共词网络

摘要： 文章从共词网络视角出发,将主题演化分析研究思路引入研究方法的演化分析,以反映主题维度下研究方法的演化情况,并提出学术论文研究方法演化分析模型。首先,通过关键词语义类型划分和基于共词强度的选词策略构建共词网络;其次,利用Louvain算法对共词网络进行主题识别,并根据相邻时期主题关联的强度来构建主题演化链;最后,依据主题演化链从主题社区中提取研究方法类关键词以初步构建研究方法演化链,在此基础上通过研究方法的扩充及其重要性评价对研究方法演化链进行优化,并对该演化链进行分析和阐释。实证结果表明该模型可以较好地从主题维度描述其对应研究方法的演化情况。

摘要： 数字化改革的浪潮促进了数字化社区的发展,从宏观上把握数字化社区建设的方向可以为其建设及管理提供指导与帮助,对于加快建设数字化社会具有重要意义。本文从各政府网站上获取我国2016~2021年期间数字化社区建设的相关政策文本,利用python3.8对政策典型文本数据进行分词及词频统计;从中抽取关键词,建立共词网络,通过k-mean聚类算法对关键词进行聚类,根据结果将数字化社区建设相关政策分为社区基础建设、社区治理、社区服务、社区管理等四类方向,并通过关键词对比验证了其合理性;最后利用Gephi软件将分类结果绘制成词云图,对四个方向的建设提出了不同的建议。

摘要： 通过文本内容分析法对学习体验文本中的关键词进行共词网络聚类分析发现,高校学生应急在线学习体验主要聚焦在配套支持、教学策略、学业负载、情感效能四个方面,其中减轻课业压力、寻求自主学习空间、多元化的学习资源是核心需求。基于学习体验的分析,高校应急在线教学存在在线教育资源错配、忽视以学生为中心、欠缺教学设计体系及教学效能偏低等困境。要解决以上困境,应注重四个融合:教学全要素融合、资源与策略融合、技术与教学融合、体验与评测融合。

摘要： 词典考古作为词典史研究的重要方法已为词典学界广为熟知。当词典考古对象是突显知识性的综合性辞典时,传统的词典考古分析方法在分析综合性辞典知识的系统性和层级性结构方面就会略显不足。因此,本研究欲以两版《辞海》(1979/2019)的“资本”一词为线索,以含“资本”词目的释义文本为语料,采用共词分析方法并结合复杂网络的分析参数,探索综合性辞典的词典考古新方法。

摘要： 探究新冠疫情(COVID-19)下公众对“停课不停学”的情感演变趋势,有助于教育工作者面对公共危机时对线上教学准确定位和精准施策.本文通过梳理2020年2月1日至4月30日期间发表在微博上的短文本数据,引入面向共词网络的社团挖掘技术和基于Word2vec的话题分类模型,研究参与对象的情感特征和热议话题,并从时间和空间维度分析了公众情感演化特点和区域情感热度.结果表明,公众的情感变化呈现出先降低后升的趋势,总体表现出积极情绪;情感演变具有地域性,教育强省表现较为强烈.

摘要： 探究新冠疫情(COVID-19)下公众对"停课不停学"的情感演变趋势,有助于教育工作者面对公共危机时对线上教学准确定位和精准施策.本文通过梳理2020年2月1日至4月30日期间发表在微博上的短文本数据,引入面向共词网络的社团挖掘技术和基于Word2vec的话题分类模型,研究参与对象的情感特征和热议话题,并从时间和空间维度分析了公众情感演化特点和区域情感热度.结果表明,公众的情感变化呈现出先降低后升的趋势,总体表现出积极情绪;情感演变具有地域性,教育强省表现较为强烈.

摘要： 目的基于文献关键词揭示运气学说40年研究的前沿热点、结构特点和变化趋势,为开阔运气学说研究思路提供参考。方法设计检索策略,从中国知网学术期刊库检索1979—2018年期间运气学说研究文献。提取文献题录关键词,经数据清洗和术语规范化处理后,进行词频分析和共词分析。结果研究共纳入987篇文献,提取规范后关键词1398个,关键词出现频次总计4455。高频关键词63个,其中运气理论类的关键词数量最多。关键词分为38类,累计频次≥100的分类有8个。关联规则分析得到25个高频关键词组合。共词网络共包含221个节点,546条边,平均聚类系数0.808,边特征参数平均路径长度2.11。结论研究热点主要涉及运气理论、古籍、气象气候、病因病机、传染病、非传染病等方向。三年化疫是一个新兴的研究热点。疾病预防、疫病预测、临床实证是当前运气研究的前沿。不同时期最受关注的热点有差异。研究热点的关注度随时间出现波动,部分热点会出短期的研究高潮。共词网络符合小世界网络特征。

摘要： 雾霾对人体健康、生态环境及交通运输等方面影响重大,雾霾来临时,人们会在微博等媒体上表达对雾霾的关注.微博中蕴含了网民对雾霾的关注话题及心理反映,通过微博掌握微博网民对于雾霾的相关反应,有助于城市管理者有针对性的调节雾霾情形下的舆论宣传和资源调配.考虑到微博文本中相同词语共现频率越高就越倾向于表达同一主题,采用基于社区的共词网络法挖掘微博话题,首先,采集2017年冬季以"雾霾""空气"等为关键词的微博数据,利用TF-IDF(term frequen-ly-inverse document frequency)算法对预处理之后的微博数据提取关键词,并获取关键词间的共现关系,然后基于共现关系构建共词网络,根据Louvain算法探测话题社区,最后,以中国雾霾污染最严重的华北地区、华东地区、东北地区7个典型城市为研究区,结合关键词节点的Pagerank值,分析各城市共词网络话题社区的差异程度.实验结果表明,不同城市对于雾霾事件的关注既有相同点也有差异性.研究结果对雾霾情形下城市差异化管理具有一定的理论指导作用.

摘要： 网络分析方法在信息计量领域中的应用研究取得了许多重要成果,目前,相关研究已经进入调整阶段,本文总结梳理了目前的研究现状,能够为该领域的可持续发展提供借鉴.从信息计量领域中网络分析方法应用的发展历程出发,本文提出了信息计量领域网络分析方法应用的研究框架,论述了网络分析方法的本质,进一步从宏观、中观和微观三个层面系统梳理了现有应用的研究成果,最后,总结了不同层面上网络分析方法未来应用研究的方向.

摘要： 目的 分析2011—2020年我国医院党建的研究热点及其演进规律.方法 选择万方、CNKI、维普数据库进行系统检索,绘制高频关键词共现关系网络拓扑图、主题河流图和可视化山丘图,展示研究热点的变化情况.结果 清洗后实际纳入2560篇文献,"基层医院""基层党组织"和"基层党建"等基层相关的关键词基本在各个年度的高频关键词中均有分布."创先争优"和"学习型党组织"在2015年之前热度较高,2015年之后,"新时代""新形势""新医改""公立医院""创新"等关键词的热度值上升非常迅速.2020年,"党建引领"首次出现在当年的高频关键词中.结论 2011—2020年间我国医院党建相关研究总体呈上升趋势,研究热点紧跟国家政策方针,具有鲜明的时代特征和行业特征,但相关研究方法 有待丰富.

摘要： 对社交媒体所包含文本数据的深入挖掘,有利于有效地进行后续的时空分析.提出了一种新的基于共词网络的社交媒体数据主题挖掘方法,依据词频-逆文档频率分析,自动筛选出与主题相关的关键词汇,基于微博间是否包含相同的关键词汇,提出构建以微博为节点的共词网络,并结合Louvain社区探测算法进行文本主题挖掘.所提出的方法是一种无监督方法,且具有不需要指定聚类数目的优点.实验表明,该方法在主题挖掘表现上,准确率和召回率均优于常用的文档主题生成模型.以收集的2012年北京暴雨期间包含关键词的微博为例,利用提出的方法对微博数据集进行挖掘和时空分析,结果表明所提方法在实际应用中的有效性.

摘要： 本文利用科学计量学方法,立足作者关键词共词网络的视角,首先,进行了关键词的关系总数与关系规模的测度；其次,进行了关键词共词网络的中心性分析,包括点度中心度、点的中间中心度、点的接近中心度和点的特征向量中心度；再次,对关键词共词网络进行了K-核分析,同时,对关键词共词网络进行了多维量表分析；最后,对关键词共词网络进行了主成分分析.在基础之上,得出1986-2012年间国际创业研究前沿的一些有意义的研究结论.

摘要： 社会网络分析可以为学科、领域综述性研究提供了一个新的研究方法,通过构建我国教育传播研究的共词网络,并运用社会网络分析方法进行分析,可以从社会网络的视角了解我国教育传播研究在研究主题方面的现状和特点.研究结果揭示,我国教育传播研究的共词网络是一个低密度网络,研究主题之间的联系还比较松散,研究还不够成熟和深入;思想政治教育、传播模式、传播效果、教育技术和远程教育是我国教育传播的热门研究主题;共词网络存在29个1-派系,但规模都不大,没有形成强有力的核心研究领域,整个网络的所有高频词成员可划分为7个社群,网络具有核心——边缘结构。

摘要： 引入文献计量学方法,运用可视化工具VOSviewer对Web of Science数据库中收录的国外研究大数据的相关文献进行分析,通过构建关键词的共词网络和绘制知识图谱，挖掘出国外大数据研究的热点。文章重点梳理了4个热点研究领域，即大数据概念和特点、生物信息学、云计算、MapReduce和Hadoop，并指出目前在大数据工程和大数据科学研究方面的欠缺，以期对今后的研究提供参考。

摘要： 一种基于情感词随机共现网络的细粒度情感分类方法，采用随机网络理论，利用词语共现现象，经过情感本体词汇词库的标注，形成一个以情感特征构建的基于词语顺序的随机网络模型，即情感词共现网络模型，在此基础上进行模型约简，将情感词最长匹配方法和TC算法结合进行SWLM‑TC无监督学习分类，或进一步将情感词最长匹配方法和HMM机器学习算法结合建立细粒度情感分类模型并利用该模型实现分类预测；本发明可实现段落级文本的细粒度情感分类，提高了单纯TC算法的精度，使分类更加准确，使用SWLM‑TC对样本集进行HMM模型训练之后并对待测样本库进行情绪分类，提高了单纯机器学习算法的自动化。

摘要： 本发明公开了一种基于Word2Vec与词共现相结合的文本关键词抽取方法，采用ICTCLAS分词系统对文本进行分词和词性标注得到词汇集合；然后对词汇集合进行预处理，将不合理的词汇组合过滤，得到初步候选集；将初步候选集放置到训练好的Word2Vec模型中得到词向量表，计算词向量表中词向量间的距离，对初步候选集进行kmeans聚类得到关键词的二次候选集，根据词向量距离得到二次候选集在初步候选集中的词共现率；不同词汇长度赋予不同的权值，根据词共现率、词汇长度得到相应的权重，根据权重排序，排名靠前的m个即为最终的关键词。本发明采用Word2Vec生成的词向量进行聚类，再结合词共现等基本特征提取文本关键词，提取的关键词更准确，可以适应不同文本的关键词抽取。

摘要： 提供一种生成共现关键词的方法、提供关联搜索词的方法以及系统。一种生成共现关键词的方法包括：获取预定时间段的搜索日志，所述搜索日志包括用户使用搜索词进行搜索的搜索记录；根据各个用户的搜索记录，为每个用户计算至少一个搜索词簇，每个搜索词簇包括彼此之间的相似度高于预定阈值的至少两个搜索词或者与任何其他搜索词都不相似的一个搜索词；从计算的每个搜索词簇选择权重值超过权重阈值的至少一个实词作为所述搜索词簇的代表关键词；通过对代表关键词进行配对形成多个代表关键词对，并且计算每个代表关键词对出现的次数；选择出现的次数最高的代表关键词对作为共现关键词对，并且将选择的共现关键词对存储在共现词典中。

摘要： 本发明公开了基于共现语言网络的文本关键词自动抽取方法和装置，解决了有监督机器学习中需要大量人工标注数据的缺点，克服了语言分析方法泛化能力弱的不足，避免了统计方法易忽略频度低但很重要关键词的问题，本发明包括对网页进行预处理、构建语言网络图模型、候选关键词特征联合提取和候选关键词特征综合排序并输出关键词。本发明通过对网络文本预处理、共现语言网络模型构建、关键词特征联合提取、候选关键词排序优选，使得所抽取的关键词具有良好的可读性、连贯性和相关性，能够广泛应用于自然语言处理、信息检索、文本挖掘、情感分析和多模式人机交互等领域中。

摘要： 本发明公开了一种基于词共现网络的主题建模方法，包括步骤：根据给定的语料库或者文本集合构建词共现网络；根据得到的词共现网络构造出一个新的文档集合；将得到的新的文档集合输入到一个标准主题模型LDA的Gibbs sampling算法中，得到新文档集合对应的文档‑主题矩阵和主题‑词矩阵。本发明不需要依赖任何的外部知识，避免了收集额外知识的精力，仅仅是利用数据集本身包含的信息去改善主题模型的结果。

摘要： 一种基于词共现网络的短文本主题聚类算法，包括以下具体步骤：S1、收集海量主题短文本数据；S2、对主题短文本数据预处理，得到预处理后主题短文本；S3、提取预处理后主题短文本数据中的关键字；S4、根据主题短文本数据中的关键字构建词共现网络；S5、对短文本主题进行预处理，得到预处理后短文本主题；提取预处理后短文本主题中的关键字；S6、计算预处理后短文本主题和词共现网络中预处理后主题短文本之间的语义相似度；S7、根据得到的语义相识度，对短文本主题进行聚类操作。本发明能对短文本信息进行有效聚类，从而快速得到人们想要的主题信息。

摘要： 一种基于情感词随机共现网络的细粒度情感分类方法，采用随机网络理论，利用词语共现现象，经过情感本体词汇词库的标注，形成一个以情感特征构建的基于词语顺序的随机网络模型，即情感词共现网络模型，在此基础上进行模型约简，将情感词最长匹配方法和TC算法结合进行SWLM‑TC无监督学习分类，或进一步将情感词最长匹配方法和HMM机器学习算法结合建立细粒度情感分类模型并利用该模型实现分类预测；本发明可实现段落级文本的细粒度情感分类，提高了单纯TC算法的精度，使分类更加准确，使用SWLM‑TC对样本集进行HMM模型训练之后并对待测样本库进行情绪分类，提高了单纯机器学习算法的自动化。

摘要： 本发明公开了一种基于词共现图和锚词抽取的短文本主题层次挖掘方法，包括如下步骤：S1.主题层次挖掘框架首先基于词共现图实现主题推断和锚词抽取；然后，应用关联规则挖掘频繁锚词短语；S2.采用概率排序函数量化锚词短语的覆盖面、短语化与纯度等标准，对锚词短语排序，达到寻找最具代表性的主题短语的目的。本发明构建了一种词共现图与锚词抽取相结合的方法，利用锚词具有较好解释性的特点，将主题短语挖掘转换为寻找主题中的锚词，使挖掘得到的主题短语具有更好的解释性。

摘要： 本发明公开了一种基于Word2Vec与词共现相结合的文本关键词抽取方法，采用ICTCLAS分词系统对文本进行分词和词性标注得到词汇集合；然后对词汇集合进行预处理，将不合理的词汇组合过滤，得到初步候选集；将初步候选集放置到训练好的Word2Vec模型中得到词向量表，计算词向量表中词向量间的距离，对初步候选集进行kmeans聚类得到关键词的二次候选集，根据词向量距离得到二次候选集在初步候选集中的词共现率；不同词汇长度赋予不同的权值，根据词共现率、词汇长度得到相应的权重，根据权重排序，排名靠前的m个即为最终的关键词。本发明采用Word2Vec生成的词向量进行聚类，再结合词共现等基本特征提取文本关键词，提取的关键词更准确，可以适应不同文本的关键词抽取。

摘要： 提供一种生成共现关键词的方法、提供关联搜索词的方法以及系统。一种生成共现关键词的方法包括：获取预定时间段的搜索日志，所述搜索日志包括用户使用搜索词进行搜索的搜索记录；根据各个用户的搜索记录，为每个用户计算至少一个搜索词簇，每个搜索词簇包括彼此之间的相似度高于预定阈值的至少两个搜索词或者与任何其他搜索词都不相似的一个搜索词；从计算的每个搜索词簇选择权重值超过权重阈值的至少一个实词作为所述搜索词簇的代表关键词；通过对代表关键词进行配对形成多个代表关键词对，并且计算每个代表关键词对出现的次数；选择出现的次数最高的代表关键词对作为共现关键词对，并且将选择的共现关键词对存储在共现词典中。