基于过渡像素的视频图像文本检测与定位

提出一种基于过渡像素的视频流人工文本检测与定位算法.该算法在水平和垂直方向上提取过渡像素点,生成过渡图.通过块滤波器抑制背景的过渡像素,采用基于密度的快速区域生长算法形成候选文本区域;再利用改进的局部二进制模型(LBP)验证候选文本区.仿真实验结果表明,本文的改进算法相对于Kim算法,字符定位的准确率更高.     

文本预处理后的LDA模型主题发现与技术演进研究

[目的]在科技情报资源快速增长的环境下,通过大文本数据分析快速发现研究主题,且进一步挖掘各研究主题下的技术发展与变化,对做出全面快速响应的科技情报工作有着重要的意义。[方法]针对大文本数据,利用Python实现了文本预处理后的LDA模型主题发现与技术演进,首先构建文本预处理泛化模型,实现技术词自动识别处理;然后基于技术词进行LDA模型构建及可视化,来识别研究主题;最后基于技术词构建技术演进的计算模型,来进一步挖掘技术的发展与变化。[结果]文章以SiC技术领域43621项专利为分析对象进行了实践,包括文本预处理、主题发现及可视化、某主题下技术发展和变化分析等全流程,处理畅通且用时很短(案例全程历时约10分钟)。[局限]文章提出的LDA各主题下技术演进模型中,文档只与其相关度最大的主题关联,尚未对文档多主题关联情况下的演进效果进行对比,后续有待进一步优化验证。[结论]文章提出的方法对快速全面把握一个科技领域有着重要作用,通过主题的识别以及主题之下的技术发展变化,可以以不同的颗粒度去研究一个科技领域,并对后续的调研分析提供有价值的线索。     

基于网络文本和ASEB栅格分析的宁波奉化滕头村旅游体验提升路径研究

作为5A级景区的宁波奉化滕头村,是新农村建设成果转化为旅游景区的典型案例,对乡村振兴中的村落化景区建设具有重要借鉴意义。以宁波滕头村为例,运用ROST Content Mining6软件,使用网络文本分析和ASEB栅格分析相结合的方法研究游客旅游体验,并提出旅游体验提升策略。结果表明:游客对设施服务与旅游活动两方面体验性最差,其次村落风貌方面体验性较差,游客在景区环境方面体验性最好。根据研究结果,提出相应改进建议,即今后滕头村要在凝练特色与发展优势、改善管理与设施服务、创新体验活动项目与文化产品开发等方面进行积极探索,以提升游客的旅游体验质量。     

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。     

基于文本分类和知识挖掘的远洋渔船安全问题分析

针对远洋渔船问题信息的知识挖掘与分析任务中存在渔船安全知识提取深度不足、安全问题文本分类精度不够的问题,该研究在归纳中国沿海8省市远洋渔业管理机构和企业的约5000条远洋渔船安全问题文本数据特征的基础上,提出一种整合文本分类、知识挖掘和共现网络分析技术的远洋渔船安全问题分析方法。首先,构建基于双向预训练语言模型与文本卷积神经网络的混合深度学习模型BERT-TextCNN（bidirectional encoder representations from transformers-text convolutional neural networks）,对渔船安全问题文本进行基于《开普敦协定》规定的精准主题分类。进一步利用基于主题的词频-逆文档频率算法TF-IDF（term frequency-inverse document frequency）,提取各主题下的关键渔船安全知识。最后,绘制渔船安全知识共现网络图,可视化分析各知识的分布规律及内在联系。结果表明,BERT-TextCNN模型对渔船安全问题文本的分类精度相较于BERT、Word2vec、Character embedding文本表示方法和DPCNN、BiLSTM-Attention、RCNN等6种神经网络的其他17种对比模型提升较为明显,准确率、宏平均召回率、宏平均F₁值分别达98.20%、98.02%、98.05%;基于主题的渔船安全知识挖掘方法可以展示远洋渔船安全工作的重点排序和关系网络图,涵盖渔船的机电设备、消防装置、救生设备、无线电通信等10类安全知识。该方法可为相关渔业管理人员提供高质量的渔船安全知识服务,对国内远洋渔业的安全管理效率、履约水平、智慧渔业工程的应用和发展有促进作用。     

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。     

基于网络文本分析的适老化阳台绿化植物选择研究

为探究适合老年人居家养老种植的阳台绿化植物种类,采用网络文本分析的方法,结合文献研究,选取国内花百科、踏花行和藏花阁三大养花交流论坛,利用Python、ROST-CM、Gooseeker等相关技术软件爬取并处理评论数据,在文本分词后进行词频分析、情感分析和语义网络分析.研究表明,老年人对阳台植物的评价集中在植物状态、感...     

基于Spark框架XGBoost的林业文本并行分类方法研究

针对当前"互联网+"技术与林业的交叉融合,涌现出海量待挖掘的涉林文本,而林业文本分类的相关研究尚不成熟的问题,使用网络爬虫技术面向互联网采集涉林文本,基于丰富的语料重新构建分类标签,提出基于Spark计算框架的XGBoost并行化方法,对林业文本进行分类。经由交叉验证,构建的XGBoost并行分类算法准确率为0. 923 4,在各类别中最低F1为0. 860 4,最高为0. 998 4;其在2. 1万条、4. 2万条、8. 4万条数据集上的训练加速比分别为2. 13、3. 47、3. 82。结果表明,基于该标签设定的分类模型对现存互联网中涉林文本的适应性较好;Spark环境下实现的XGBoost并行化算法的准确率显著优于其他4种机器学习(朴素贝叶斯、GBDT决策树、BP神经网络和ELM神经网络算法)的并行化算法,算法执行效率远高于单机版本,且数据量越大,其加速比越高,能有效应对海量林业文本的实时、准确分类。     

旧标准文本中非法定计量单位有效性探讨

目前在我国实行的四级标准体系(国家标准、行业标准、地方标准、企业标准)中,国家和行业标准中仍然存在着相当数量的旧标准.这里所说的旧标准是指1990年前制订发布,后来没有重新修订,目前仍然有效在用的国家行业标准.产品质量检验人员在使用这些旧标准时,有可能对旧标准中一些非国家法定计量单位的有效性产生误解.譬如1987年5月8日发布的GB 7916-1987《化妆品卫生标准》,该国家标准中对化妆品有毒物质汞、铅、砷的限量要求,仍然使用"ppm"为计量单位(汞限量1ppm、铅限量40ppm、砷限量10ppm),1990年以后,"ppm"已属于禁止使用的非法定计量单位.