【摘 要】
：
[目的]引入巴斯模型,弥补当前微信公众号内容传播研究中忽略其双层传播模式的不足.[方法]通过对微信公众号内容传播过程的分析,提出结合巴斯模型和SIR模型的微信公众号内容传播模型.利用“图情会”公众号数据对模型拟合情况进行KS检验.利用Python语言对模型中参数及模型初始条件进行分析.[结果]模型总体上能够对公众号内容的传播过程进行模拟.已分享过的读者不再进行分享的概率,以及非公众号订阅用户从他人转发分享中接触到信息的概率对公众号内容在目标群体中的扩散范围有较大影响.[局限]本模型没有结合复杂网络模型作进
【机 构】
：
武汉大学信息管理学院 武汉 430072;武汉大学科学评价研究中心 武汉 430072
论文部分内容阅读
[目的]引入巴斯模型,弥补当前微信公众号内容传播研究中忽略其双层传播模式的不足.[方法]通过对微信公众号内容传播过程的分析,提出结合巴斯模型和SIR模型的微信公众号内容传播模型.利用“图情会”公众号数据对模型拟合情况进行KS检验.利用Python语言对模型中参数及模型初始条件进行分析.[结果]模型总体上能够对公众号内容的传播过程进行模拟.已分享过的读者不再进行分享的概率,以及非公众号订阅用户从他人转发分享中接触到信息的概率对公众号内容在目标群体中的扩散范围有较大影响.[局限]本模型没有结合复杂网络模型作进一步分析,验证数据缺少阅读量“10万+”文章数据.[结论]本研究提出的模型能够对微信公众号内容的传播监控及舆情管理提供一定的理论支撑.
其他文献
[目的]构建基于项目类别的神经网络与模糊聚类混合时序预测模型,结合用户兴趣波动幅度的趋势以提升推荐准确度.[方法]对不同幅度的兴趣波动分别采用神经网络和模糊聚类的方法构建趋势预测模型.本文采用神经网络对小幅波动序列数据进行滑动特征提取并预测,而大幅波动序列数据则通过模糊聚类的隶属度划分模糊关系.[结果]通过4组数据的仿真实验,结果表明针对不同幅度兴趣波动的数据特征提取可以获得更准确的预测效果,较其他时序推荐对比算法,RMSE最大降低了 19.18％,Hit Ratio最大提高了45.78％.[局限]由于兴
[目的]针对古汉语领域同义词自动抽取研究较少以及现代汉语同义词抽取方法在古汉语不适用的问题,提出一种无监督抽取古汉语同义词的方法.[方法]构建句子级别古白对齐语料,利用词对齐算法实现典籍语料的词对齐,根据词对齐结果设计规则抽取同义词.[结果]词对齐方法可以用来解决古汉语同义词自动抽取问题,该方法在前四史语料上实现了 16 272组同义词的抽取,抽样评估结果显示第一次序结果词抽取准确率达到40.12％.[局限]该方法难以适用于没有古白句子级别对齐语料的典籍;同时,抽取结果依赖分词算法和词对齐算法的效果,抽取
[目的]研究准确率较高的技术供需文本匹配模型,提高技术供需匹配的效率,促进技术转移.[方法]考虑技术供需文本的标题和正文两种文本结构层次,通过多种方法计算技术供需文本中的词相似度和语句相似度,借助深度学习模型进行融合,构建了基于多层语义相似的文本匹配模型.[结果]实验结果表明不同层次的信息对匹配结果的影响程度不同,多层次信息融合的准确率达到96.50％,高于单一BERT方法的90.70％、DSSM的87.80％以及ESIM的87.50％.[局限]模型只考虑了两个文本结构层次,未探讨更多种结构层次的效果.[
[目的]提出AttentionSBGMC深度学习模型,以提升引文情感和引文目的分类的性能.[方法]采用SciBERT预训练模型得到语料集中句子的语义表示向量,根据文本特点,依次通过BiGRU神经网络和多尺度卷积神经网络(Multi-CNN)提取句子中的时序全局特征和局部关键特征,引入注意力机制对提取出的特征重新分配权重,达到突出关键特征的目的,最后通过线性层实现引文情感和引文目的自动分类.[结果]在Abu-Jbara数据集上,引文情感主客观、引文情感正负面、引文目的三项分类任务的F1值分别为86.74％、
[目的]解决传统方面级别情感分析模型在词嵌入过程中未将上下文与方面词信息融合、需以复杂的下游结构提取特征等问题.[方法]提出一种基于BERT的注意力门控卷积模型(BAGCNN),该模型由预训练B E RT模型生成融合上下文语义的文本和方面词特征表示,并引入多头自注意力机制解决方面词长距离依赖问题,最后利用门控卷积网络并行地选择性提取与方面词信息相关的多层次上下文特征.[结果]实验结果表明,与使用循环神经网络中效果最好的基准模型相比,本文模型精度在Restaurant、Laptop和Twitter三个数据集
[目的]在不同结构的网络中,各链路预测算法的预测效果存在不同程度的差异,通过对多项研究的数据进行统计分析,可以系统挖掘网络结构特征中影响链路预测结果的主要参数.[方法]选取国内外关于链路预测的相关实证研究,最终纳入5篇文献、22个网络、26种算法和278项研究,利用三水平元分析和贝叶斯网络元分析方法探讨网络结构中影响链路预测结果的主要因素及其对各算法预测结果的影响.[结果]纳入研究的算法总体预测的效应量MD=1.183 2(95％CI:(1.000 5,1.365 9)),网络密度、平均度和聚集系数是影响
[目的]构建能捕获局部关联和表达用户显隐式偏好的深度协同过滤模型.[方法]在显式推荐任务中嵌入利用隐式反馈查找的相似群,通过多层感知机分别同时对用户-项目、用户-相似项目群、项目-相似用户群进行建模.[结果]在MovieLens两个数据集上的实验表明,该模型较各类协同过滤推荐算法的MAE和RMSE降低幅度分别最高达10.94％和11.79％.[局限]使模型达到最佳性能的近邻数在不同数据集存在差异,最佳近邻数的确认问题有待探索.[结论]该模型通过嵌入隐式相似群能有效弥补局限,使推荐结果更准确.
[目的]探索融合多源数据和场景相似度计算的方法,为用户精准匹配相应的数字资源.[方法]本文提出一种融合多源数据和场景相似度计算的数字资源推荐方法(CF-SSC),通过构建融合多源数据的场景模型得到场景数据的抽象表示,基于细化的相似度指标计算场景相似度,最后根据相似度等级预测得到场景列表及相应资源,以此优化推荐结果.[结果]相比于CF-Pearson、CF-Cosine、IOS和User-MRDC,本文所提CF-SSC算法在指标MAE(0.688)上表现最优,在指标RMSE(0.936)上仅略次于User-
[目的]提出一种单分类器联合多任务网络的隐式句间关系分析方法,即基于单分类器的多任务学习模型进行中文隐式句间关系识别.[方法]多任务学习方法通过对隐式句间关系和显式句间关系进行联合建模而获得更好的结果;而单分类器是通过将四分类问题转换为二分类问题进行训练而获取结果.[结果]基于哈尔滨工业大学的中文篇章级语义关系语料库,在扩展关系和并列关系的语料中F1值分别达到0.94和0.81,在4种句间关系的F1值上均取得显著提升.[局限]模型效果还可进一步提升,数据集分布不够均衡且有待扩充.[结论]在哈尔滨工业大学的
[目的]为进一步挖掘突发公共卫生事件微博文本深层语义信息,提出一种基于特征融合和注意力机制的多通道微博情感分析模型.[方法]首先,在特征向量嵌入层利用Word2Vec和FastText生成词向量,并与词性特征向量和位置特征向量进行融合;其次,基于CNN和BiLSTM构建多通道层以提取微博文本局部和全局特征;接着,通过构建注意力机制层以提取微博文本重要语义特征;最后,在融合层合并多通道输出结果,并在输出层采用Softmax函数进行情感分类.[结果]在42 384条突发公共卫生事件新冠疫情微博数据上进行对照实