进行模型求解,充分利用评估指标中的顺序关系和数值关系;结合典型公开数据集和自主构建的舆情数据集对所提算法进行了验证分析,实验结果表明,所提算法可在无标注数据的情况下实现舆情事件演化态势重要性的评估,为资源有限情况下的舆情事件管控提供决策支撑。
展开更多
关键词
舆情
事件
管控
资源有限
无监督学习
贝塞尔曲线
下载PDF
职称材料
题名
基于排序学习的网络舆情演化趋势评估方法研究
被引量：
10
1
作者
秦涛
沈壮
刘欢
陈周国
机构
智能网络与网络安全教育部重点实验室(西安交通大学)
西安交通大学电子与信息工程学部
中国电子科技集团第三十研究所
出处
《计算机研究与发展》
EI
CSCD
北大核心
2020年第12期2490-2500,共11页
基金
国家重点研发计划项目(2016YFE0206700)
国家自然科学基金创新研究群体(61721002)
+3 种基金
教育部创新团队(IRT_17R86)
国家自然科学基金项目(61772411)
陕西省自然科学基金项目(2020JQ-646)
中央高校基本科研业务费专项资金(xjh012019026)。
文摘
社交网络中的舆情事件关乎社会的和谐与稳定,分析事件的演化趋势并进行管控能够有效降低恶性舆情事件的影响.但是,高效的舆情管控却面临标注数据少、管控资源有限的难题,采用人机混合增强技术,充分利用少量标注样本中的专家知识,是建立舆情演化态势评估模型的可行思路之一.据此,提出一种基于排序学习的舆情事件演化趋势重要性评估算法,在模型训练过程中,充分利用标注数据中的专家知识以及有标签数据和无标签数据的关联关系,筛选重要舆情事件进行管控,提升管控资源利用效能.首先,结合舆情管控经验和需求,从“人”“事”“势”等三要素出发,构建易获取、可量化、有含义的舆情事件演化态势评估指标体系;其次,基于图卷积神经网络构建舆情演化趋势评估模型,利用局部敏感Hash算法挖掘数据的空间结构信息,并利用图卷积求取数据及其邻域的混合特征;最后,针对有标签数据和无标签数据设计相应的损失函数,实现标注数据中专家知识和无标注数据中空间结构信息的综合利用.在公开数据集MQ2007-semi和MQ2008-semi上验证了算法的有效性,在自主构建的舆情数据集上验证了算法的实用性和泛化性.实验结果表明,所提算法可以根据少量的专家知识或标注数据,实现网络舆情事件演化态势的评估,为资源有限条件下的舆情事件管控提供决策支撑.
关键词
舆情
事件
管控
演化趋势评估
标签数据缺失
排序学习
图卷积网络
Keywords
online public opinion management and control
evolution trend evaluation
limited labelled data
learning to rank
graph convolutional network
分类号
T393.02 [一般工业技术]
下载PDF
职称材料
题名
面向网络舆情的无监督演化趋势评估方法
被引量：
4
2
作者
秦涛
王熙凤
沈壮
陈周国
丁建伟
机构
西安交通大学智能网络与网络安全教育部重点实验室
中国电子科技集团第三十研究所保密通信国家重点实验室
出处
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2020年第11期113-120,共8页
基金
国家重点研发计划资助项目(2016YFE0206700)
国家自然科学基金资助项目(61772411)
陕西省自然科学基金资助项目(2020JQ-646)。
文摘
针对网络舆情突发性强、标注数据较少且管控资源有限等问题,提出了一种网络舆情演化趋势评估无监督学习算法,筛选演化趋势重要的舆情事件进行优先管控,提升网络监管的工作效率。针对舆情事件并发性强的特点,利用多指标排序算法对舆情演化趋势重要性评估问题进行形式化描述;针对舆情突发性强、难以获得大量标注数据的问题,利用主曲线排序算法对舆情演化趋势重要性评估问题进行建模,采用3阶贝塞尔曲线进行模型求解,充分利用评估指标中的顺序关系和数值关系;结合典型公开数据集和自主构建的舆情数据集对所提算法进行了验证分析,实验结果表明,所提算法可在无标注数据的情况下实现舆情事件演化态势重要性的评估,为资源有限情况下的舆情事件管控提供决策支撑。
关键词
舆情
事件
管控
资源有限
无监督学习
贝塞尔曲线
Keywords
public opinion management
limited resources
unsupervised learning
Bessel curve
分类号
TP393 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于排序学习的网络舆情演化趋势评估方法研究
秦涛
沈壮
刘欢
陈周国
《计算机研究与发展》
EI
CSCD
北大核心
2020
10
下载PDF
职称材料
2
面向网络舆情的无监督演化趋势评估方法
秦涛
王熙凤
沈壮
陈周国
丁建伟
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2020
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
