- 年份
- 2024(8796)
- 2023(12886)
- 2022(11341)
- 2021(10726)
- 2020(8978)
- 2019(20907)
- 2018(20759)
- 2017(40175)
- 2016(21623)
- 2015(24364)
- 2014(24121)
- 2013(23543)
- 2012(21300)
- 2011(18894)
- 2010(18366)
- 2009(16283)
- 2008(15369)
- 2007(12761)
- 2006(10594)
- 2005(8609)
- 学科
- 济(82062)
- 经济(81974)
- 管理(60767)
- 业(57630)
- 企(48580)
- 企业(48580)
- 方法(42886)
- 数学(37890)
- 数学方法(37359)
- 农(21003)
- 财(20919)
- 中国(19546)
- 学(18937)
- 业经(17927)
- 地方(15667)
- 农业(14189)
- 务(14186)
- 贸(14132)
- 贸易(14127)
- 财务(14117)
- 财务管理(14090)
- 理论(14014)
- 易(13704)
- 和(13529)
- 技术(13408)
- 企业财务(13359)
- 环境(13092)
- 制(12414)
- 划(11421)
- 银(10422)
- 机构
- 大学(296566)
- 学院(294825)
- 管理(120950)
- 济(112481)
- 经济(110115)
- 理学(107009)
- 理学院(105861)
- 管理学(103741)
- 管理学院(103225)
- 研究(93277)
- 中国(66374)
- 京(61322)
- 科学(61230)
- 财(49049)
- 农(48108)
- 业大(47361)
- 所(45320)
- 中心(42899)
- 研究所(42173)
- 财经(41129)
- 江(39708)
- 范(38754)
- 师范(38344)
- 农业(38012)
- 经(37746)
- 北京(37637)
- 院(34736)
- 经济学(33589)
- 州(32724)
- 技术(31686)
- 基金
- 项目(218460)
- 科学(171798)
- 基金(159484)
- 研究(156267)
- 家(139518)
- 国家(138411)
- 科学基金(119824)
- 社会(97304)
- 社会科(92212)
- 社会科学(92188)
- 基金项目(85741)
- 省(85522)
- 自然(80693)
- 自然科(78848)
- 自然科学(78830)
- 自然科学基金(77369)
- 教育(72272)
- 划(72084)
- 资助(65276)
- 编号(63454)
- 成果(49287)
- 重点(48459)
- 部(47703)
- 创(45624)
- 发(45440)
- 科研(42744)
- 创新(42573)
- 课题(42451)
- 大学(40893)
- 教育部(40868)
- 期刊
- 济(111539)
- 经济(111539)
- 研究(79121)
- 学报(50374)
- 中国(46974)
- 科学(44994)
- 农(42466)
- 管理(42099)
- 大学(37938)
- 财(36450)
- 学学(35910)
- 教育(30914)
- 农业(29928)
- 技术(26193)
- 业经(19057)
- 财经(18842)
- 融(18708)
- 金融(18708)
- 经济研究(17987)
- 经(15970)
- 图书(15641)
- 科技(15156)
- 业(15097)
- 问题(14559)
- 版(14356)
- 理论(14205)
- 技术经济(13664)
- 实践(13287)
- 践(13287)
- 资源(13167)
共检索到397365条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 情报科学
[作者]
王静茹 陈震
【目的/意义】目前LDA模型在文本数据挖掘方法中占有重要的地位,已成为数据挖掘领域的研究热点。为了进一步提高LDA模型在文本挖掘中的应用效果,有必要对LDA模型文本主题提取效果进行对比研究。【方法/过程】本文提出了一种基于LDA模型的不同类型文本数据主题提取效果对比评价方法,先通过LDA模型对文本数据进行主题挖掘;再通过定量的主题提取效果评价方法进行对比研究。【结果/结论】本文以期刊论文、网络舆情事件话题、微博文本、调查问卷为文本数据源,实验结果表明LDA模型在处理语义信息明确逻辑关系合理的长文本数据时,
[期刊] 数理统计与管理
[作者]
张弛 刘寅 田国梁 王明秋
在社会学、心理学、保险学和流行病学等学科中,研究人员经常利用类别变量来研究现象的分布特征或者因素之间的关联。本文提出在类别变量的研究中存在一类不完全分类数据,其观测数据的似然函数具有广义狄利克雷型分布的形式。首先,利用EM算法和一种新的基于共众数思想的优化方法计算参数的极大似然估计。其次,在贝叶斯分析中,建立新的结合等高共众数方法的采样重要性重抽样算法来实现广义狄利克雷型分布的有效后验样本抽样。并将所提出的方法用于两组实例数据的分析,实证分析结果表明了本文所提出的方法在一般的不完全分类数据分析中的有效性和实用性。
[期刊] 统计研究
[作者]
周国富 朱倩
本文依据非竞争型投入产出表,在剔除进口中间投入的能耗和碳排放的基础上,对2002—2011年我国各产业出口隐含的CO2排放量重新进行了测算。结果表明,我国出口隐含的国内碳排放量比同类文献的测算结果要低;而且,某些碳排放强度高的产业其出口隐含碳排放的占比并不高,相反,某些碳排放强度低的产业其出口隐含碳排放的占比却比较高。这种反差主要是由于不同产业的出口规模不同造成的。因此,要减少出口隐含的碳排放量,不仅要鼓励节能和清洁技术的研发,降低各产业的能耗强度和碳排放强度,还应逐步压缩高耗能、高排放产业的产能和出口规模,不断优化出口结构。
[期刊] 情报学报
[作者]
韩客松 王永成 滕伟
Internet上的内容日益增多 ,搜索引擎返回的结果往往冗长。本文首先讨论Web页面文本与一般文本的四个不同点 ,然后介绍一种以统计方法为主、以匹配校验为辅的Web页面中文文本主题自动提取方法 ,它能帮助用户在最短时间内了解当前页面的主题。实验显示 ,所提取的前15个字串 ,反映主题的平均正确率在 85%以上 ,而处理时间仅为几十到几百毫秒。
关键词：
Web页面文本 主题抽取 加权
[期刊] 数理统计与管理
[作者]
胡昌生 程志富
从期权价格中提取信息的传统做法是借助于隐含波动率,然而,通过与标的资产的历史数据对比发现,隐含波动率并不能比历史波动率提供更多的市场预期信息。考虑隐含波动率是利用Black-Scholes模型所导出,意味着模型设定风险也可能会影响到结论的客观性与准确性。为了克服传统方法的不足,本文尝试从一种无模型的视角,利用矩方法展开相关研究。该方法不依赖于任何模型和假设,避免了对定价核以及中性概率分布的讨论,直接由期权价格得到股票收益的隐含分布,利用状态价格来确定市场预期收益与风险厌恶。在分布曲线足够光滑(可导)的条件下,通过对行权价格求导得到标的资产未来收益的隐含风险中性概率密度,并测算出隐含分布的高阶矩特征。
[期刊] 中南财经政法大学学报
[作者]
潘安
本文通过构建BTIO模型,基于WIOD提供的相关数据,测算并比较1995~2011年中日和中印贸易中CO2、NOX、SOX的隐含排放量,分别从整体和分行业贸易层面考察不同双边贸易环境效应的差异性。结果显示:中日贸易隐含污染排放、净污染转移以及环境贸易条件均大于中印贸易;中日贸易隐含污染排放水平较高的行业分布较为集中且主要为重工业,而中印贸易则相对集中于农业和轻工业;中国双边贸易的环境贸易条件趋于改善,出口产品含污强度呈现明显下降趋势。在WTO框架外寻求更具针对性的双边贸易和合作,将是中国未来协调贸易增长与环境保护关系的重要途径之一。
[期刊] 情报学报
[作者]
沈思 徐飞 吴鹏
本研究针对缺乏检索对象时间范围和精确语义表达式的用户弱信息检索需求,为了更好地体现出文献之间的时间关联性,提出了一种文本内容时间信息的分析和挖掘方法。本文归纳总结了学术文献常用时间词,并基于图书情报学题录信息完成文本时间词抽取。在此基础上利用标签主题模型1abe1ed-LDA实现文本隐含时间标签的生成,以及基于时间维度的文本语义相似度计算。实验结果表明,本研究能较好地生成文献隐含时间信息,也能更有效地帮助用户提高弱信息检索结果的相关性。
[期刊] 中国图书馆学报
[作者]
郭红梅 张智雄
本文通过文献调研分析，将基于图挖掘的文本主题识别方法总结为中心度方法、紧密关联子图查找和图聚类三种，后两者又细分为基于ｃｌｉｑｕｅ子团或类ｃｌｉｑｕｅ子团、基于图拓扑结构或结点属性聚类的方法。中心度方法通过对比文本网络中术语结点的重要度来实现文本主题的识别，紧密关联子图查找和图聚类方法则是根据文本图中术语结点和边的属性相似度来识别文本核心主题。基于语言文本网络自身特性，如何构建复杂文本关系图来同时揭示术语间的句法、共现和语义关系，如何基于术语关联和图拓扑结构识别其中的紧密关联子团，基于何种标准将紧密关联子团聚类以揭示文本核心主题，都是未来需要进一步深入研究的问题。
[期刊] 情报理论与实践
[作者]
陈斌 马静
[目的/意义]为了弥补LDA模型建模过程中未考虑到网络文本中文档关注度和质量度这一因素,并增强结果的语义可解释性和主题表示能力,文章提出了一种热度加权的HLDA-IDF的网络文本主题挖掘模型。[方法/过程]本文首先是给出了较为准确的热度定义,并对LDA模型进行热度加权,构建出了HLDA模型,再依据词汇的主题表示能力存在差异这一实际情况,引入TF-IDF算法并改进,构建出HLDA-IDF模型,最后利用实际论坛数据进行实验验证。[结果/结论]实验结果表明该模型的结果语义可解释性和主题表示能力较强。
关键词：
热度 模型 主题挖掘 网络文本 文本挖掘
[期刊] 图书馆杂志
[作者]
阮光册 夏磊
本文将共现分析应用于非结构化文本文件,挖掘文本主题的语义关联。由于文本文献不同于科技文献,缺少关键字等描述信息,本文引入主题模型对文本进行语义降维,生成的主题词作为共词分析的研究对象。实验发现中频主题词能更好地反映文本的主题特征,为此,本文结合齐普夫定律和同词频理论选取中频主题词,通过共词分析识别语义关联,并采用K-means聚类算法实现主题词的聚类。本文以"创新创业"相关新闻文本进行实验,实现文本集主题词的聚类,通过实验对比分析,本文的方法能够更好地体现文本主题的语义联系。
[期刊] 情报学报
[作者]
武帅 杨秀璋 何琳 公佐权
以编目分类和规则匹配为主的古籍文本主题分类方法存在工作效能低、专家知识依赖性强、分类依据单一化、古籍文本主题自动分类难等问题。对此，本文结合古籍文本内容和文字特征，尝试从古籍内容分类得到符合研究者需求的主题，推动数字人文研究范式的转型。首先，参照东汉古籍《说文解字》对文字的分析方式，以前期标注的古籍语料数据集为基础，构建全新的“字音（说）-原文（文）-结构（解）-字形（字）”四维特征数据集。其次，设计四维特征向量提取模型（speaking, word, pattern, and font to vector,SWPF2vec），并结合预训练模型实现对古籍文本细粒度的特征表示。再其次，构建融合卷积神经网络、循环神经网络和多头注意力机制的古籍文本主题分类模型（dianji-recurrent convolutional neural networks for text classification,DJ-TextRCNN）。最后，融入四维语义特征，实现对古籍文本多维度、深层次、细粒度的语义挖掘。在古籍文本主题分类任务上，DJ-TextRCNN模型在不同维度特征下的主题分类准确率均为最优，在“说文解字”四维特征下达到76.23%的准确率，初步实现了对古籍文本的精准主题分类。
[期刊] 中国图书馆学报
[作者]
许海云 武华维 罗瑞 董坤 李婧
当前文本主题获取方法大多依靠单一关联分析,不能全面分析可获取信息,难以准确获取科技发展主题。科技文献的主题词、作者和引文之间蕴含了以研究主题内容为纽带的语义关联关系,主题词共现关系、引文关系和合著关系分别从不同的角度展现了主题关联关系。因此,本文根据主题词之间语义关系距离的远近,将主题识别中主题词关联分为基础关系、强化关系和新增关系,在此基础上提出面向主题识别的多元关系抽取及关系融合方法;并以基因工程疫苗的研发与制备领域为例进行领域实证分析,利用PathSelClus算法实现基于多元关系融合的主题聚类,通过对比实验证明多元关系融合可以有效提高实证领域的文本主题聚类效果,而未来多关系融合主题识别则是需要重点关注的问题。图4。表6。参考文献19。
[期刊] 图书情报工作
[作者]
张培晶 宋蕾
在介绍概率主题模型发展过程以及概率主题模型的代表性模型LDA基本原理的基础上,分析LDA模型的特征及其用于微博类网络文本挖掘的优势;介绍和评述微博环境下现有的基于LDA模型的文本主题建模方法,并对其扩展方式和建模效果进行总结和比较;最后对微博文本主题建模的发展方向进行展望。
关键词：
LDA 概率主题模型 微博 主题建模
[期刊] 中国人口.资源与环境
[作者]
梁浩 龙惟定
气候谈判中采用的碳排放基准数据,关乎发展中国家的"发展权"。本文认为基于"生产者责任原则"的碳排放数据为气候谈判基准是不合理的。提出"基于贸易隐含碳的城市人均碳足迹"数据为基准,并选取具有代表性的几个城市(纽约、东京、伦敦、上海)进行样本研究。结果表明,在考虑贸易隐含碳排放的情况下,上海的人均碳足迹最低。2008年,纽约为上海的2.2倍,伦敦为上海的1.8倍,东京为上海的1.6倍。本文希望在考虑贸易隐含碳的情况下,对国际上有相近功能的城市人均碳足迹的研究可以为我国的气候谈判赢得更多的话语权,并给出了相关政策建议。
关键词：
隐含碳 碳足迹 人均碳排放
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
