大数据视域下余华文学作品文本挖掘研究

利用大数据和人工智能方法精准识别海量学术成果的主流学术关键,挖掘作品内涵知识及分析文学主题关联尤为重要,本文针对余华文学作品的研究文献开展主题特征、行文脉络研究,在数字人文视域下为把握作者创作倾向和特点提供依据。结合数据挖掘和主题演化的方法对中国知网余华文学作品相关文献进行分析,确认余华文学作品研究核心团体。再对余华文学文献进行文本挖掘,发掘出余华文学研究热点及关联。本文挖掘出了余华作品的核心主题、现实意义和艺术价值,为以其小说为素材的影视改编、艺术创作尽可能还原主题起到积极作用,可提供有效参考和借鉴。     

融合多头注意力机制和BiLSTM的电商评论情感分析研究

针对电商评论数据缺乏深层次的情感分析和语义知识关联,不利于系统挖掘潜在的消费情感和客户满意度信息问题,以京东电商评论数据为例,提出一种融合多头注意力机制和双向长短时记忆网络模型(bi-directional long short-term memory,BiLSTM)的电商评论情感分析模型。首先,通过词嵌入将文本数据转化为句向量;其次,构建融合多头注意力机制的BiLSTM模型,利用BiLSTM捕获长距离依赖关系,利用Transformer突出全局关键特征;最后,构建分类器实现电商评论的情感分析。实验结果表明,文章提出方法优于现有的机器学习和深度学习方法,其F₁值为0.927 6。同时,通过详细的对比实验证明了该方法能实现评论文本情感特征的细粒度提取,并能在少样本标注的情况下取得更好的准确率,具有良好的鲁棒性和准确性。     

数智赋能视域下侗族大歌主题挖掘及演化分析研究

针对新范式对传统人文社科造成学科边界模糊的问题，提出一种基于LDA模型和关系图谱的领域主题演化算法。首先运用综合指数确认领域核心研究人员；再利用LDA模型和层次聚类确认领域划分的主题数，构建关系图谱，探究主题词关联性；最后创新性的提出演化各主题间的关联性。实验将侗族大歌领域分为三个主题，并演化出他们之间的联系。该研究可为数智赋能语音音频的深入研究提供基础。