导读:本文包含了语义空间论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:语义,空间,文本,情感,视角,网络,检错。
语义空间论文文献综述
李璞,蒋锦涛,张志锋,申红雪,梁辉[1]（2019）在《低维显式语义空间下的语义关联度计算方法》一文中研究指出语义关联度计算是数据科学中的一个关键性基础问题,在信息检索及自然语言处理等方面有着广泛的应用.针对ESA (Explicit Semantic Analysis)算法存在的局限性,提出一种显式语义特征选择算法,并构建低维语义空间.在此基础上,根据特征概念在Wikipedia中的映射信息,提出一种低维显式语义空间下的语义关联度计算方法.该方法解决了ESA算法在后续语义关联度计算过程中,因高维稀疏空间导致计算效果不够准确的问题.实验结果表明,与当前其他方法相比,该方法的计算结果在皮尔逊相关系数(P)及斯皮尔曼相关系数(S)上与人们的认知判断之间具有更好的一致性.(本文来源于《信阳师范学院学报(自然科学版)》期刊2019年04期）
熊静波[2]（2019）在《我国土地制度改革的宪法语义空间——析《宪法》第十条赋予立法者的义务》一文中研究指出从立法者的视域,探求宪法第十条的语义空间,并将其作为立法选项的参考与规范法律起草的根据,有利于从立法论高度找到土地资源配置问题的解决之道。解释《宪法》第十条,立法者应该注意区分国家作为土地所有者的身份、管理者的身份以及使用者的身份。新的历史条件下,立法者不应将土地条款中的城乡当作地理空间概念,出于社会公正,立法者应强化集体土地的权益,重视转让途径的多元化,强化"合理利用"的主体际意义。(本文来源于《辽宁师范大学学报(社会科学版)》期刊2019年06期）
朱冬怡[3]（2019）在《会话叙事视角的缺省语义空间探析》一文中研究指出文章从文学文本叙事推及日常会话叙事中叙述者和受述者的视角转换问题,通过Jaszczolt互动的缺省语义学所提出的合并表征框架,探析叙事交际话语中叙述者和受述者的视角转换对叙事的默认含义和叙事话语的缺省驱动进程产生的影响。分析发现,叙述者和受述者在接受当下发话者内外视角的转换时存在一个信息的默认环节,此时受述者基于会话现场的语境环境和说话者的认知背景语境与叙述者产生交际共情。而叙述者显性内在视角"你"的使用则是转换受述者隐性内在视角的驱动器,叙述者以此和受述者产生叙事信息的视角合并,这也是自然会话叙事中最常见的视角切换类型。(本文来源于《浙江外国语学院学报》期刊2019年04期）
李志坚[4]（2019）在《社交网络多模态语义空间学习与国民安全突发事件检测研究》一文中研究指出社交网络是近几年来兴起的基于用户关系的信息创造与传播平台。随着移动互联网的蓬勃发展,社交网络逐渐成为人们生活中不可或缺的一部分。用户在微博等社交网络平台发表文本内容的同时,通常会借助图像来对事件进行补充描述。因此,对社交网络多模态数据进行深度特征提取,并通过多模态语义空间学习实现多模态数据的信息融合,对于提升主题发现和突发事件检测的效果具有非常重要的意义。本文的主要工作包括以下几个方面:(1)针对社交网络文本数据,提出了基于用户互动行为特征的短文本语义扩展算法(UISSE),并利用深度去噪自编码网络对扩展后的文本数据进行深度特征提取;针对社交网络图像数据,提出了利用空间金字塔池化层对传统卷积神经网络进行改进的方法。实验结果表明,所提出的算法在分类实验中的准确率、召回率和F-measure等指标与对比算法相比均有所提升。(2)提出了社交网络多模态深度量化算法(MDQS)。MDQS算法将文本数据和图像数据的深度特征映射到连续的潜在语义空间中,并进一步映射到离散的哈希语义空间中提高了检索效率。实验结果表明,MDQS算法能够有效地对社交网络数据集进行多模态语义空间的学习,并且在同模态搜索和跨模态搜索实验中的实验结果均优于对比算法。(3)提出了基于社交网络多模态语义空间的话题检测算法(MSSTD)。MSSTD算法对每个时间窗内的社交网络数据分别构造文本图和视觉图,并根据语义相似度和时间误差系数进行多模态图融合,最后通过话题恢复算法得到话题发现和突发事件检测的结果。实验结果表明,MSSTD算法能够有效地根据社交网络跨媒体大数据进行突发事件检测,并且所检测到的话题质量和话题突发度均优于对比算法。(4)设计并实现了社交网络多模态语义空间学习与国民安全突发事件检测系统。系统包含数据采集、深度特征提取、突发事件检测和系统展示四个模块,有效地验证了本文所提出的一系列算法,并且具有一定的实用价值。(本文来源于《北京邮电大学》期刊2019-05-29）
杨山,杨雅婷,温正阳,米成刚[5]（2019）在《基于语义空间的抽取式单文档摘要方法》一文中研究指出目前的抽取式单文档摘要方法未考虑原文中句子和原文语义信息相关度,针对该问题,提出一种基于语义空间的抽取式单文档摘要方法.首先,利用Word2Vec训练词向量以获取语义空间,并基于该语义空间表示句子和原文;然后,基于余弦相似度计算句子与原文相似度值,并使用TextRank和词频-逆文本频率指数(TF-IDF)模型计算原文中句子的权重;最后,将相似度值与权重相结合得到句子的最终权重值.实验结果表明,该模型摘要质量优于基于深度学习的基线系统.(本文来源于《厦门大学学报(自然科学版)》期刊2019年02期）
李祯静,秦春秀,赵捧未,马晓悦[6]（2019）在《科技文献的资源语义空间:一种细粒度知识组织方法》一文中研究指出[目的/意义]大数据时代,引起科技文献信息过载的原因之一是当前科技文献检索系统大多还是采用以整篇文献为单位的粗粒度知识组织方式。为缓解信息过载,满足用户精准化的检索需求,深入到文献内部的细粒度知识组织变得更加迫切。[方法/过程]提出一种基于知识单元的细粒度知识组织方法,该方法将科技文献划分为多个知识单元,并分析知识单元之间及知识单元内部主题概念与元素概念间的语义关联,并以语义链接网络构建技术构建由科技文献资源层、知识单元描述层及知识单元语义链接层组成的、具有多层次语义链接关系的科技文献资源语义空间。[结果/结论]实验结果表明:该方法能够支持精准的细粒度知识单元检索,且具有良好的查全率和查准率。(本文来源于《情报杂志》期刊2019年02期）
潘婷婷,黄桂敏,刘剑[7]（2018）在《基于混合语义空间的汉译英自动评分模型》一文中研究指出针对传统翻译自动评分方法分析不够全面且准确率不高的问题,提出一种基于混合语义空间的汉译英自动评分模型。该模型通过规则与统计相结合的语法检错算法对待测译文进行语法分析,并基于混合语义空间的语义相关度算法对待测译文与标准译文进行分析,然后赋予相应的权重,从而对待测译文进行自动评分。实验结果表明,该方法与人工评分的平均误差仅为1.13,皮尔逊相关系数为0.87,具有较高的准确率。(本文来源于《桂林电子科技大学学报》期刊2018年06期）
李吉[8]（2018）在《网络舆情的情感语义空间构建及情感语义强度测度研究》一文中研究指出移动互联网和大数据的融合推动下,网络舆情在表达社情民意、民众心声方愈加重要,在网络资源大数据化环境中,随着各种网络新业务的普及和公民参与意识的加强,网络舆情产生扩散的复杂性和多元化已达到前所未有的程度。网络用户在社会经验、信息素养和教育程度等的差异,以及用户身份本身隐秘性的影响,代表偏激或者非理性观点的舆情信息更容易在海量数据的开放环境中扩散。面对浩如烟海的信息,如何识别其中蕴含的情感倾向,并对网络舆情情感信息的语义进行识别、整合与挖掘,由此洞察用户对社会热点事件的真实态度和观点,进而对舆情有效监测、预警与疏导,既是分析监测舆情危机的现实需求,也是提升舆情危机预警与响应能力所必须重视的关键问题。本文在对国内外网络舆情情感分析研究成果系统梳理的基础上,综合运用文献分析、语义分析、实证研究等方法,全面分析网络舆情情感语义空间维度的内涵、特征与度量等,从网络舆情情感语义空间的基本单位——情感语义元进行空间概念、层次结构和关联关系的深入解析,在此基础上构建了网络舆情情感语义空间。利用情感本体对情感语义强度进行测算,并应用情感语义强度进行实证研究,期望挖掘网络舆情情感语义空间的内涵、特征以及作用机制,为网络舆情管理提供有益参考。具体内容如下:第1章绪论,通过对研究背景的描述总结本文的研究意义,在对以往网络舆情及情感研究的基础上,总结出本文的研究目的以及研究方法。通过技术路线图的绘制对本文研究架构进行梳理,最后阐述本文的研究内容和创新点。第2章研究范畴界定与研究理论方法,对语义及情感语义概念进行界定。本文的研究理论基础包括认知科学理论、本体理论、基本情绪理论、维度理论以及社会交换理论。本文采用的研究方法包括语义相似度计算、LDA主题模型算法、情感分析方法以及内容推荐方法。第3章网络舆情情感语义空间维度分析。本章依据情感层次相关理论,分析网络舆情情感语义的特征,界定网络舆情情感语义维度概念,构建网络舆情情感语义维度的层次结构。通过网络舆情情感语义空间中情感元的解析,阐释网络舆情情感语义元的概念与层次结构,剖析网络舆情情感语义元与情感语义维度的关联,进而提出网络舆情情感语义特征识别的方法与关键技术,系统地呈现网络舆情参与者的情感语义认知与转化过程。第4章网络舆情情感语义空间构建。在对网络舆情情感语义维度以及网络舆情情感语义元系统剖析的基础上,定义网络情感语义空间的概念和构成要素,明确网络舆情情感语义空间的维度特征。基于网络舆情情感语义空间的构建原则,利用心理学中PAD模型,即愉悦度(Pleasure)、唤起度(Arousal)和优势度(Dominance)情感模型,构建P-A-D网络舆情情感语义空间模型,以更好地刻画网络舆情情感语义空间,深入剖析网络舆情情感语义空间的要素、作用机制和情感语义元分布特征。第5章基于情感本体构建的情感语义强度测度模型。本体是描述领域知识的载体,情感本体中蕴含了网络舆情参与者的认知情境及其间的关系,利用情感本体可以将情感特征与情感语义空间有效衔接,通过情感语义强度计算扩大情感语义表示的范围和深度,使得基于情感本体构建的情感语义强度计算能够支持对于舆情发展规律所进行的进一步描述与分析。本章对情感本体的构建进行了详细的阐述,包括情感本体的概念及结构、情感本体的构建方法以及情感本体概念的来源等。结合PAD情感空间模型,本文采用OCC情感分类,从愉悦度、唤醒度和支配度/优势度进行情感分析,构建情感语义本体框架,并进行情感本体的语义强度计算。第6章基于情感语义强度测度的网络舆情热点分析与推荐。网络舆情热点具有传播环境复杂、传播事件带有突发性、传播主体带有群体性等特征,通过网民的意见交互、情绪表达以及意见极化,使得网络舆情事件短时间内引发网民关注,从而形成舆情热点。本章以情感语义空间理论为基础,构建了基于情感语义强度的热点分析与推荐模型。基于微博评论随时间的变化而变化的特性,本文通过LDA话题聚类对时间戳内的微博话题评论进行挖掘,从而选择出话题评论集合,计算话题评论的情感强度;利用时间序列分析方法对情感语义强度及时间进行回归分析,从而发现微博话题中评论情感的动态变化,为舆情热点分析提供支持。最后对用户特征、微博内容以及微博媒介进行模型构建;将情感语义强度作为权重加入到推荐度计算公式,以此为基础构建微博内容推荐的模型。以新浪微博汽车、体育、运动健身、互联网、财经等5个领域数据为数据源,在真实数据集上验证算法的有效性和准确性。第7章基于情感语义强度测度的网络口碑评估。本章提出了一种基于网络情感语义强度测度的网络口碑舆情监测评估方法,利用ACSI模型将网络口碑模型划分为企业形象、感知期望、感知价值和感知质量四个维度,基于知网情感数据集、同义词词林扩展版以及大连理工情感词汇本体构建了情感词典,将评论中的情感特征词映射到PAD情感空间并计算情感语义强度,实现了消费者情感的细化,构建了一套理论可行、实践简便的网络口碑监测评估方法。第8章研究结论与展望。通过理论框架的构建强化网络舆情管理的理论基石并推动其健康发展是本文的出发点。本章对全文研究进行了总结,分析了研究中的缺陷并对对未来的研究进行了展望。(本文来源于《吉林大学》期刊2018-12-01）
高俊芳,夏劲伟[9]（2018）在《基于《现代汉语词典》语义空间的中文文本语义相似度研究》一文中研究指出[目的/意义]针对现有基于向量空间模型(VSM)的中文文本语义相似度计算方法存在空间维度高、数据表示高稀疏性等问题,提出基于《现代汉语词典》汉语语义向量空间构建以及中文文本语义相似度计算方法。[方法/过程]利用分词系统ICTCLAS对《现代汉语词典》中词汇解释条目的文本进行分词、词性标注,依据基底词汇选取原则,经过过滤、解释、替换等操作后,选择出能解释所有中文词汇意义的基底词汇集合,并以此建立汉语语义空间。词汇间的相似度可通过计算词汇向量间的夹角余弦值来获得;中文文本的相似度则可以通过计算中文文本特征语义向量之间的夹角余弦值来得到。[结果/结论]与传统VSM方法和TF-IDF方法相比,实验结果表明本方法获得了较好的准确率和召回率。(本文来源于《情报探索》期刊2018年11期）
李湘东,高凡,李悠海[10]（2018）在《共通语义空间下的跨文献类型文本自动分类研究》一文中研究指出【目的】解决不同文献类型文本之间因写作风格和用词习惯不同而产生的语义差异问题。【方法】选取同时出现在两个不同文献类型文本集合中的领域无关特征和只在其中某一个集合中出现的领域相关特征,利用领域无关特征,对分属两个集合的领域相关特征构建双向图并进行谱聚类,关联表达类似语义的领域相关特征,产生由聚类特征定义的共通语义空间。【结果】实验结果表明,与传统的文本自动分类方法相比,本文方法的分类性能提高了3.0%-6.9%。【局限】构建共通语义空间时,需要大量与待分类文本属于同领域的语料。【结论】共通语义空间能够对不同文献类型的数字资源进行有效整合。(本文来源于《数据分析与知识发现》期刊2018年09期）
语义空间论文开题报告
（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：
从立法者的视域,探求宪法第十条的语义空间,并将其作为立法选项的参考与规范法律起草的根据,有利于从立法论高度找到土地资源配置问题的解决之道。解释《宪法》第十条,立法者应该注意区分国家作为土地所有者的身份、管理者的身份以及使用者的身份。新的历史条件下,立法者不应将土地条款中的城乡当作地理空间概念,出于社会公正,立法者应强化集体土地的权益,重视转让途径的多元化,强化"合理利用"的主体际意义。
（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。
语义空间论文参考文献
[1].李璞,蒋锦涛,张志锋,申红雪,梁辉.低维显式语义空间下的语义关联度计算方法[J].信阳师范学院学报(自然科学版).2019
[2].熊静波.我国土地制度改革的宪法语义空间——析《宪法》第十条赋予立法者的义务[J].辽宁师范大学学报(社会科学版).2019
[3].朱冬怡.会话叙事视角的缺省语义空间探析[J].浙江外国语学院学报.2019
[4].李志坚.社交网络多模态语义空间学习与国民安全突发事件检测研究[D].北京邮电大学.2019
[5].杨山,杨雅婷,温正阳,米成刚.基于语义空间的抽取式单文档摘要方法[J].厦门大学学报(自然科学版).2019
[6].李祯静,秦春秀,赵捧未,马晓悦.科技文献的资源语义空间:一种细粒度知识组织方法[J].情报杂志.2019
[7].潘婷婷,黄桂敏,刘剑.基于混合语义空间的汉译英自动评分模型[J].桂林电子科技大学学报.2018
[8].李吉.网络舆情的情感语义空间构建及情感语义强度测度研究[D].吉林大学.2018
[9].高俊芳,夏劲伟.基于《现代汉语词典》语义空间的中文文本语义相似度研究[J].情报探索.2018
[10].李湘东,高凡,李悠海.共通语义空间下的跨文献类型文本自动分类研究[J].数据分析与知识发现.2018
论文知识图
