期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于层次话题模型的煤矿安全事故致因要素研究
被引量：
10
1
作者
林永明
《安全与环境学报》
CAS
CSCD
北大核心
2018年第2期619-623,共5页
为促进安全发展,强化煤矿安全管理的科技支撑,在事故致因理论基础上,利用文本挖掘中的话题模型和创新性构建的层次致因要素话题模型,对我国2000—2015年发生的386起重特大煤矿事故调查报告进行了深入地挖掘、分析和研究。发现事故致因...
为促进安全发展,强化煤矿安全管理的科技支撑,在事故致因理论基础上,利用文本挖掘中的话题模型和创新性构建的层次致因要素话题模型,对我国2000—2015年发生的386起重特大煤矿事故调查报告进行了深入地挖掘、分析和研究。发现事故致因隐含的规律及各类事故之间的关联与共性,并进一步研究发现不同致因要素随时间的演化规律及致灾倾向,为煤矿安全管理找出重点,指导煤矿安全生产管理实践。
展开更多
关键词
安全管理工程
煤矿安全事故
致因要素
层次话题模型
在线阅读
下载PDF
职称材料
非监督式层次话题情感模型在网络评论主题发现中的应用
2
作者
陈永恒
姚桂杰
林耀进
《东北石油大学学报》
CAS
北大核心
2015年第1期112-117,8,共6页
自动发现话题的隐含结构、情感的极性及其关系,可以方便用户从海量网络评论集中快速获得他们关注的主要观点.提出一种基于非监督式的层次话题的情感(Unsupervised Level Aspect-Sentiment,ULAS)模型,利用贝叶斯非参数性模型作为先验知识...
自动发现话题的隐含结构、情感的极性及其关系,可以方便用户从海量网络评论集中快速获得他们关注的主要观点.提出一种基于非监督式的层次话题的情感(Unsupervised Level Aspect-Sentiment,ULAS)模型,利用贝叶斯非参数性模型作为先验知识,实现非监督式发现未标记评论文本集话题的层次结构,分析层次话题的情感极性.实验结果表明,相比传统的JST和ASUM模型,ULAS模型具备较高的分类精确度和较强的模型泛化能力,能够解决传统话题情感模型只能在单一粒度话题层进行情感分析的问题,实现多粒度话题层的情感分析,满足用户对于评论对象不同粒度话题的情感信息需求.
展开更多
关键词
非监督式
层次
话题
情感
模型
隐藏狄利克雷分配
文本分析
网络评论
主题发现
主题
模型
非参贝叶斯
模型
在线阅读
下载PDF
职称材料
题名
基于层次话题模型的煤矿安全事故致因要素研究
被引量：
10
1
作者
林永明
机构
中国科学院大学经济与管理学院
国家安全生产监督管理总局信息研究院
出处
《安全与环境学报》
CAS
CSCD
北大核心
2018年第2期619-623,共5页
文摘
为促进安全发展,强化煤矿安全管理的科技支撑,在事故致因理论基础上,利用文本挖掘中的话题模型和创新性构建的层次致因要素话题模型,对我国2000—2015年发生的386起重特大煤矿事故调查报告进行了深入地挖掘、分析和研究。发现事故致因隐含的规律及各类事故之间的关联与共性,并进一步研究发现不同致因要素随时间的演化规律及致灾倾向,为煤矿安全管理找出重点,指导煤矿安全生产管理实践。
关键词
安全管理工程
煤矿安全事故
致因要素
层次话题模型
Keywords
security management
coal mine safety accidents
causal factors
hierarchical topics
分类号
X91 [环境科学与工程—安全科学]
在线阅读
下载PDF
职称材料
题名
非监督式层次话题情感模型在网络评论主题发现中的应用
2
作者
陈永恒
姚桂杰
林耀进
机构
闽南师范大学计算机学院
中国石油天然气股份有限公司大港石化分公司
出处
《东北石油大学学报》
CAS
北大核心
2015年第1期112-117,8,共6页
基金
国家自然科学基金项目(60373099
60973040
+1 种基金
61303131)
福建省教育厅科技A类项目(JA13196)
文摘
自动发现话题的隐含结构、情感的极性及其关系,可以方便用户从海量网络评论集中快速获得他们关注的主要观点.提出一种基于非监督式的层次话题的情感(Unsupervised Level Aspect-Sentiment,ULAS)模型,利用贝叶斯非参数性模型作为先验知识,实现非监督式发现未标记评论文本集话题的层次结构,分析层次话题的情感极性.实验结果表明,相比传统的JST和ASUM模型,ULAS模型具备较高的分类精确度和较强的模型泛化能力,能够解决传统话题情感模型只能在单一粒度话题层进行情感分析的问题,实现多粒度话题层的情感分析,满足用户对于评论对象不同粒度话题的情感信息需求.
关键词
非监督式
层次
话题
情感
模型
隐藏狄利克雷分配
文本分析
网络评论
主题发现
主题
模型
非参贝叶斯
模型
Keywords
ULAS
LDA
text analysis
network commentary
subject finding
subject model
Bayesian nonparametric model
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
TP301.2 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于层次话题模型的煤矿安全事故致因要素研究
林永明
《安全与环境学报》
CAS
CSCD
北大核心
2018
10
在线阅读
下载PDF
职称材料
2
非监督式层次话题情感模型在网络评论主题发现中的应用
陈永恒
姚桂杰
林耀进
《东北石油大学学报》
CAS
北大核心
2015
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
