一种微博用户影响力的计算方法

针对微博中用户影响力分析这个问题,提出用户影响力的计算方法。该方法首先提出用户自身影响力以及用户被影响力的概念,并根据用户自身特征与用户粉丝情况得出其计算公式,从而可以综合考虑用户在微博中的所有信息,计算出用户影响力。实验结果表明,这种计算方法能比较好地反映用户在其粉丝中的影响力。     

面向短文本的神经网络聚类算法研究

词汇个数少、描述信息弱的缺陷,导致短文本具有维度高、特征稀疏和噪声干扰等特点。现有的众多聚类算法在对大规模短文本进行聚类时,存在精度较低和效率低下的问题。针对该问题,提出一种基于深度学习卷积神经网络的短文本聚类算法。所提算法以大规模语料为基础,利用word2vec 模型学习短文本中词语之间潜在的语义关联,用多维向量表示单个词语,进而将短文本也表示成多维的原始向量形式;结合深度学习卷积神经网络,对稀疏高维的原始向量进行特征提取,以此得到特征更为集中、有效的低维文本向量;最后,利用传统的聚类算法对短文本进行聚类。实验结果表明,所提聚类方法对文本向量的降维是可行、有效的,并且取得了F值达到75%以上的文本聚类效果。     

相关信息加权的自适应多标签分类算法

在文本分类中,传统单标签分类问题的解决方法无法简单地应用于多标签文本分类,现有的方法通常会通过单标签问题转化思想或者多标签自身算法改进实现对多标签的文本分类。提出一种相关信息加权的自适应多标签分类算法,该算法具有相关信息加权、自适应阈值调整、权重投票相结合的特点。实验结果表明,该算法的某些性能指标优于现有一些常用的多标签分类方法。     

高性能互联网信息监控系统的研究和实现

互联网信息监控系统应用网络多媒体内容采集、分析、融合与表达等技术.解决分类、聚类技术的综合应用与集成,完成针对网络信息的有效提取与分析研判.系统具有数据获取、数据处理、数据挖掘、信息展现和系统管理五大功能,可对各类信息进行高速智能分类、关联分析、聚类分析.实现无监督自学习和海量数据的挖掘功能.     

智能信息系统中手机产品评论的情感倾向分析

目前国内用户购买和使用大量不同手机产品。为帮助手机生产商识别用户评论的情感倾向、为其他潜在的手机用户提供手机产品购买建议,文中通过模块设计构建一个处理手机产品评论的智能信息系统,该系统用于挖掘和分析针对手机产品的评论信息。其中情感倾向分析是该系统的核心环节,因此文中研究并提出了一种基于条件随机场的针对手机产品的情感倾向识别方法,并通过采用多种实验手段寻找并验证该识别方法的有效性,从而完成对手机产品评论的高效、准确的自动识别。     

一种基于有序二叉树的多模式匹配算法

传统的多模式匹配算法是用树型结构的有限自动机实现的 ,它具有很多缺点 .本文提出的多模式匹配算法是基于有序二叉树的多模式匹配算法 .实验证明 ,本文算法不但具有和传统算法相当的查找速度 ,而且构造速度快、内存耗费少 .因此 ,本文提出的算法特别适用于要求动态构造自动机的情况     

一种有效的字符串有序跳跃模式近似匹配算法

字符串的模式匹配问题是计算机科学的基本问题之一,而近似模式匹配更是近期的研究热点。本文分析了文本分析领域中出现的一种特殊的近似模式匹配问题,即字符串有序跳跃模式近似匹配问题,提出了一种基于有限自动机的组件组合分析算法。算法的特点在于将组件匹配过程与组配过程进行分离,这样既降低了问题的复杂度,又可以实现按策略组配的灵活性。组件匹配过程中利用有限自动机对跳跃模式的组件进行匹配查找;组件的组配过程中先对查找到的组件进行组合分析,然后再对各种组合进行初步筛选和基于策略的优选。初步筛选工作是依据顺序性、唯一性和最大数三条原则进行;而优选工作是根据四个设计的评价参数选择其中最佳组合。实验结果表明,该算法的确能解决字符串有序跳跃模式匹配问题,完全可以适用于句型匹配与主题词跳词匹配。     

单个网页的搜索引擎优化（SEO）策略

搜索引擎优化技术是近年来发展较迅速的技术,目前被广泛的应用于电子商务网站的优化。分析了搜索引擎优化的概念,对页面标题、Meta标签、关键字、网页设计等提出优化策略。     

基于句法分析的商品情感倾向性分析

随着互联网门户网站的崛起,以及人们在选购商品时对于互联网的依赖,人们往往会在选购商品前在网络上查找商品的评价信息。但是面对海量的评论信息,感觉无从下手,需要一种能够自动识别评价语句情感倾向性的方法。针对这种情况,陈豪,刘功申等人选定酒店、笔记本电脑、书籍这3种商品,根据商品的特殊性,提出一种基于句法分析的商品情感倾向性分析算法,这种算法的创新之处在于利用句法分析的方法获得评价对象集,并且对评价对象进行权值的分配,再利用依赖关系找到并且处理从句,以及隐含的评价对象,最后得出整句评价语句的正负面评价结果。     

一种针对不良主题的文本过滤方法

针对不良文本的过滤问题,文章提出了一种基于SVM分类器改进的文本过滤方法。该方法将传统的基于词语的分类方法改为基于词语元组的分类,增强了特征项的分辨率,实验表明该方法同传统的过滤方法相比具有较高的准确率和召回率。