论网络舆情监测系统中关键词智能追踪模型的建立

本通过分析舆情信息采集策略,提出智能化的关键词追踪模型,通过关键词智能追踪模型的应用,网络舆情监测系统能及时抓取热点事件的热点关键词,从而实现网络舆情监控系统对热点事件发展趋势的灵敏响应,并为网络舆情热点事件的预警提供数据支持。简单来说关键词智能追踪模型就是以一定的关键词权重算法为基础,依据舆情事件变化速度,通过多次的反复的归纳计算,对之前选取的关键词进行修改、调整和校对的过程。     

互联网技术在环保网络舆情预警、引导中的应用

本文对历年来环保网络舆情的统计资料进行分析,得出环保网络舆情的特点,从环保网络舆情的特点出发,研究舆情监测预警、引导的措施,利用互联网技术建立了监测预警平台、行政权力公开运行平台、环保门户网站,使环保部门能够第一时间抓取到环保网络舆情,进行信息发布和舆论引导,遇到重大环保危情时,和应急系统相结合,及时处理.     

基于网络爬虫的舆情信息采集系统设计与实现

本文针对当前舆情信息系统信息采集的情况,提出了一种基于网络爬虫的网络舆情信息采集系统的架构,并对其予以了实现。通过对该系统的测试,验证基于该架构的网络舆情信息采集系统,可以有效地对网络中的舆情信息进行抓取和采集,并支持数据库存储,为网络中舆情信息的管理和监控提供数据支持。     

基于改进Floyd算法的网络舆情监测

随着我国计算机信息技术的高速发展,网络舆情系统在互联网领域中得到了越来越多的关注,但是我国的网络舆情管理工作仍然存在着诸多问题,其中最为集中的问题体现在反应机制的不完善。鉴于此,本文首先描述Floyd算法的内涵,阐述Floyd算法的运算步骤,提出基于Floyd改进算法的控制策略,同时分析Floyd改进算法在网络舆情中的应用与模型,重点探讨影响网络舆情监测技术的3个因素。最后以人民网和正义网正式发表的相关资料作为舆情热点数据,对提出的模型算法进行对比验证。结果表明,基于Floyd的改进算法在各项指标上显著优于其他算法,但当实验数组达到一定上限时,仍然会出现重用率极限值。希望此次研究能为我国政府机关加强对网络舆论的分析,达到能够应对社会突发事件的能力,提升政府机关在互联网环境中的舆情管理能力提供一定的帮助。     

基于情感分类和主题挖掘的网络舆情文本分析

在社交网络时代，自媒体已成为群众发布、获取信息的重要渠道，网络舆情研判已经成为各级政府部门的主要任务之一。自媒体在反映个人情感和意见思潮的同时，也会汇聚群众的情感共鸣，因此对舆情文本的情感进行分析并获取其主题成为关键。通过爬虫工具对相关舆情文本进行抓取，将获取的数据使用Python的SnowNLP模块进行情感倾向划分，结合无监督的机器学习算法LDA主题模型进行文本关键词聚类，从而确定舆情规模、情感演变规律和舆情的热点主题词，为完善舆情应对机制提供科学支持。     

网络信息分级过滤系统的研究与实现

通过对网络信息内容进行分析并对信息进行过滤,能够保证信息的安全性。在关键字过滤和IP过滤基础上,采用双向最大匹配和基于内容分析的K-最邻近文本分类算法相结合进行内容过滤,以达到信息系统过滤信息的质量和速度的效果。以准确率和查全率为标准,对本方案进行测定和评估,评估结果表明,本方案的过滤效果比较理想。     

Crossbar输入排队调度算法的研究

研究高效易于硬件实现的队列调度算法的目的是为了提高交换系统吞吐率和降低延迟。在阐述输入排队、HOL阻塞、虚拟输出队列等概念的基础上,对MSM、PIM、RRM、iSLIP等调度算法进行了系统的比较,研究表明iSLIP算法是一种性能良好、实现简单的算法。     

融合MeanShift和改进SURF算法的目标定位策略北大核心CSCD

在工业环境中,针对工业机器人进行抓取物品操作时定位耗时长,精度低的问题,提出一种融合MeanShift算法和改进SURF算法的分层式定位策略,快速精确地定位物体。首先根据双目视觉系统采集的目标物体图片信息,采用MeanShift算法进行初步处理,切割出目标图片信息;然后利用改进后SURF算法对目标区域进行特征点对的匹配以及筛选;最后将匹配好的特征点对根据三角形测量原理,实现物体三维坐标的精确定位。实验验证了在工业机器人抓取物品时,本文所提方法对物体定位速度与精度上有所提升。     

中文分词算法解析

中文分词是计算机中文信息处理中的难题,而中文分词算法是其中的核心,但由于中英文环境中语素的不同特点,使得中文必须要解决分词的问题。这篇文章较为深刻的阐述了中分分词的算法,基于对分词算法的理解和对匹配法分词的分析,对最大匹配分词方法进行了较深入的研究探讨,提出了什么算法是解决分词效率的最佳方法以及各种方法的比较优劣等问题,及可能产生的歧义．对不同的算法给予了充分的解释,通过对各种算法的比较,总结出了比较常用和效率较高的算法。     

基于藏文音节特征的模式匹配算法的研究

近年来针对网络中藏文舆情等的研究已在相关研究机构进行。模式匹配问题是计算机科学中的一个基本问题在藏文舆情、网络入侵检测等应用中起着重要的作用。其研究内容在上述众多领域均有重要价值。针对藏文字本身特性的字符匹配算法在相关文献并没有给出相应的解决办法,而是直接采用了中文或英文的模式匹配算法作为研究的基础。在此认为给出一个合理有效的藏文字符串的模式匹配算法,能非常有效的提高藏文字符的匹配效率。     

基于EKSC算法的网络事件热度预测方法

随着互联网的发展,有效地对网络舆情进行监管和引导对社会的和谐稳定具有重要意义,网络事件的热度预测是舆情监管的重要组成部分。针对传统方法在预测的过程中忽视了事件时间序列中蕴含的时态信息和关联性,提出了一种基于EKSC算法的网络热点事件热度预测模型。该模型使用EKSC算法对每类已知网络舆情事件的时间序列进行聚类,并构建类模型库。对待预测事件已知的热度时间序列进行缩放变化,并使用最小二乘法选取类模型库中均方误差和最小的模型对该事件进行预测。实验表明,该方法能够对网络热点事件的热度进行有效的预测。     

透镜成像对立学习的SMA算法及舆情预测应用

网络舆情具有小样本特征，而传统方法预测准确率低，容易得到局部最优。为此，提出一种改进黏菌算法优化支持向量机的网络舆情预测模型ISMA-SVM。引入混沌Circle映射机制提高初始种群的多样性；利用对数非线性调节反馈因子均衡算法全局搜索与局部开发；设计透镜成像对立学习机制对最优个体变异，扩展搜索空间并避免算法陷入局部最优。利用改进黏菌优化算法优化支持向量机模型，构建网络舆情预测模型。以若干舆情热点百度指数作为样本进行实证研究，结果表明，改进模型具有更高的数据拟合度，预测准确度更高。     

基于ROS的室内移动抓取机器人研究与实现

为了提升移动抓取机器人的智能化水平,以ROS为基础,研究并实现了室内移动抓取机器人系统原型。该系统通过激光雷达感知周围环境信息,利用Gmapping算法实现机器人的即时定位与地图构建,利用move＿base算法实现机器人自主导航,利用基于深度学习的DOPE算法对目标的位姿进行估计,最终控制机械臂完成对目标的抓取。实验结果表明,在室内环境下,该系统能够完成移动与抓取任务,并具有较好的应用效果。     

基于Hadoop+Jeecg拉链行业网络舆情管理系统的实现

介绍用Hadoop的子项目hbase存储从网络自动抓取结构不同的拉链行业舆情信息,实现大数据的展示和统计,结合Jeecg智能开发平台,实现B/S模式的拉链行业网络舆情管理系统的研发.     

基于聚类分析的网络舆情主题提取

网络舆情具有时效性强、传播迅速、涉及方面杂而广、意见指向性特征明显、泛娱化特征明显等特点。因此,提出对LDA输入数据采用TF-IDF算法加强特征词筛选的方法。选取"巴黎圣母院大火"事件,采集作为网络舆情重要来源的微博数据,进行LDA建模,引入TF-IDF算法进行特征词的筛选,能较准确地分析出该事件的主题分布。     

微博数据通用抓取算法

目前常用的网络爬虫和基于微博API抓取数据的算法很难满足舆情系统对微博数据的需求。为此,提出一种模拟浏览器登录微博抓取网页数据的算法,以方便地获取任意微博用户网页上的所有数据。通过微博用户之间的关系构建用户网络,并通过该网络发现新用户。为获取微博上有质量的数据,建立一个完整的数学模型,根据用户的发帖数、发帖频率、粉丝数、转发数、评论数等因素来计算用户影响力,以影响力为主要因子构建优先队列,使得影响力越大的用户数据采集频率越高,同时计算时间间隔以兼顾非活跃用户的数据获取。实验结果表明,该算法具有通用性强、完全无需人工干预、获取信息的质量高、速度快等优点。     

基于视觉抓取的并联桁架机器人最优路径控制

针对元件的抓取路径规划问题,提出一种以最小化时间为目的,结合蚁群算法和禁忌搜索算法的混合优化算法。首先,将基于机器视觉抓取元件的问题确定为有约束的旅行商问题（TSP）;然后,分析了元件大小和抓取放置过程对于路径规划的综合影响,对路径选择概率和禁忌域进行了适应性改进;其次,一方面引入了2-opt局部优化以及信息素惩罚、奖励机制以改善蚂蚁的搜索能力,另一方面对信息挥发因子作适应性改进以提高蚂蚁的自适应能力;最后,针对基本算法和改进的混合优化算法,仿真实验和平台实验分别进行了性能指标和抓取时间的对比分析。实验结果表明,仿真环境下,与蚁群优化（ACO）算法和禁忌搜索（TS）算法相比,混合优化算法的平均迭代次数降低了约50%,且其他性能较为优越,平台测试的抓取用时测试结果也说明了混合优化算法较随机结果和基本算法的优越性,可以快速完成元件抓取任务。     

基于改进K-means算法的微博舆情分析研究

为避免初始聚类中心选取到孤立点容易导致聚类结果陷入局部最优的不足,提出一种基于密度的K-means(聚类算法)初始聚类中心选择方法。该方法首先计算每个数据对象与其它数据对象间的平均相似度,找出平均相似度高于某固定阈值的对象视作核心对象,再从核心对象中选取彼此间最不相似的作为初始聚类中心。通过自构建的新浪微博抓取工具,分别抓取不同类别的数千条数据,经过分词、预处理及权重计算后,用改进的K-means算法对其进行聚类分析,查准/全率较传统的K-means算法要稳定,聚类的平均时间也得到缩短。实验结果表明,改进后的算法在微博聚类中有更高的准确性和稳定性,有利于从大量的微博数据中发现热点舆情。     

基于深度学习的室内简单环境寻路算法

室内导航寻路是物联网智能家居的一个重要应用场景,文中设计了一种基于深度学习的室内简单环境寻路算法,包括物体捕捉与追踪、周围环境感知、路径规划、抓取返回四个重要过程。其中,捕捉与追踪采用TOP技术对目标进行标注与距离判断。周围环境感知采用神经网络深度学习方法,通过训练并自我对弈对网络进行激励,从而不断更新网络,在路径规划的栅格法中寻求最优路径。抓取返回过程采用垂直下落抓取方法并对栅格进行最短路径计算,从而以最短路径返回,完成全过程。     

网络信息检索中堆栈-最大匹配自动分词算法研究

本文分析了现有分词算法存在的不足,研究了机械分词方法、堆栈技术理论以及最大匹配法自动分词工作流程,在此基础上,构建了堆栈-最大匹配自动分词模型,详细阐述了该模型基本结构和运行流程.最后针对该算法,进行了简单举例分析.