-
题名企业竞争情报咨询活动案例分析^1）
被引量：10
- 1
-
-
作者
包昌火
谢新洲
李艳
张燕
-
机构
中国兵器工业情报研究所
北京大学新闻与传播学院
北京大学信息管理系
北京科技经济信息联合中心
-
出处
《情报学报》
CSSCI
北大核心
2004年第1期97-107,共11页
-
文摘
本文从方法论的角度，介绍了北京华门策略顾问公司为成都金珠生物科技公司开展竞争情报咨询的基本做法：从情报审计入手，评审企业情报能力和情报需求、建立企业竞争情报系统、分析企业竞争态势、提出企业发展战略和竞争策略建议。这种思路和做法可望为开展竞争情报活动的咨询公司和工商企业提供借鉴。
-
关键词
企业竞争
竞争情报系统
情报咨询
情报审计
情报需求
信息网络
人际网络
-
分类号
F270.7
[经济管理—企业管理]
G350
[文化科学—情报学]
-
-
题名科研社交网络中跨学科情报推荐方法研究
被引量：5
- 2
-
-
作者
谢海涛
肖雯
黄劲松
-
机构
北京科技经济信息联合中心
北京市科学技术研究院
-
出处
《情报杂志》
CSSCI
北大核心
2019年第5期186-194,共9页
-
基金
北京市科学技术研究院萌芽项目"深度学习技术在情报检索用户群体行为分析中的应用研究"(编号:GS201804)研究成果之一
-
文摘
[目的/意义]科研社交网络是科研人员分享学术情报和寻找合作伙伴的重要平台,对跨学科合作有极大推动作用。虽然该类平台中的推荐系统能为用户提供符合其以往偏好的学术情报,但难以对围绕特定领域形成的学术社团推荐新颖的跨学科情报。[方法/过程]将用户的差异化信息传播贡献纳入考量,设计了侧重跨学科情报推荐的协同过滤算法。通过卷积神经网络预测候选情报与学术社团偏好的匹配度,从而优化推荐结果,并克服"数据稀疏""冷启动"问题。[结果/结论]基于真实数据集进行实验,结果表明本方法对跨学科情报的推荐效果优于传统协同过滤,且推荐结果优化模型具有可扩展性。
-
关键词
科研社交网络
情报推荐
协同过滤
深度学习
推荐系统
跨学科研究
-
Keywords
scientific research social network
information recommendation
collaborative filtering
deep learning
recommendation system
interdisciplinary research
-
分类号
G350
[文化科学—情报学]
-
-
题名面向语义缺失场景的社交媒体中热门新闻识别方法研究
被引量：3
- 3
-
-
作者
谢海涛
肖倩
-
机构
北京科技经济信息联合中心
北京印刷学院新闻出版学院
-
出处
《现代情报》
CSSCI
2019年第9期28-40,共13页
-
基金
国家社会科学基金青年项目“新媒体背景下数据新闻的生产与传播策略研究”(项目编号:15CXW005)
-
文摘
[目的/意义]对社交媒体中热门新闻的及时识别,有助于加速正面资讯的投送或抑制负面资讯的扩散。当前,基于自然语言处理的传统识别方法正面临社交媒体新生态的挑战:大量新闻内容以图片、音视频形式存在,缺乏用于语义及情感分析的文本。[方法/过程]对此,本文首先将社交网络划分为众多社群,并按其层次结构组织为贝叶斯网络。接着,面向社群构建基于卷积神经网络的热门新闻识别模型,模型综合考虑新闻传播的宏观统计规律及微观传播过程,以提取社群内热门新闻传播的特征。最后,利用贝叶斯推理并结合局部性的模型识别结果进行全局性热度预测。[结果/结论]实验表明,本方法在语义缺失场景下可有效识别热门新闻,其准确度强于基于语义信息的机器学习方法,模型具有良好的时效性、可扩展性和适用性。该研究有助于社交媒体的监管机构及时识别出各类不含语义信息且迅速扩散的热点内容。
-
关键词
社交媒体
舆情分析
热门新闻识别
卷积神经网络
-
Keywords
social media
public opinion analysis
hot news recognition
convolutional neural network
-
分类号
G203
[文化科学—传播学]
-
