基于LDA模型的专利文本主题分析——以国内元宇宙领域为例

为了探究元宇宙作为新兴产业的热点，解决国内元宇宙领域研究重点不明确的问题，提出使用LDA主题模型的专利文本分析方法。将LDA主题模型运用到国内元宇宙领域相关专利文本分析中，结合人为判断和主题困惑度的方法，实现了对专利技术主题的识别和划分。通过实验分析得出结论：人工智能、区块链、云计算等是当前中国元宇宙产业应用专利的热点技术；通过LDA主题模型分析国内元宇宙的专利文本，可以实现其技术热点主题的分类和细分判别，可以为未来的行业发展提供建议。     

基于LDA模型及情感分析的电影主题公园评论文本研究

以中国电影主题公园为例，收集多个旅游网站游客评论数据，采用LDA主题模型方法、共现网络分析方法及情感分析方法对游客评论文本进行研究。结果表明，国内电影主题公园游客评论可以分为旅游服务主题、旅游景观主题、整体感知主题以及活动体验主题4个主题。结合共现网络分析及情感分析结果识别当前景区现状及痛点，为文旅企业经营者提供较为准确的游客偏好信息，也为企业后续管理及决策提供相关理论及数据支撑。     

基于LDA的ESI研究前沿主题发现研究

文章利用LDA主题模型对ESI研究前沿进行主题发现研究,将每1期的ESI分类的22个学科领域的研究前沿视为1个文档,1年6期数据共计合成132个文档,再将这些文档构成文档集,利用R语言贡献包中的LDA函数进行主题建模,得到"文档-主题-术语"矩阵,在此基础上可视化表征学科领域的主题及其演变、交叉融合。     

基于语义嵌入深度学习的Web文本情感分类

互联网用户数量的迅猛增涨,为网络提供了大量的文本数据,对这些海量文本进行有效的情感分类,是自然语言处理领域需要解决一个难题。Web文本的情感反映了网络用户利用文字抒发的针对某对象或事物不同的情感表示,情感极性的分类可以是褒奖的、中立的或批评的。由于中文Web文本的语义表达结构和形式复杂多样,一般模型难以实现基于语义理解基础上的情感分类,提出了基于语义嵌入深度学习的情感分类模型。将语义提取、语义嵌入和深度学习相结合,实现Web文本在复杂语境下的有效情感分类。     

判别分析模型在信用评价中的应用

本文利用线性判别分析建立信用评价模型,用来对中国2000年106家上市公司2000年96家上市公司进行两类模式（“好”、“差”）分类及三类模式（“好”、“中”、“差”）分类。对于线性判别分析法,又使用两种不同的方法进行判别分析：一种是利用SPSS统计软件对数据样本进行判别分析,称为LDA-SPSS方法：一种是利用原始样本数据推导建立线性判别分析模型,然后根据模型计算得到的结果对数据样本进行判别分析,称为LDA方法。仿真结果表明,无论是两类模式分类还是三类模式分类,LDA-SPSS的判别效果均优于LDA。但与多层感知器（MLP）相比,对两类模式分类,LDA-SPSS（100％）优于MLP（98．11％）,MLP又优于LDA LDA（95．28％）;对三类模式分类,LDA-SPSS（91．67％）优于LDA（82．29％）,LDA又优于MLP（79．17％）。     

基于专利分析的岩爆防治技术现状与发展趋势研究

岩爆防治是深部地下空间开发利用过程中的技术难题，亟须进一步明确技术创新发展方向。采集incoPat数据库中岩爆和冲击地压防治技术相关专利数据，运用LDA主题聚类、专利地图等方法，从技术主题、技术活跃度、核心技术和技术进化方向4个方面开展研究。技术主题分析表明岩爆防治技术可归类为7个主要领域。技术活跃度分析表明岩爆防治技术具有波浪式发展特征，而专利技术拥有者以科研院所为主，企业的活跃度相对较低。在诸多技术主题中，施工卸荷技术与岩爆监测预警技术是主要的核心技术。岩爆防治技术总体呈螺旋式上升发展势态。     

国外智慧旅游政策和理论的主题建模及趋势研究

为理清国外智慧旅游政策和理论的研究热点及趋势,通过LDA(隐含狄利克雷分布)主题模型得出4个政策主题、8个理论主题。分析发现“digital travel(数字旅游)”“intelligent travel(智能旅游)”“smart tourism standards(智慧旅游标准)”是政策文本重点内容。通过主题模型和知识图谱分析学术文本发现,智慧旅游“data mining (数据挖掘)”“smart tourism system(智慧旅游系统)”信息推荐功能日渐显著,游客行为满意度与智慧旅游城市的选择两者之间关系密切。针对研究结论提出强化智慧旅游工作绩效评估机制、完善标准化政策体系、加大政策扶持新力度等建议。     

文本挖掘在科技情报中的应用

文本挖掘作为一种信息检索和分析的有效工具,在科技情报领域的应用具有巨大的潜力和广阔的前景。本文首先介绍了文本挖掘的概念、模型及其主要处理过程,然后阐述了文本挖掘在科技监测和专利分析中的具体应用,以及目前应用在科技情报领域中几个典型的文本挖掘工具。     

基于主题模型和情感分析的进口跨境电商顾客满意度评价研究

进口跨境电商已成为驱动国内消费增量的新业态，而顾客满意度的高低则是进口跨境电商提高留存率和转换率的关键。与此同时，海量的在线评论为商家提供了极具价值的信息，对其进行情感挖掘将有助于商家优化产品供给。为此，选择京东全球购个人护理产品作为研究对象，通过构建进口跨境电商顾客满意度综合评价模型，运用TF-IDF算法和文本聚类LDA主题模型等对评论文本内容进行分析和主题特征提取，并建立情感词典依次对顾客满意度各影响因素匹配赋值打分，以此来确定各项用户需求的重要度和产品及服务改进的优先级顺序。最终研究表明影响顾客满意度的各个因素综合得分排序从高到低为产品质量、物流服务质量、品牌信誉、感知价值、商家服务质量。     

基于专利信息分析的全球移动医疗技术创新现状与趋势研究

文章以移动医疗为研究对象,以德温特世界专利索引(DWPI)数据库为数据来源,采用专利计量的分析方法,借助Thomson Innovation(以下简称TI)科技创新平台和Excel作为主要分析工具,对移动医疗技术相关专利文献信息中的专利申请态势、专利信息主题、专利区域布局、专利申请人等信息进行定量与定性分析,挖掘了移动医疗技术领域的技术创新发展现状。通过分析得出主要结论:移动医疗技术领域专利申请数量逐年递增;移动医疗技术领域的主要技术来源国和技术市场国是美国、韩国、中国和日本;移动医疗技术领域重要专利申请人主要包括三星电子有限公司、Health Hero Network公司和日本电气公司等。     

基于文本聚类的特色旅游路线设计——以普洱市为例

如何设计能突出区域特色、带动边缘地区经济、整合周边资源的旅游路线是许多城市迫切需要解决的问题。以普洱市旅游景点作为研究对象,提出一种基于文本聚类的旅游路线设计方法。利用VSM对文本表示,转换成计算机能够识别的格式;利用TF-IDF特征权重挖掘能代表景点特征的词汇;利用LDA对景点主题聚类,获得具有相同特征的景点信息;基于聚类结果,结合景点特色、距离及人文历史等因素,依托旅游核心城市带动边缘城市的理念,设计4条特色旅游路线。结果表明,聚类的平均精确率达77%,可以为具有相同主题特征的景点设计路线。     

大数据和AI技术赋能文旅高质量融合发展

文旅融合高质量发展是当前一项重要的国家建设方针，也是学术界的重要论题。分析文旅融合研究中存在的问题，提出通过对旅游在线评论挖掘探索技术赋能文旅融合发展的模式与方法。首先从携程网网站收集在线评论并进行预处理，然后从基于词频的关注点挖掘、基于共现的语义网络分析以及基于LDA模型的口碑主题分析3个方面展开研究，最后在上述分析结果的基础上提出文旅融合高质量发展的对策与建议。     

英文科技语篇中的人称"照应"与汉译

照应是语篇衔接研究的一个重要论题,也是英汉科技语篇翻译中不容忽视的问题.人称照应在英语的科技语篇中体现出不同于其他语篇类型的特点.如何解读照应词是翻译过程的关键.译者应该运用汉语偏爱的衔接手段取得与原文异曲同工的效果.     

基于文本挖掘的西部城市旅游满意度研究——以携程西安和成都为例

利用携程网西安和成都的5万条旅游评论数据,构建旅游满意度指标体系,以评估不同城市旅游消费者的满意度。采用基于词云图、社会网络语义图以及LDA模型的特征分析来提取评价指标,构建适用于旅游评论的情感词典,并据此为评论情感赋值,结合层次分析法确定指标权重,分别计算满意度。结果显示:成都市的综合满意度高于西安市;游客对于成都旅游服务中的导游情况和行程安排的满意度高于西安;而西安携程旅游服务中地区游览特色更好,景点体验更佳。     

基于情感分析混合模型的用户评论主题分析——以vivo手机为例

为了帮助商家了解用户需求和产品问题,进一步提升产品和服务质量,对vivo手机评论数据进行基于关键词的词云图分析、社会语义网络分析、舆情时间序列可视化分析,挖掘用户关注焦点与手机特征的内在联系和用户情感倾向趋势;然后对评论数据进行基于LDA的主题特征分析,继而提出一种基于Word2vec和SVM、LDA的混合算法模型,挖掘用户正向和负向情感评论的潜在主题,得到不同情感倾向下用户对vivo手机不同方面的反映情况。分析结果表明,基于混合算法的挖掘结果比基于关键词的可视化分析、基于LDA的主题分析更清晰,更具准确性,为商家提供的建议更有意义。     

基于T-LDA2vec的高校图书馆信息素质教育主题挖掘与演化分析

为了深入研究高校图书馆信息素质教育领域的发展趋势和演化过程,收集了1998—2023年的1 606篇相关文献,经过数据清洗和预处理后,构建T-LDA2vec混合模型,用于主题建模和文本分析。在时间趋势上,揭示高校图书馆信息素质教育领域存在学术繁荣期和学术调整期两个关键时期。在学术繁荣期相关文献数量迅速增长,而学术调整期文献数量急剧下降,反映该领域正在经历学术调整。继而,运用T-LDA2vec模型进行主题挖掘,确定每个时期的最佳主题数量,并将主题划分为高校教育评估、师资培养、情报管理、网络化图书馆服务、高校图书馆素质教育服务、心理素质与教育表现、地方信息化与课程发展、数字化图书馆员培养八大类别。结果表明,计算不同时间段内各主题的强度,并通过交互式条形图描述热点主题。研究发现,一些主题在不同时期内保持较高的强度,表明它们在相关文献中具有重要影响力。师资培养、教学改革及高校图书馆资源创新与服务质量等主题在不同时期内维持了较高的强度。通过主题演化分析,揭示了不同时期内主题之间的关联和演化过程,指出高校图书馆信息素质教育研究的关注焦点逐渐从基础服务向资源创新、知识管理和在线教育等领域演化。该研究...