基于电商评价数据的农产品用户画像分析——以安化黑茶为例

通过构建安化黑茶产品的用户画像,分析其用户群体的消费行为特征,可为商家提供多维度的产品用户信息,便于商家了解用户,进而改进产品与服务,为安化黑茶电商营销策略提供决策依据。以京东、天猫、淘宝三大电商平台为基础,使用python的scrapy第三方库采集淘宝、京东电商平台安华黑茶的评价数据,并对数据进行清洗、去空值、去停用词等预处理,运用jieba第三方库对评论数据进行分词、词频分析,完成对安化黑茶用户特征的完整刻画。结合客户评论数据分析,可知安化黑茶近3/4用户为男性;山东省为安化黑茶网购大省;网购渠道依次为淘宝、京东、天猫;关注安化黑茶的人更喜欢教育、汽车服饰、综艺等;消费者对安化黑茶诉求如“减肥”、“抗衰老”、“降血脂”等比例升高。     

以人为本 坚不可摧--献给英勇抗击地震灾害的甘肃人民

2008年5月12日14时28分04．0秒,这是亿万人揪心的一刻。北纬31度、东经103．4度间的四川汶川发生了相当于数百颗原子弹能量的大地震。在10万平方公里的土地上。霎时间,山崩地裂,江河呜咽。     

参考咨询服务中的E-mail文本数据挖掘

文章在分析E-mail信息特点的基础上,探讨了E-mail文本挖掘的具体过程及其在用户参考咨询需求定位中的应用。     

基于政策的农业生态管护体系构建及启示——应用扎根理论对政策文本分析

【目的】研究农业生态管理和保护,以期为优化农业生态环境提供借鉴,保障粮食生产安全;加快生态安全和粮食安全发展。【方法】运用扎根理论,以我国政府关于实施农业生态保护、生态管理、耕地、水等农业资源保护与治理的战略政策中与生态管护相关的重要政策文本,以及2004—2022年中央一号文件中农业生态相关内容作为研究样本,对促进我国农业生态管护体系构建的政策文本进行开放编码、主轴编码和选择性编码。【结果】通过三级编码得到19个开放性范畴,提炼出8个副范畴,归纳出生态主体、目标、行为及策略4个主范畴,这表明我国初步形成了农业生态管护体系。【结论】农业生态管护体系能够形成多元协同治理新局面,能够进一步优化管护环节、落实管护政策以及健全保障措施,为生态安全和粮食安全提供政策体系保障。     

在线问答平台用户旅游信息需求研究——以途牛问答社区为例

[目的/意义]研究旅游问答社区用户的旅游信息需求,为优化在线社区服务,吸引和鼓励更多有旅游意向的人使用网络分享和获取旅游信息。[方法/过程]采用网络文本挖掘的方法,选取了途牛问答平台中有关北京的问答内容,将采集到的问答文本作为语料库,利用TF-IDF与TextRank两种不同原理的关键词抽取算法,对文本关键词进行逐一抽取,通过Gephi构建共现网络,采用Gephi的聚类功能明确关键词主题,从而掌握用户的旅游信息需求。[结果/结论]在线旅游问答社区用户的旅游信息需求大致可以分为7类：住宿信息、饮食信息、交通信息、景区信息、团游信息、气候信息以及规划建议;用户对于不同类别的旅游信息需求,并非相互割裂、独立的,不同的需求之间存在着交错关系。     

基于语义分割的食品标签文本检测

食品包装上的标签文本含有生产日期、营养成分、生产厂家等食品相关信息,这些不仅为消费者购买食品提供了重要依据,也有助于食品监督抽检机构发现潜在的食品安全问题。食品标签文本检测是食品标签自动识别的前提,有助于降低人工录入成本、提高数据处理效率。基于食品包装图像构建数据集,提出了一种基于语义分割的距离场模型,以检测食品标签。该模型包含像素分类和距离场回归两类任务,其中像素分类任务分割处理图像中的文本区域,距离场回归任务预测文本区域内的像素点到该区域边界的归一化距离。为提升模型的检测性能,在回归预测模块中通过增加注意力模块优化模型结构,并针对距离场回归任务损失值过小、影响模型训练优化问题对其损失函数进行了改进。消融实验结果表明,增加注意力模块和损失函数的改进使得模型的准确率分别提高了4.39、3.80个百分点,有效提高了检测准确率。食品包装图像数据集的对比实验表明,采用本文模型检测食品标签文本具有较好的性能,其召回率、准确率分别达到87.61%、76.50%。     

基于注意力机制的农业文本命名实体识别

针对农业智能问答系统构建过程中传统的农业命名实体识别方法依赖人工特征模板、特征信息提取不充分、实体名称多样导致标注不一致等问题,提出一种基于注意力机制的农业文本命名实体识别方法。采用连续词袋模型(Continuous bag of words,CBOW)对输入字向量进行预训练,丰富字向量特征信息,缓解分词准确度对性能的影响;引入文档级的注意力(Attention)机制,获取实体间相似信息,保证实体在不同语境下的标签一致性;基于双向长短期记忆网络(Bi-directional long-short term memory,BiLSTM)和条件随机场(Conditional random field,CRF)模型,构建适合农业领域实体识别的模型框架。选取4604篇农业文本,针对病害、虫害、农药、农作物品种4类实体进行了识别实验。结果表明,模型能有效地辨别农业文本中的实体,缓解实体标记不一致的问题,在农业语料上达到了较好的结果,识别的准确率、召回率、F值分别为93.48%、90.60%、92.01%。与其他3种识别方法相比,模型在不同规模语料库的准确率均有一定提高,具有明显的性能优势。     

基于分层特征对齐网络的小样本马铃薯病害叶片检测

针对传统马铃薯病害叶片检测方法过度依赖大量训练数据以及对未知病害识别泛化性不强的问题,提出一种基于分层特征对齐网络的小样本马铃薯病害叶片检测模型。首先,收集并整理包含多种病害类型的弱标注马铃薯病害叶片数据集。其次,在支持分支中建立文本语义和视觉语义的多模态双层特征语义表示,并利用预训练网络生成多个候选框。再次,利用卷积神经网络将候选框区域映射到深度特征空间,并借助无参数的度量方法实现文本语义与视觉语义的特征对齐。最后,将查询分支中的未知类病害图片与多模态视觉和文本语义关联集进行度量计算,根据相似度值快速给出待测图片中未知新类的病害类别。通过在自建的马铃薯病害叶片数据集和开源数据集上进行测试,所提出模型分别可以实现93.55%和96.35%的识别精度,在跨域数据集上可以实现95.15%和94.06%的识别精度,优于当前经典的目标检测模型,具有一定的实际应用价值。     

基于社交媒体数据的城市洪涝灾害信息智能提取与分析

近年来,由于气候变化导致极端降雨引起的城市内涝灾害事件频发,给我国城市水安全和可持续发展带来威胁,准确掌握受灾区域的舆论主体和公众情绪,对提高应急管理部门内涝灾害的态势感知能力具有重要意义。在当今智能网络时代,人们通过社交媒体反映问题和建议的诉求日益凸显,社交媒体已逐渐成为反映民众情感和社会舆情的主要载体,为获取自然灾害信息提供了新的途径。如何从社交媒体中快速提取城市洪涝灾害信息,并对自然灾害信息进行主题分类和情感分析,准确掌握区域灾情的主题类别和民众舆论倾向,是目前亟待解决的关键技术问题。以新浪微博为例,阐述了洪涝灾害数据的获取与预处理方法,构建了基于FastText的城市洪涝灾害信息主题分类和情感分析模型,以准确掌握受灾区域的主题类别和舆论导向。以2021年郑州“7.20”特大暴雨期间洪涝灾害为例的研究结果表明,本文方法实现了对社交媒体中城市洪涝灾害数据的智能提取与分析,主题分类模型对预设八种类别数据的分类预测F1值达到0.80以上,且情感分析模型基本能够准确预测情感标记为“负面”的数据,这表明本文构建的基于FastText的城市洪涝灾害信息主题分类和情感分析模型能够满足支撑城市应...