融合情感过滤的突发事件检测方法

针对微博等自媒体平台中,突发事件存在的突发性、多爆发点,给突发事件检测带来困难,提出一种整合用户情感过滤的突发事件检测方法.该方法首先将话题映射为层次模型,以时序驱动的方式动态调整模型特征,探测信息新话题.以此为基础分析用户对该话题所持有的情感态度,依据用户的情感态度将话题划分为正面和负面情感倾向两类,并将饱含负面情感倾向的话题视为突发话题.实验证明,无论是准确率还是查全率所提方法均比baseline提高约10%以上.     

基于情感计算的微博突发事件检测方法研究

微博已经成为社会新闻舆论最重要的集散地和社会群体平台,对微博信息流进行监测发现,突发事件对于舆情监控具有十分重要的意义。文章通过构建情感向量,采用改进的Kleinberg方法对情感状态进行监测,发现突发事件情感特征及突发期,并采用谱聚类方法对处于突发期的博文进行聚类分析,抽取突发事件。实验结果证明该方法可以快速发现微博流中的突发事件,是一种有效的在线事件检测方法。     

基于重点博文的突发事件检测方法

突发事件容易引起社会舆论,是监管的重要对象。传统事件检测忽略了博文间影响力的差异。考虑到不同微博对事件的影响力不同,针对时序微博数据流,提出一种结合微博影响力与突发词的突发事件检测框架。在综合考虑用户及博文影响力的基础上,挖掘时间窗口内的重点微博,根据重点微博及历史数据计算突发词,再通过突发词检索的方式构建出具有突发性的潜在事件数据集,通过聚类算法检测突发事件。对比两种常见的事件检测方法,实验表明所提方法在准确率与效率上均有明显提升。     

一种实用的尺寸在线检测方法

尺寸是墙地砖的一个主要外观质量指标,现主要由人工进行检测,可靠性差。该文提出了一种实用的在线检测方法,该方法检测精度高,实时性能好,已应用于实际系统。此外,这一检测方法不但可应用于墙地砖,而且可以推广到其它相关材料的在线自动检测领域,其应用前景十分广阔。     

基于特定话题的微博意见领袖在线检测方法

针对目前已有的微博意见领袖识别模型存在的不足以及意见领袖在线检测方法研究的缺乏,提出一种基于特定话题的微博意见领袖在线检测方法。对某一话题进行约一周的微博意见领袖在线检测实验,结果表明该方法能够在线收集与指定话题有关的微博信息并且能够动态计算出参与该话题讨论的用户的影响力,从而检测出其中的意见领袖。     

一种基于用户反馈检测大型在线系统前台故障的方法

大型在线系统在不同终端中的客户端由于兼容问题和频繁迭代容易出现前台显示故障,如控件覆盖、乱码等。由于传统系统后台的指标监控方法无法应对症状繁杂的前台故障,提出利用用户反馈动态检测前台故障的方案,通过对用户反馈的实时分析,挖掘其中关键信息动态构建监控指标,来表征并覆盖各种类型的前台故障。进一步设计快速在海量指标中进行异常检测的两阶段算法,实时地检测出指标中的异常并反映故障。该方法在多个真实大型在线系统中均获得了良好的检测效果,准确率达70%,召回率超过90%。     

一种基于深度迁移学习的滚动轴承早期故障在线检测方法

近年来, 深度学习技术已在滚动轴承故障检测和诊断领域取得了成功应用, 但面对不停机情况下的早期故障在线检测问题, 仍存在着早期故障特征表示不充分、误报警率高等不足. 为解决上述问题, 本文从时序异常检测的角度出发, 提出了一种基于深度迁移学习的早期故障在线检测方法. 首先, 提出一种面向多域迁移的深度自编码网络, 通过构建具有改进的最大均值差异正则项和Laplace正则项的损失函数, 在自适应提取不同域数据的公共特征表示同时, 提高正常状态和早期故障状态之间特征的差异性; 基于该特征表示, 提出一种基于时序异常模式的在线检测模型, 利用离线轴承正常状态的排列熵值构建报警阈值, 实现在线数据中异常序列的快速匹配, 同时提高在线检测结果的可靠性. 在XJTU-SY数据集上的实验结果表明, 与现有代表性早期故障检测方法相比, 本文方法具有更好的检测实时性和更低的误报警数.     

基于中文微博的突发事件舆情监测研究

微博作为异军突起的新媒体,已经成为传统媒体跟踪突发消息的重要来源。文章对突发事件舆情传播的特征与趋势、微博短文本预处理、微博突发事件情感分析3个微博突发事件监测的关键问题进行了阐释和探讨,并基于已有的研究,给出可能地解决方案。最后提出了一个高效的微博突发事件舆情监测的设计框架,通过发现突发事件情感特征及突发期,再对处于突发期的博文进行主题聚类抽取突发事件。     

基于传染病模型的突发事件网民情感演变分析

突发事件发生后，准确地分析网民的情感状态，实现对网民情感状态演变的引导，对管控突发事件舆情、维护社会稳定有重大的现实意义。依据网民对突发事件的评论特性构建了网民情感状态的完备集，并从突发事件利益相关者和突发事件本身两个角度建立不同情绪集。依据传染病模型的传播方式，建立了基于SIS（Susceptible-infectious-susceptible）传染病模型的网民情感状态演变模型EP-SIS和EO-SIS。利用网民对“新型肺炎病毒”的微博评论对模型进行了实证研究，获取影响因子的权重，模型对网民负面情感转换率为0.72。本文构建的突发事件网民情感演变模型可以从不同角度干预，使突发事件中网民负面情感状态发生演变。     

基于动量模型的微博突发话题检测方法

针对微博特征空间动态变化、信息噪音大的特点,提出一种基于有意义串动量模型的微博突发话题检测方法.提取时间窗口内微博信息流的有意义串,作为微博信息的动态特征,根据动力学原理对特征进行动量建模,结合特征能量大小、变化趋势以及二阶变化率检测突发特性有意义串,即突发特征,合并突发特征形成突发话题.微博数据实验表明,该方法适用于在线微博突发话题检测,在准确率和召回率上都有明显提升.     

基于词共现和情感元素的突发话题检测算法

随着自媒体的迅速发展,微博中的舆情监控和舆情疏导成为一项重大的研究课题. 为了解决传统话题检测方法对于微博中大数据的分析往往具有复杂度高、实时性低、影响力小等问题,提出一种基于词共现和情感分析的突发话题检测方法. 通过研究微博中情感的突发和共现关系,从而建立情感子空间模型;通过该模型对微博中的信息流进行分类,最后对每个类别中的微博进行主题词提取,实现话题检测的目的. 在NLPIR微博内容语料库上的实验结果表明,该方法能够有效地从大规模微博信息中检测突发新闻,提高突发新闻的识别率.     

基于匹配滤波器的冲击在线检测的研究

在已知波形的条件下,匹配滤波器可以有效地提取含有较大随机干扰的冲击激励,消噪效果明显。文中针对机械动力系统中波形已知、重复产生的冲击激励,详细介绍了一种新的检测系统,并给出了在线检测算法流程。该检测系统以匹配滤波器为检测器,判决器使用了阈值算法,具有速度快、易于实现在线检测的特点。实际的例子说明了该检测系统的有效性和实用性。     

基于在线Biterm主题模型的舆情新闻事件跟踪

舆情新闻事件跟踪,是舆情监控、热点分析、政策制定等研究和应用的重要基础。针对舆情新闻的稀疏性、敏感性、易演化性、次生性等特点,基于在线Biterm主题模型（online Biterm topic model,DBTM）,通过随机坍缩变分贝叶斯（stochastic collapsed variational Bayesian inference,SCVB0）算法更新参数,提出面向舆情新闻事件监控的主题模型MBTM(monitor Biterm topic model),利用该模型检测初期事件主题,跟踪后续新闻所属的主题。为了对存在关联关系的事件进行串联,进一步给出事件线索的概念,分别从主题层面和语义层面度量线索关联度,进而针对新闻事件主题生成事件线索。实验结果表明,MBTM模型在大多数指标上均优于OBTM等模型,验证了该方法的有效性和高效性。     

基于在线检测技术的敏捷软件开发方法的模型

针对敏捷软件开发方法尚未从本质上消除控制滞后性的问题,运用发酵调控学领域的在线检测技术和反馈控制技术,设定三个控制目标函数,设置若干检测参数及控制参数,建立基于在线检测技术以及反馈控制技术的敏捷软件开发方法的模型,研究控制变量、可测变量与控制目标变量三者之间的关系,从而解决控制滞后问题,实现敏捷软件过程的优化。     

云计算环境下基于代表点增量层次密度聚类的微博事件检测及跟踪

为从微博服务平台产生的大量实时信息中抽取新闻事件,提出了一套完整的云计算环境下的微博事件检测跟踪算法。首先采用新的基于微博转发数和评论数的权值计算方法,将微博文本表示成向量空间模型;再利用基于代表点的增量层次密度聚类(RIHDBSCAN)算法抽取关键词,最终实现新闻事件的检测和跟踪。针对单一节点无法快速高效地处理海量微博数据的问题,将算法部署在云计算平台Hadoop上。通过在新浪微博平台上获取的真实数据进行实验,结果表明,所提出的权值计算方法比     

基于递推参数辨识的齿轮箱故障在线检测

为实现齿轮箱故障的在线检测,提出基于递推AR模型参数辨识的齿轮箱振动信号在线辨识方法。对实验室的齿轮箱进行不同工况下振动信号的检测,利用最优辅助变量法确定其自回归模型的阶次和模型参数的初值,以自回归模型系数作为状态变量,采用Kalman滤波器技术进行在线递推参数辨识。实验结果表明,该方法中参数变化量的2-范数会发生突变,能检测出齿轮磨损和轴承外圈剥落的故障。     

基于LabVIEW的卷烟主流烟气中CO在线检测系统

针对使用非色散红外法对卷烟主流烟气中CO检测所导致的操作不便、无法实现在线逐口检测的缺陷,设计了一套基于LabVIEW采用TDLAS(tunable diode laser absorption spectroscopy)技术对卷烟主流烟气中CO进行在线检测的系统.硬件结构主要包括一台用于卷烟逐口抽吸的吸烟机,以及用于气体浓度检测的TDLAS控制器.通过对TDLAS控制器中锁相放大器输出的二次谐波信号进行采集和处理,计算出逐口抽吸得到的主流烟气中CO浓度.逐口抽吸的体积一定,进而可以计算出逐口抽吸的主流烟气中CO含量.通过实验结果证明,系统能够有效对卷烟主流烟气中CO进行在线逐口检测,且运行稳定可靠.     

基于USB2831数据采集卡的污水处理在线检测仪设计

采用USB2831数据采集卡与外部其它器件构成污水处理过程监控系统,控制污水处理过程参数和采集过程关健产物的荧光光谱数据,实现污水处理过程在线检测.该仪器不仅应用于污水处理,在啤酒酿造以及发酵领域有很好的应用前景.