导读:本文包含了词共现论文开题报告文献综述及选题提纲参考文献，主要关键词:词共现网络,对农微博,热点话题,涉农舆情
词共现论文文献综述
赵雪,马娟娟[1]（2019）在《基于词共现网络的对农微博热点话题及用户舆情分析——以中国乡村之声官方微博为例》一文中研究指出采用词共现网络的方法,对中央人民广播电台中国乡村之声官方微博热点话题及用户舆情进行分析。中国乡村之声官方微博的热点话题聚焦于农业经济信息和农民民生问题。中国乡村之声官方微博用户最关注的热点话题首先是农民民生问题,其次是农业经济信息;用户舆情总体呈现出较为积极向好的倾向。不过,中国乡村之声官方微博还可以进一步优化话题设置,适当增加农民民生问题话题的比重,尽量多设置切合农民表达意愿的话题,及时回应和平息消极舆情。(本文来源于《新闻爱好者》期刊2019年11期）
肖明,徐烨[2]（2019）在《时间序列下关键词多词共现分析及研究热点预测——以我国图情领域核心期刊为例》一文中研究指出[目的/意义]提出挖掘关键词多词共现的方法,从而揭示领域的研究主题并预测未来的研究热点。[方法/过程]以我国图情领域为例,通过Apriori算法,对近12年15种核心期刊关键词矩阵进行关联规则挖掘,并结合时间序列预测法对挖掘出的关键词集进行短期预测。[结果/结论]该方法挖掘出442组关键词集,得出近12年来我国图情领域的研究热点,并选择了4组典型的关键词集进行短期预测,分析这些领域的未来趋势。(本文来源于《情报探索》期刊2019年11期）
马永正[3]（2019）在《现代汉语反义词共现的认知语法研究》一文中研究指出近年来,反义关系的研究从以往的纵聚合方向,转向横组合方向。反义词共现研究逐渐成为反义关系研究的一个热点。国外学者主要从反义词共现的频率、反义词共现的句法结构和语篇功能,叁方面展开研究。国内学者主要围绕其意义特征、结构形式、语用、语篇等方面展开研究。总的来说,呈现以下趋势:结合认知语言学相关理论,推理反义词共现结构的形成机制。但是,对其语义和句法功能的研究却相对不足。综合考虑前人的研究成果,本研究认为,在不同语境中,共现反义词对表现出的一词多义和句法功能类转,是存在认知理据的。本研究以存在于汉语中的双音节反义复合词“多少”为研究对象。另外,本研究采用描写与解释相结合的研究方法。在描写方面,本研究采用语料库研究方法分析双音节复合词—“多少”的语义类型、句法功能、构型搭配。并且将各部分的数据结果做定量分析,以图表的形式呈现出来。从研究得到的结果来看,“多少”的语义类型主要分为叁类:名词性质的“数量”义、形容词性质的“多”义、副词性质的“稍微”义,其中“稍微”义的出现频数最高。而其语法功能可分为定语、宾语、状语叁种,其中主要的语法功能为状语。在解释方面,本研究采用认知语法主观化理论。首先,从语义入手,考察了“多少”的叁种意象图式。接下来,通过分析论证,得出:叁种意象图式分别体现了识解的客观性和主观性特征。最后,用认知语法主观化理论去解释这种客观性和主观性的成因以及两者之间的转化过程。从研究得到的结果来看,认知主体对“多少”的识解,经历了一个从相对客观到完全主观的过程。在这个转化的过程中,“多少”的语义发生了变化。而“多少”的句法功能差异,同样是识解过程中,由于凸显侧面的不同造成的。因此,语义上的变化和句法功能间的转变就找到了认知理据。本研究探讨“多少”在不同语境下出现一词多义、句法功能类转的认知理据,期望为汉语反义词共现研究提供一个新视角,加深对汉语反义关系本质的理解。(本文来源于《山东师范大学》期刊2019-06-06）
李直旭,沈永新,陈嘉,刘安,赵朋朋[4]（2018）在《基于词共现图的属性知识库迭代自增式扩展算法》一文中研究指出属性知识库扩展研究中已有的开放式信息抽取方法都十分依赖深度句法分析或有效的词典规则,在短文本处理上效果较差,召回率较低.文中提出基于词共现图的属性知识库迭代自增式扩展算法,利用属性与属性值的共现关系扩展知识库,并设计基于图的社区发现算法,找出社区的核心节点.最后,设计基于卷积神经网络的模型对抽取结果进行去噪.在两个真实数据集上的实验表明,文中方法在抽取质量上优于现有方法.(本文来源于《模式识别与人工智能》期刊2018年12期）
宋文君[5]（2018）在《我国教研员研究领域的热点与趋势——基于关键词共词聚类、突现词共现图谱的计量分析》一文中研究指出新时期的教育变革对教研员提出了新的要求,而对教研员研究领域的系统分析有助于探寻未来的研究趋势。本文运用科学计量软件Bicomb、CiteSpace,分析1990—2018年中国知网(CNKI)收录的关于教研员的学术文献,采用词频分析法、共词聚类法分析我国教研员研究领域的热点,同时绘制基于关键词的知识图谱,探测研究趋势,并结合文献内容分析,归纳我国教研员研究领域的五大主题:教学研究与课程领导、促进教师专业发展研究、教研员能力结构与专业发展、教研员教育科研、教研相关制度。(本文来源于《课程.教材.教法》期刊2018年10期）
和志强,杨建,王丽鹏[6]（2018）在《基于词共现的文本分类算法》一文中研究指出特征词提取算法大多以选取单个关键词为主,存在词与词关联度缺失,文本主题表达不准确的问题,为此提出一种基于词共现的文本分类算法。通过计算词间共现率,利用TextRank算法构建共现图得到共现词组,建立文本向量表示模型,并利用SVM算法实现文本分类。实验证明,共现词作为文本特征项相对于传统单个特征词有更好的分类效果。(本文来源于《河北省科学院学报》期刊2018年03期）
赵雪,王莉[7]（2018）在《口述史、民族志、新闻访谈话题的对比——基于词共现网络的分析》一文中研究指出本文采用词共现网络的方法,对口述史、民族志、新闻访谈的话题进行了对比。口述史访谈的话题具有"个体性"和"历史性",聚焦于受访者的人生轨迹,以受访者的人生经历折射历史的变迁;民族志访谈的话题具有"族群性"和"人文性",聚焦于受访者的日常生活,以对个人生活状况的描述展现某一族群的迁徙活动、文化传承和教育等;新闻访谈的话题具有"事件性"和"时效性",聚焦于时事热点、社会问题等,以对新闻事件当事人和专家的访谈介绍新闻事件、剖析背后的原因、提出解决的办法。(本文来源于《云南艺术学院学报》期刊2018年02期）
郭培伦[8]（2018）在《基于词共现网络的文本特征提取方法研究与应用》一文中研究指出文本特征提取旨在从文本中挖掘能表现文本特征的语言成分,是自然语言处理研究的重要课题之一。伴随着互联网数据井喷式地增长,越来越多的数据需要被处理和存储。海量的文本数据不但需要极多的硬件设备支持,而且对文本处理的性能和准确性的要求也越来越高。高效地从文本中抽取出有价值的内容,不但可以减少存储数据的规模,还能提炼出更有价值的信息,为分类、聚类等自然语言处理的后续工作提供数据基础。不同的垂直领域的文本具有不同的属性和特点,如何更加快速而有效地从这些领域中挖掘出与文本处理任务相关的属性和特征,不但是自然语言处理科学研究的重点,而且是人工智能社会生产中的重要需求之。本文基于现有的研究成果,着重在文本特征抽取的性能和效率两个方面做了大量的研究工作。在互联网舆情和电商领域的前提下,本文分析和比较了基于统计、基于图模型和基于语言学叁种文本特征提取方法的优劣,并创新性地将基于图模型的和基于统计的特征抽取方法相结合,提出了一种基于词共现网络和卡方统计的文本特征词提取方法。该方法综合考虑文章关键词和摘要关键词,不仅发挥了图模型识别语义抽取丰富、精度高的优势,而且保留了统计模型性能好、速度快的特点。在模型性能和效果的分析中,本文从数据规模、时间复杂度、应用类型叁个方面评估该模型优势和不足。实验结果表明,该方法相比传统的tf-idf、textRank等经典特征抽取算法,精度提高了 5%-10%,性能提升了 50个百分点。该模型效果不随数据规模、文本处理任务的变化而变化,因此该模型具有较强的任务迁移和泛化能力。本文通过flask框架实施了算法落地,客户端通过向服务端发送http请求实现模型的实时服务,统一了应用接口,并且支持多条数据的分布式处理。(本文来源于《西南石油大学》期刊2018-04-01）
李桃迎,李峰,吕晓宁[9]（2019）在《网购评语高频词共现网络的结构特征分析》一文中研究指出网购评语是消费者对网购商品的直接反馈,从中挖掘有价值的知识有助于为商家开展精准化营销和个性化推荐服务、消费者制定购买决策等提供依据。鉴于此,以国内大型综合型电商平台上服装类网购评语为研究对象,对评语分词、筛选高频词、分析高频词之间的共现关系构建高频词共现网络,分析得出网络评语的热点词多个结构特征和评语网络中少数节点对网络的运行起着主导的作用,为网购评语挖掘研究领域提供了按照网购评语高频词共现网络的结构特性对销量的交互影响进行研究的思路。(本文来源于《计算机应用研究》期刊2019年01期）
李伟,贾彩燕[10]（2018）在《基于词共现网络的微博话题发现方法》一文中研究指出微博作为一个重要的信息平台,每天都有大量用户访问,重要的舆论事件在微博上会形成热门话题。本文提出了一种新的微博话题发现方法:基于词共现网络的话题发现方法(Topic detection in freqent word network,TDFWN),来挖掘微博语料中蕴含的热点话题。该方法首先对微博文本中的k频繁词集(k≥3)进行挖掘,利用频繁词集的共现关系构建词共现网络。对该网络进行社区划分,同一社区内的词通常描述同一微博话题,即话题以社区的形式出现。实验结果表明TDFWN算法能够快速、全面地发现微博中的热门话题,并且可以实现微博文本的自动聚类。(本文来源于《数据采集与处理》期刊2018年01期）
词共现论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
[目的/意义]提出挖掘关键词多词共现的方法,从而揭示领域的研究主题并预测未来的研究热点。[方法/过程]以我国图情领域为例,通过Apriori算法,对近12年15种核心期刊关键词矩阵进行关联规则挖掘,并结合时间序列预测法对挖掘出的关键词集进行短期预测。[结果/结论]该方法挖掘出442组关键词集,得出近12年来我国图情领域的研究热点,并选择了4组典型的关键词集进行短期预测,分析这些领域的未来趋势。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
词共现论文参考文献
[1].赵雪,马娟娟.基于词共现网络的对农微博热点话题及用户舆情分析——以中国乡村之声官方微博为例[J].新闻爱好者.2019
[2].肖明,徐烨.时间序列下关键词多词共现分析及研究热点预测——以我国图情领域核心期刊为例[J].情报探索.2019
[3].马永正.现代汉语反义词共现的认知语法研究[D].山东师范大学.2019
[4].李直旭,沈永新,陈嘉,刘安,赵朋朋.基于词共现图的属性知识库迭代自增式扩展算法[J].模式识别与人工智能.2018
[5].宋文君.我国教研员研究领域的热点与趋势——基于关键词共词聚类、突现词共现图谱的计量分析[J].课程.教材.教法.2018
[6].和志强,杨建,王丽鹏.基于词共现的文本分类算法[J].河北省科学院学报.2018
[7].赵雪,王莉.口述史、民族志、新闻访谈话题的对比——基于词共现网络的分析[J].云南艺术学院学报.2018
[8].郭培伦.基于词共现网络的文本特征提取方法研究与应用[D].西南石油大学.2018
[9].李桃迎,李峰,吕晓宁.网购评语高频词共现网络的结构特征分析[J].计算机应用研究.2019
[10].李伟,贾彩燕.基于词共现网络的微博话题发现方法[J].数据采集与处理.2018