排序方式: 共有123条查询结果,搜索用时 0 毫秒
1.
2.
2009国际天文年虽然已经过去,但是这项有史以来在全球开展的规模最大的公众科普活动影响广泛,意义深远。因此,国际天文学联合会和国际天文年秘书处在2010年宣布进入“后国际天文年时代”。吸取国际天文年成功的经验,传承国际天文年的馈赠,继续在全世界展开一系列的公众天文科普活动。这里,让我们盘点一下2009国际天文年的官方指定产品。 相似文献
3.
社交媒体签到数据中蕴含着大量的用户活动信息。理解社交媒体用户的活动和行为类型,对探索人类的移动性和行为模式等有着重要意义。提出了一种针对新浪微博(简称为微博)的用户活动分类方法,结合图像表达和时空数据分类技术,识别微博签到数据所代表的用户活动类型。首先,根据兴趣点属性信息将微博签到数据所代表的用户活动分为餐饮、生活服务、校园、户外、娱乐、出行6大类;然后,基于卷积神经网络和K近邻分类方法,融合签到数据中的图像场景信息与时空信息,对微博用户的活动行为进行分类。实验结果表明,所提方法能够显著提高微博用户活动类型识别的准确性,为精确探索人类行为活动提供更加有效的数据支持。 相似文献
4.
社交媒体数据可以为台风灾害追踪、灾时救援和灾情评估提供及时有效的信息。现有研究常采用主题建模和情感分析等技术对台风期间社交媒体平台(如新浪微博等)舆论话题和情感变化进行研究。在省域范围内以小时为时间粒度的多维度有效性论证尚有欠缺,且在舆情分析时未能区分用户群体差异。本文以台风“利奇马”为例,在浙江省域范围内,以新浪微博数据为研究对象,首先从词频分析、台风关注度时空变化以及特定灾害事件响应3个角度探讨了微博数据对台风灾情响应的有效性;其次采用隐含狄利克雷分布(Latent Dirichlet Allocation,LDA)主题模型技术挖掘微博文本主题信息,并根据Louvain算法对主题社团进行划分;然后开发了一种基于自定义情感词典的情感分析方法用于情感指数计算,与SnowNLP相比情感倾向性预测精度得到了提高;最后分析了台风期间官方和民众在新浪微博平台上的话题关注以及情感演变差异。结果表明:① 在省级范围内,微博数据能有效反映台风动态和灾害时空分布;② 台风事件微博文本的主题变化反映了灾情不同阶段舆论关注点的动态变化;③ 官方微博文本比民众微博文本具有更明确的主题社团结构;④ 台风事件相关微博文本中的消极情绪在台风登陆后显著增加,其中民众微博文本对台风灾害的情绪响应更及时,官方微博文本中的情感表达始终相对积极。 相似文献
5.
6.
已有地理主题模型没有考虑不同区域对微博主题影响程度的差异性,同时他们将时间要素离散化,难以得到连续时间上的微博主题强度。提出了一种顾及连续时间及区域影响力因素的时空主题模型。该方法将城市划分为多个区域,依据各兴趣点类型及数量对区域赋予权重以表达区域社会功能对微博主题的影响程度,基于稀疏增量式生成模型表达微博主题分布,利用Beta分布描述主题在连续时间中的强度,最终通过Gibbs采样得到时空主题模型各参数。实验表明,本文方法能发现连续时间上微博主题的演变,与已有地理主题模型相比,能更加准确地提取微博主题。 相似文献
7.
作为社会化媒体的重要类型,微博已经成为继新闻网站、论坛、博客之后,网络舆论生成的主要载体,"微博问政"成为热点和趋势,政务微博也成为政府信息公开、发布权威信息、提供公共服务、加强政民互动、引导网络舆论的重要平台。随着政务微博的快速发展,一系列新问题、新挑战也逐步显现。本文结合国土资源部政务微博的现状,就如何使用政务微博为民服务,提高政务微博应用水平,促进政务微博的健康发展,提升政府公信力,提出了对策建议。 相似文献
8.
信息化社会下的旅游流空间分布特征是一个全新的研究视角。从中国大陆31个省份中选取69个A级景区,利用新浪微博,获取省域范围内的粉丝分布情况。从总体、区域和主要出游地区3个方面,提取省域出游驱动力的空间分布特征。在微博用户的关系视角下,全国出游驱动力分布呈现明显差异,广东、北京两地在出游驱动力方面遥遥领先;通过省份-景点微博关系矩阵构成的出游驱动有向流发现,和东部地区的联系几乎占了全国出游驱动流的全部,而全国旅游接待的分布却相对均衡;最后,还发现了5个主要的聚类出游地区,并分析其特征。 相似文献
9.
及时有效地从快速更新的交通微博文本中提取位置信息是实现智能交通服务的前提之一.该文分析交通事件文本中常用的位置表达模式,结合有限状态机进行位置模式匹配,提出一种微博文本位置信息提取模型.首先根据微博文本位置信息的句法表达特征,基于线性参照方法提取空间特征词的词性与角色属性,构建位置表达模式,并表达为T rie搜索树结构;其次对微博文本进行分词、词性标注等预处理,利用有限状态机建立位置信息提取模型,实现微博文本位置信息提取;最后以南昌、广州、深圳3个城市9799条路况微博文本为实验数据,验证该模型的有效性.结果表明,该模型的准确率和召回率均达85% 以上,可有效提取交通微博文本中的位置信息. 相似文献
10.
以2020年第6号台风“米克拉”为例,采集了5916条新浪微博作为数据源,综合应用隐含狄利克雷分布(Latent Dirichlet Allocation,LDA)主题模型、文本情感分析方法和空间分析技术,挖掘、分析台风的灾情时空过程。基于LDA主题模型建立了主题-词矩阵并进行隐含主题聚类,这些微博文本被分为灾损类信息、预警类信息、防御类信息和无关信息;从主题信息和文本情感值两个角度入手,对此次台风事件网络舆情的演化过程进行分析。结果表明:“米克拉”登陆前有大量积极情感的微博,主要包含渴望降雨、降温等信息,此类微博大量分布在漳州、厦门、福州等地区;在台风入境后消极情感的微博大量增多,主要描述道路、树木等受大风和大雨影响的灾损类信息,此类信息的空间位置主要分布在漳州和厦门,能较好地反映台风灾害影响的时空分布。通过对微博主题类别和情感极性进行时空分析,实现台风灾害事件发展趋势的监测,为防灾减灾提供参考依据。 相似文献