本文關(guān)鍵詞：財(cái)經(jīng)新聞導(dǎo)航：一種新的知識(shí)網(wǎng)絡(luò)框架研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：互聯(lián)網(wǎng)技術(shù)的發(fā)展加速了各種信息的傳播與交互,網(wǎng)絡(luò)新聞作為一種新的信息推送方式,無(wú)法避免數(shù)據(jù)量大、復(fù)雜、冗余等問(wèn)題。財(cái)經(jīng)新聞主要關(guān)注和報(bào)道與財(cái)經(jīng)相關(guān)的信息,包括金融市場(chǎng)、產(chǎn)業(yè)經(jīng)濟(jì)、行業(yè)政策等內(nèi)容。當(dāng)前,對(duì)于大眾來(lái)說(shuō),在互聯(lián)網(wǎng)上瀏覽財(cái)經(jīng)新聞是獲取財(cái)經(jīng)信息的一種主流途徑。在此背景下,許多財(cái)經(jīng)新聞檢索平臺(tái)應(yīng)運(yùn)而生以緩解信息過(guò)載所帶來(lái)的問(wèn)題,這其中包括普通的搜索引擎,例如百度新聞和谷歌新聞；也包括專門的財(cái)經(jīng)類門戶網(wǎng)站,例如新浪財(cái)經(jīng)、中國(guó)經(jīng)濟(jì)網(wǎng)等。在這些平臺(tái)上,用戶可以使用關(guān)鍵詞搜索或者分類導(dǎo)航功能查找自己感興趣的財(cái)經(jīng)新聞。 然而,對(duì)于用戶尤其是財(cái)經(jīng)領(lǐng)域的業(yè)界人士或者愛(ài)好者們而言,目前的這種獲取財(cái)經(jīng)信息的方式并不能滿足這樣的需求：瀏覽完一篇財(cái)經(jīng)新聞后,可以在同一頁(yè)面快速地獲取到與之相關(guān)的其它信息,進(jìn)而理清當(dāng)前信息發(fā)生的前因后果,以輔助用戶在經(jīng)濟(jì)活動(dòng)中做出正確的決策。雖然,現(xiàn)在已經(jīng)有部分平臺(tái)在新聞頁(yè)面上提供了相似新聞或者拓展閱讀模塊,但基本都是基于內(nèi)容的推送,信息重復(fù)、缺乏多樣性,并不滿足用戶的需求。因此,本文對(duì)財(cái)經(jīng)新聞進(jìn)行了建模,對(duì)財(cái)經(jīng)新聞重組進(jìn)行了探索,主要研究?jī)?nèi)容與貢獻(xiàn)如下： 1.通過(guò)對(duì)財(cái)經(jīng)新聞的主體內(nèi)容以及標(biāo)題信息的學(xué)習(xí),挖掘出了隱含在其中的語(yǔ)義信息,提出了基于Improved_LDA和多類分類的財(cái)經(jīng)知識(shí)抽取方法。 2.基于財(cái)經(jīng)知識(shí),提出了一種新的知識(shí)網(wǎng)絡(luò)框架,用于財(cái)經(jīng)新聞導(dǎo)航,以滿足用戶在瀏覽完一篇財(cái)經(jīng)新聞后可以快速地定位到與之相關(guān)的其它信息、進(jìn)而理清當(dāng)前信息發(fā)生的前因后果的需求。 3.實(shí)現(xiàn)了以房地產(chǎn)行業(yè)為中心的財(cái)經(jīng)知識(shí)網(wǎng)絡(luò)框架,并嵌入到了新聞頁(yè)面中。用戶學(xué)習(xí)的結(jié)果表明,多數(shù)用戶接受并喜歡這種新的財(cái)經(jīng)新聞呈現(xiàn)方式,且能借此快速地找到需求信息點(diǎn)。另外,Perplexity指標(biāo)表明Improved_LDA較之標(biāo)準(zhǔn)LDA模型能取得更好的收斂效果和泛化表現(xiàn)。
【關(guān)鍵詞】：財(cái)經(jīng)新聞 財(cái)經(jīng)知識(shí) 知識(shí)網(wǎng)絡(luò) 財(cái)經(jīng)新聞導(dǎo)航
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.3
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 緒論10-18
• 1.1 引言10
• 1.2 研究背景10-14
• 1.2.1 財(cái)經(jīng)新聞11-12
• 1.2.2 知識(shí)網(wǎng)絡(luò)12-13
• 1.2.3 文本建模與表示13-14
• 1.3 研究動(dòng)機(jī)14-15
• 1.4 研究?jī)?nèi)容和主要貢獻(xiàn)15-16
• 1.5 論文的組織結(jié)構(gòu)16-18
• 第2章 相關(guān)工作概述18-26
• 2.1 引言18
• 2.2 新聞推送18-20
• 2.2.1 基于用戶的新聞推送18-19
• 2.2.2 基于內(nèi)容的新聞推送19-20
• 2.3 主題模型20-24
• 2.3.1 標(biāo)準(zhǔn)LDA模型21-22
• 2.3.2 基于LDA的各種變體22-24
• 2.4 本章小結(jié)24-26
• 第3章 基于Improved_LDA的財(cái)經(jīng)知識(shí)抽取26-34
• 3.1 引言26
• 3.2 財(cái)經(jīng)知識(shí)定義26-27
• 3.3 Improve_LDA框架27-30
• 3.3.1 已有主題模型應(yīng)用27-28
• 3.3.2 Improved_LDA框架28-30
• 3.4 知識(shí)抽取與存儲(chǔ)30-33
• 3.4.1 知識(shí)抽取30-31
• 3.4.2 知識(shí)存儲(chǔ)31-33
• 3.5 本章小結(jié)33-34
• 第4章 基于財(cái)經(jīng)知識(shí)的知識(shí)網(wǎng)絡(luò)構(gòu)建34-40
• 4.1 引言34
• 4.2 四層知識(shí)網(wǎng)絡(luò)框架34-38
• 4.2.1 新聞相關(guān)性度量34-35
• 4.2.2 新聞主題聚類35-36
• 4.2.3 新聞知識(shí)子網(wǎng)36-38
• 4.3 動(dòng)態(tài)知識(shí)網(wǎng)絡(luò)構(gòu)建38-39
• 4.4 本章小結(jié)39-40
• 第5章 實(shí)驗(yàn)與分析40-54
• 5.1 引言40
• 5.2 數(shù)據(jù)概覽和預(yù)處理40-42
• 5.3 Improved_LDA效果評(píng)價(jià)42-48
• 5.3.1 評(píng)價(jià)指標(biāo)42-43
• 5.3.2 基準(zhǔn)方法43-44
• 5.3.3 結(jié)果對(duì)比與分析44-47
• 5.3.4 實(shí)例分析47-48
• 5.4 知識(shí)網(wǎng)絡(luò)效果評(píng)價(jià)48-53
• 5.4.1 用戶學(xué)習(xí)48-49
• 5.4.2 結(jié)果對(duì)比與分析49-51
• 5.4.3 實(shí)例分析51-53
• 5.5 本章小結(jié)53-54
• 第6章 總結(jié)及展望54-56
• 6.1 本文總結(jié)54-55
• 6.2 研究展望55-56
• 參考文獻(xiàn)56-60
• 致謝60-62
• 在讀期間發(fā)表的學(xué)術(shù)論文與取得的其他研究成果62

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 馬寧;劉怡君;;基于超網(wǎng)絡(luò)中超邊排序算法的網(wǎng)絡(luò)輿論領(lǐng)袖識(shí)別[J];系統(tǒng)工程;2013年09期

2 馬寶君;張楠;孫濤;;智慧城市背景下公眾反饋大數(shù)據(jù)分析:概率主題建模的視角[J];電子政務(wù);2013年12期

3 易軍凱;田立康;;基于類別區(qū)分度的文本特征選擇算法研究[J];北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年S1期

4 代寬;趙輝;韓冬;宋天勇;;基于向量空間模型的中文網(wǎng)頁(yè)主題特征項(xiàng)抽取[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2014年01期

5 吳瑞紅;呂學(xué)強(qiáng);;基于互聯(lián)網(wǎng)的術(shù)語(yǔ)定義辨析[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

6 羅琦;;一種最大分類間隔SVDD的多類文本分類算法[J];電訊技術(shù);2014年04期

7 方躍勝;姚宏亮;;基于電力公司的多格式文檔智能信息檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];重慶科技學(xué)院學(xué)報(bào)(自然科學(xué)版);2014年04期

8 李超;李昂;朱耿良;;基于限制性玻爾茲曼機(jī)的微博主題分類[J];電信網(wǎng)技術(shù);2014年07期

9 黃永鋒;李奇;;基于特征項(xiàng)聚合的古典詩(shī)歌分類模型[J];東華大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年05期

10 徐曉彤;胡松筠;;社交網(wǎng)站用戶興趣模型研究[J];科技和產(chǎn)業(yè);2014年11期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前2條

1 劉權(quán);郭武;;基于核主成分分析的話題跟蹤系統(tǒng)[A];第十二屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議（NCMMSC'2013）論文集[C];2013年

2 潘小毅;黃明安;;中醫(yī)傳承中隱性知識(shí)轉(zhuǎn)移的網(wǎng)絡(luò)研究范式[A];全國(guó)社會(huì)辦醫(yī)暨中醫(yī)藥發(fā)展戰(zhàn)略高峰論壇論文集[C];2014年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 朱永躍;產(chǎn)業(yè)集群演化不同階段對(duì)創(chuàng)業(yè)人才素質(zhì)的影響因素研究[D];華中科技大學(xué);2012年

2 徐蕾;知識(shí)網(wǎng)絡(luò)雙重嵌入對(duì)集群企業(yè)創(chuàng)新能力提升的機(jī)理研究[D];浙江大學(xué);2012年

3 劉曉;海水養(yǎng)殖業(yè)技術(shù)創(chuàng)新聯(lián)盟知識(shí)流動(dòng)研究[D];中國(guó)海洋大學(xué);2012年

4 吳林靜;基于語(yǔ)義場(chǎng)模型的學(xué)科資源聚類及應(yīng)用研究[D];華中師范大學(xué);2013年

5 王彪;信息檢索中信息需求域的研究[D];內(nèi)蒙古大學(xué);2012年

6 李文峰;基于主題模型的用戶建模研究[D];北京郵電大學(xué);2013年

7 王寶勛;面向網(wǎng)絡(luò)社區(qū)問(wèn)答對(duì)的語(yǔ)義挖掘研究[D];哈爾濱工業(yè)大學(xué);2013年

8 王慧賢;社交網(wǎng)絡(luò)媒體平臺(tái)用戶參與激勵(lì)機(jī)制研究[D];北京郵電大學(xué);2013年

9 張俊三;Web中相關(guān)實(shí)體發(fā)現(xiàn)研究[D];北京交通大學(xué);2013年

10 張乃靜;基于林業(yè)科學(xué)數(shù)據(jù)的語(yǔ)義檢索研究[D];中國(guó)林業(yè)科學(xué)研究院;2013年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 李國(guó)策;汽車產(chǎn)業(yè)集群知識(shí)網(wǎng)絡(luò)形成與優(yōu)化的仿生學(xué)研究[D];吉林大學(xué);2011年

2 曹建平;基于計(jì)算組織理論的大型研發(fā)項(xiàng)目組織結(jié)構(gòu)績(jī)效研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

3 沈麗;個(gè)人知識(shí)與團(tuán)隊(duì)知識(shí)沖突及其與績(jī)效的關(guān)系研究[D];浙江大學(xué);2007年

4 何梅;創(chuàng)新型國(guó)家建設(shè)中的知識(shí)服務(wù)轉(zhuǎn)型研究[D];湘潭大學(xué);2009年

5 葉東海;組織知識(shí)共享網(wǎng)絡(luò)模型研究[D];華南理工大學(xué);2012年

6 孟宇涵;跨國(guó)公司知識(shí)網(wǎng)絡(luò)的穩(wěn)定性及有效性研究[D];哈爾濱工程大學(xué);2012年

7 丁冬;基于管理仿生視角的農(nóng)民專業(yè)合作組織研究[D];吉林大學(xué);2013年

8 劉金亮;基于主題模型的個(gè)性化新聞推薦系統(tǒng)的研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2013年

9 曾俊t@;文本蘊(yùn)涵推理系統(tǒng)的研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2013年

10 吳克賢;基于分類的文本內(nèi)容判別方法研究[D];中國(guó)地質(zhì)大學(xué)（北京）;2013年

  本文關(guān)鍵詞：財(cái)經(jīng)新聞導(dǎo)航：一種新的知識(shí)網(wǎng)絡(luò)框架研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：351543