国家自然科学基金(71001059)
- 作品数:7 被引量:9H指数:2
- 相关作者:李欣苗张朋柱李嘉李靖陈云更多>>
- 相关机构:上海财经大学上海交通大学华东理工大学更多>>
- 发文基金:国家自然科学基金中央高校基本科研业务费专项资金上海市自然科学基金更多>>
- 相关领域:社会学经济管理自动化与计算机技术文化科学更多>>
- 群体决策中多种研讨信息关系的自动识别方法被引量:3
- 2012年
- 决策是管理的核心,决策贯穿管理的全过程.群体决策中会产生海量的研讨信息,研讨信息与决策方案之间存在多种关系.论文研究了群体决策中多种研讨信息关系的自动识别方法,构建了多种研讨信息关系自动识别模型,并应用于实际的群体决策过程.应用结果表明,该模型较好地实现了研讨信息与决策方案之间强烈支持、一般支持、中立、一般反对和强烈反对关系的自动识别,可以辅助人对群体研讨信息的整理和分析,提高了群体决策过程信息组织的效率.
- 李欣苗张朋柱李靖
- 关键词:群体决策自动识别
- 面向在线群体研讨的言语行为分类体系设计框架研究被引量:1
- 2012年
- 缺乏言语行为分类体系及其构造方法论,已经成为国内言语行为自动化分析研究的一个主要障碍。以信息系统设计理论为指导,提出言语行为分类体系的设计需求,并以流程为人造物的观点,研究设计出一个包含5个关键步骤的迭代流程来满足设计需求。进一步以该方法论为指导,以E-learning环境语料为案例,提出一个适合在线问答研讨的言语行为分类体系,并验证该体系的辨别能力和泛化能力。E-learning语料环境的应用结果表明,该言语行为分类体系构造方法论具有较好的效果。
- 李嘉张朋柱李欣苗
- 关键词:言语行为泛化能力
- 开放式团队创新研讨主题识别方法及其可视化被引量:2
- 2015年
- 当前全球创新方向正在向开放式团队创新转变。开放式团队创新环境中,基于网络的电子研讨成为最基本、最重要的创新活动,及时准确地识别海量电子研讨信息的研讨主题,并通过可视化形象地展示给创新团队成员,对提高开放式团队创新的效率和质量至关重要。针对传统主题挖掘研究中存在的主要问题,提出了开放式团队创新研讨主题识别方法。该方法在文档建模阶段提出并建立了基于团队创新研讨信息本体和研讨树结构的研讨文本语义计算方法;在研讨主题聚类阶段,针对开放式团队创新研讨的短文本特征,运用AntSA算法对研讨文本进行聚类分析;并通过计算聚类结果中每个节点名词的研讨主题标签贡献率,识别每个类别的研讨主题。最后,根据所提出的开放式团队创新研讨主题识别方法,设计和开发了开放式团队创新研讨主题可视化系统,识别并直观显示各研讨主题间的语义关系和结构关系,并对其进行了实验研究。
- 李欣苗李靖张朋柱
- 关键词:主题识别可视化
- 基于特征选择和倾向分析联合优化的UGC情感自动识别方法被引量:3
- 2019年
- 随着Web2.0思想观念及其技术的广泛应用,基于社交媒介的UGC对经济、政治、社会、军事、外交及其他方面都产生了重要的影响,基于UGC的情感倾向性自动识别研究具有重要的理论意义和实际应用价值。本研究针对当前情感倾向性自动识别中亟待解决的挑战性问题,研究并提出了基于特征选择和倾向分析联合优化的UGC情感倾向性自动识别方法。本研究将所提出的方法应用于实际的中文和英文、两类和五类UGC情感倾向性自动识别中。基于两种不同语言的语料库:中文豆瓣网电影评论文本和英文IMDB电影评论文本,本研究构建了基于特征选择和倾向分析联合优化的情感倾向性自动识别模型,并对该模型进行了检验。一系列的实验结果表明,本研究所提出并构建的基于特征选择和倾向分析联合优化的情感倾向性自动识别模型能够提高UGC情感倾向性自动识别的效果,从而说明了该模型对于中文和英文自动情感分析的有效性。
- 李欣苗陈云
- 关键词:情感分析粒子群算法
- 基于多阶段和分层方法的言语行为分类研究
- 2013年
- 在面向在线研讨的言语行为分类研究中,前指发言类型(即与当前发言形成回复关系的前一条发言的言语行为类别)是一个非常重要的特征.但是由于在测试集上前指发言类型是未知的,因此如何合理利用前指发言的类型信息就成为一个非常关键的问题.本文以EGlearning语料为例,证实了发言类型的高低层次和分类器的运行顺序对分类效果都有较为显著的影响,并提出了一个基于多阶段分层的分类方法,可以给出一个合理的前指发言层次和分类器运行顺序.在盲测集上的运行结果证实了这组优选的参数能够稳定一致地提高EGlearning语料上各言语行为类别的分类效果.
- 李嘉张朋柱李欣苗
- 关键词:言语行为支持向量机
- 一种通过挖掘研讨记录来促进学生思考的在线督导系统
- 2012年
- 为促进学生思考并提高响应速度,提出一种从历史研讨记录中挖掘相关信息的在线问答推荐方法。该方法包括建立技术词汇层次树、提取任务词汇、文本段落划分、特征抽取、主题识别过滤和计算文档得分6个步骤。通过设计两个实验来评估所提出的方法:第一个实验比较TF-IDF、TF-IDF+主题过滤以及TF-IDF+LSA+主题过滤三种推荐方法,结果表明使用TF-IDF+主题过滤的算法可以获得最好的推荐效果;第二个实验将系统用于一个学期的在线课程研讨中,现场评估结果表明,文档推荐系统可以促进学生研讨,并且有较高的感知有用性和易用性。本研究表明,中等相关程度的历史研讨记录可以被自动挖掘出来,并且向学生提供这些信息可以促进学生思考和研讨。
- 李嘉张朋柱李欣苗Jihie Kim
- 关键词:推荐系统