面向活动的网络媒体监测与建模分析：IVFC案例解析

doi:10.11959/j.issn.2096-6652.201940

Abstract

Abstract:

At present,the frequency of various activities,such as competitions and conferences is increasing day by day.However,there is a lack of an effective platform of digital monitoring and analysis of online media for such events.Based on the method framework in parallel intelligence and knowledge automation theory,a methodological framework for network media monitoring and modeling analysis for events was proposed in this paper,and takes the “Intelligent Vehicle Future Challenge” as an application example.The dataset was collected from three main types of online media (news,WeChat,Weibo) data from 2009 to 2017.Then the online media data were analyzed and visualized from the multiple dimensions including time and space,hotspots,release sources,keywords,topics,semantics,and entities.The results show that the relevant framework can provide effective digital monitoring means and auxiliary decision support for the activity-related organizations.

Key words: digital monitoring, multi-dimensional analysis, Intelligent Vehicle Future Challenge, knowledge automation

CLC Number:

TP391.1

Xingkai SUN,Xiao WANG,Hao LU. Digital monitoring and modeling of activities:the IVFC case study[J]. Chinese Journal of Intelligent Science and Technology, 2019, 1(4): 352-368.

Figures/Tables 32

References 18

[19]	王立希, 王建东, 汪静 . 基于数据挖掘的新词发现[J]. 计算机应用研究, 2006,23(12): 195-197.
	WANG L X , WANG J D , WANG J . Approach for lexicon updating based on data mining[J]. Application Research of Computers, 2006,23(12): 195-197.
[20]	陈飞, 刘奕群, 魏超 ,等. 基于条件随机场方法的开放领域新词发现[J]. 软件学报, 2013,24(5): 1051-1060.
	CHEN F , LIU Y Q , WEI C ,et al. Open domain new word detection using condition random field method[J]. Journal of Software, 2013,24(5): 1051-1060.
[21]	霍帅, 张敏, 刘奕群 ,等. 基于微博内容的新词发现方法[J]. 模式识别与人工智能, 2014,27(2): 141-145.
	HUO S , ZHANG M , LIU Y Q ,et al. Pattern recognition and artificial intelligence[J]. Pattern Recognition and Artificial Intelligence, 2014,27(2): 141-145.
[22]	李文坤, 张仰森, 陈若愚 . 基于词内部结合度和边界自由度的新词发现[J]. 计算机应用研究, 2015,32(8): 2302-2304.
	LI W K , ZHANG Y S , CHEN R Y . New word detection based on inner combination degree and boundary freedom degree of word[J]. Application Research of Computers, 2015,32(8): 2302-2304.
[23]	SALTON G , BUCKLEY C . Term-weighting approaches in automatic text retrieval[J]. Information Processing ＆ Management, 1988,24(5): 513-523.
[24]	徐文海, 温有奎 . 一种基于 TFIDF 方法的中文关键词抽取算法[J]. 情报理论与实践, 2008,31(2): 298-302.
	XU W H , WEN Y K . A Chinese keyword extraction algorithm based on TFIDF method[J]. Information Studies:Theory ＆ Application, 2008,31(2): 298-302.
[25]	MIHALCEA R , TARAU P . Textrank:bringing order into text[C]// The 2004 Conference on Empirical Methods in Natural Language Processing,July 25-26,2004,Barcelona,Spain.[S.l.:s.n]. 2004: 404-411.
[26]	HARTIGAN J A , WONG M A . Algorithm AS 136:a K-means clustering algorithm[J]. Journal of the Royal Statistical Society, 1979,28(1): 100-108.
[27]	BLEI D M , NG A , JORDAN M . Latent Dirichlet allocation[J]. Journal of Machine Learning Research, 2003(3): 993-1022.
[28]	HOFMANN T , . Probabilistic latent semantic analysis[C]// The Fifteenth Conference on Uncertainty in Artificial Intelligence,July 30-August 1,1999,Stockholm Sweden.San Francisco:Morgan Kaufmann Publishers Inc. 1999: 289-296.
[29]	SIEVERT C , SHIRLEY K E . LDAvis:a method for visualizing and interpreting topics[C]// The Workshop on Interactive Language Learning,June 27,2014,Baltimore,USA. Stroudsbury:ACL, 2014.
[30]	MIKOLOV T , CHEN K , CORRADO G ,et al. Efficient estimation of word representations in vector space[J]. Computer Science, 2013.
[31]	MIKOLOV T , SUTSKEVER I , CHEN K ,et al. Distributed representations of words and phrases and their compositionality[C]// International Conference on Neural Information Processing Systems,December 5-8,2013,Lake Tahoe,USA.New York:Curran Associates Inc. 2013: 3111-3119.
[32]	HINTON G E . Visualizing high-dimensional data using t-SNE[J]. Journal of Machine Learning Research, 2008,9(2): 2579-2605.
[33]	WSULI A , SEBASTIANI F . SentiWordNet:a publicly available lexical resource for opinion mining[C]// The Fifth International Conference on Language Resources and Evaluation,May 24-26,2006,Genoa,Italy. France:ELRA, 2006: 417-422.
[34]	BACCIANELLA S , ESULI A , SEBASTIANI F . SentiWordNet 3.0:an enhanced lexical resource for sentiment analysis and opinion mining[C]// International Conference on Language Resources and Evaluation,May 17-23,2010,Valletta,Malta. France:ELRA, 2010: 83-90.
[1]	WANG F Y . The emergence of intelligent enterprises:from CPS to CPSS[J]. IEEE Intelligent Systems, 2010,25: 85-88.
[2]	王飞跃 . 社会信号处理与分析的基本框架:从社会传感网络到计算辩证解析方法[J]. 中国科学:信息科学, 2013,43(12): 1598-1611.
	WANG F Y . A framework for social signal processing and analysis:from social sensing networks to computational dialectical analytics[J]. Scientia Sinica (Informationis), 2013,43(12): 1598-1611.
[3]	王飞跃 . 从一无所有到万象所归:人工社会与复杂性研究[N].,2003年3月17日. 科学时报,2003年3月17日.
[35]	王科, 夏睿 . 情感词典自动构建方法综述[J]. 自动化学报, 2016,42(4): 495-511.
	WANG K , XIA R . A survey on automatical construction methods of sentiment lexicons[J]. Acta Automatica Sinica, 2016,42(4): 495-511.
[3]	WANG F Y . From nothing to everything:artificial societies and complex system[N]. Science Times,2003-3-17.
[4]	WANG F Y . Social computing:concepts,contents,and methods[J]. International Journal of Intelligent Control and Systems, 2004,9(2): 91-96.
[5]	王飞跃 . 关于复杂系统研究的计算理论与方法[J]. 中国基础科学, 2004,6(41): 2-10.
	WANG F Y . Computational theory and methods on complex system[J]. China Basic Science, 2004,6(41): 2-10.
[6]	王飞跃 . 社会计算与数字网络化社会的动态分析[J]. 科技导报, 2005,23,5(9): 4-6.
	WANG F Y . Social computing and dynamical state analysis of digitalized and networked societies[J]. Science ＆ Technology Review, 2005,23,5(9): 4-6.
[7]	王飞跃, 王珏 . 情报与安全信息学研究的现状与展望[J]. 中国基础科学, 2005,7(2): 24-29.
	WANG F Y , WANG J . Intelligence and security informatics:the state of the art and outlook[J]. China Basic Science, 2005,7(2): 24-29.
[8]	WANG F Y . Toward a paradigm shift in social computing:the ACP approach[J]. IEEE Intelligent Systems, 2007,22(5): 65-67.
[9]	王飞跃 . 情报 5.0:平行时代的平行情报体系[J]. 情报学报, 2015,34(6): 563-574.
	WANG F Y.Intelligence 5 . 0:parallel intelligence in parallel age[J]. Journal of the China Society for Scientific and Technical Information, 2015,34(6): 563-574.
[10]	唐涛 . 基于大数据的网络舆情分析方法研究[J]. 现代情报, 2014,34(3): 3-6.
	TANG T . Research on method of internet public opinion analysis based on big data[J]. Journal of Modern Information, 2014,34(3): 3-6.
[11]	李金海, 何有世, 熊强 . 基于大数据技术的网络舆情文本挖掘研究[J]. 情报杂志, 2014,33(10): 1-6,13.
	LI J H , HE Y S , XIONG Q . On text mining of network public opinion based on big data technology[J]. Journal of Intelligence, 2014,33(10): 1-6,13.
[12]	马梅, 刘东苏, 李慧 . 基于大数据的网络舆情分析系统模型研究[J]. 情报科学, 2016,34(3): 25-28.
	MA M , LIU D S , LI H . Research on the network public opinion analysis system model based on big data[J]. Information Science, 2016,34(3): 25-28.
[13]	夏火松, 甄化春 . 大数据环境下舆情分析与决策支持研究文献综述[J]. 情报杂志, 2015,34(2): 1-6.
	XIA H S , ZHEN H C . Public opinion analysis and decision support study under big data surroundings[J]. Journal of Intelligence, 2015,34(2): 1-6.
[14]	陈必坤, 王曰芬, 廖海涵 . 大数据时代社会舆情分析与决策支持研究的现状及其发展趋势[J]. 情报科学, 2016,34(10): 8-14.
	CHEN B K , WANG Y F , LIAO H H . Current situation and development trend of social public opinion analysis and decision making based on the background of big data era[J]. Information Science, 2016,34(10): 8-14.
[15]	王飞跃 . 软件定义的系统与知识自动化:从牛顿到默顿的平行升华[J]. 自动化学报, 2015,41(1): 1-8.
	WANG F Y . Software-defined systems and knowledge automation:a parallel paradigm shift from Newton to Merton[J]. Acta Automatica Sinica, 2015,41(1): 1-8.
[16]	王飞跃, 王晓, 袁勇 ,等. 社会计算与计算社会:智慧社会的基础与必然[J]. 科学通报, 2015,60(Z1): 460-469.
	WANG F Y , WANG X , YUAN Y ,et al. Social computing and computational societies:the foundation and consequence of smart societies[J]. Chinese Science Bulletin, 2015,60(Z1): 460-469.
[17]	ZHENG X Q , CHEN H Y , XU T Y . Deep learning for Chinese word segmentation and POS tagging[C]// The 2013 Conference on Empirical Methods in Natural Language Processing,October 18-21,2013,Seattle,USA. Stroudsburg:ACL, 2013: 647-657.
[18]	贾自艳, 史忠植 . 基于概率统计技术和规则方法的新词发现[J]. 计算机工程, 2004,30(20): 19-21.
	JIA Z Y , SHI Z Z . Probabilistic techniques and rule methods for new word discovery[J]. Computer Engineering, 2004,30(20): 19-21.

Metrics

Recommended 0

No Suggested Reading articles found!

排名	标题	原创媒体	发布时间	相似新闻数/篇
1	科技部副部长徐南平：我国智能交通将迎来创新发展黄金时代	新华网	2017/11/22 18:11	32
2	智能汽车：何时让你交出方向盘	中国青年报	2017/11/28	28
3	我国智能交通转型明年启动智能交通将迎创新发展黄金时代	央广网	2017/11/25 9:32	27

排名	内容	发布者	发布时间	转发数/次	评论数/个
1	号外！公布一条震撼人心的消息：在11月26日代表中国无人驾驶智能车最高发展水平的“中国智能车未来挑战赛”上，广汽无人车包揽挑战赛前两名……	时尚潮流汽车	2017/11/30 17:24	1 051	453
2	号外！公布一条震撼人心的消息：在11月26日代表中国无人驾驶智能车最高发展水平的“中国智能车未来挑战赛”上，广汽无人车包揽挑战赛前两名……	汽车观察编辑	2017/11/30 18:15	733	37
3	号外！公布一条震撼人心的消息：在11月26日代表中国无人驾驶智能车最高发展水平的“中国智能车未来挑战赛”上，广汽无人车包揽挑战赛前两名……	汽车资讯编辑	2017/11/30 18:15	723	33

排名	标题	发布公众号	发布时间	阅读数/（次）/点赞数/（个）
1	广汽无人车斩获2017中国智能车未来挑战赛一二名，登上央视《新闻联播》	广汽研究院	2017/11/27	8 096/120
2	首次引入真实交通流，2017中国智能车未来挑战赛复盘	车云	2017/11/29	6 078/46
3	国家自然科学基金委员会举办2017年“中国智能车未来挑战赛”	国家自然科学基金委员会	2017/11/28	4 678/39

排名	关键词	词频/次	排名	关键词	词频/次
1	汽车	4 722	11	无人车	2 604
2	技术	4 163	12	研究	2 327
3	智能车	4 040	13	企业	2 255
4	常熟	3 698	14	车辆	2 210
5	发展	3 641	15	进行	2 157
6	交通	3 285	16	通过	2 146
7	挑战赛	2 970	17	无人驾驶	2 129
8	比赛	2 847	18	一个	2 096
9	中国	2 783	19	我们	2 079
10	测试	2 675	20	系统	2 044

排名	关键词	词频/次	排名	关键词	词频/次
1	中国智能车未来挑战赛	4 722	11	产业发展	307
2	人工智能	4 163	12	智能车研究	253
3	智能汽车	4 040	13	汽车零部件	252
4	中国智能车大会	3 698	14	智能车测试	212
5	无人驾驶汽车	3 641	15	交通标志	208
6	无人驾驶车辆	3 285	16	城市交通	208
7	智能交通	2 970	17	信息科学	198
8	汽车智能化	2 847	18	发展方向	195
9	视听觉信息的认知计算	2 783	19	技术研究	193
10	辅助驾驶	2 675	20	技术水平	182

Digital monitoring and modeling of activities:the IVFC case study

RichHTML

PDF下载

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 32

References 18

Related Articles 1

Metrics

Recommended 0

排名	机构名	篇数/篇	排名	机构名	篇数/篇
1	国家自然科学基金委员会	576	11	科技部	233
2	西安交通大学	499	12	军事交通学院	228
3	中国工程院	348	13	国防科技大学	201
4	中国自动化学会	344	14	中国人工智能学会	179
5	清华大学	343	15	中国智能交通协会	168
6	广汽	331	16	中国科学院自动化研究所	157
7	常熟市人民政府	317	17	青岛智能产业技术研究院	157
8	中国智能车综合技术研发与测试中心	297	18	同济大学	157
9	北京理工大学	269	19	谷歌	151
10	丰田	235	20	上海交通大学	149

排名	人名	篇数/篇	排名	人名	篇数/篇
1	郑南宁	315	11	张国华	52
2	王飞跃	228	12	吴忠泽	49
3	徐南平	210	13	徐昕	49
4	李骏	135	14	吴甘沙	48
5	李德毅	105	15	徐友春	47
6	傅志寰	87	16	曾庆洪	46
7	何华武	72	17	梅涛	44
8	李力	71	18	李朝晨	41
9	曹东璞	67	19	杨明	41
10	王飏	58	20	薛建儒	39

排名	关键词	词频/次	排名	关键词	词频/次
1	百姓家	0.904	11	淘汰	0.855
2	直言	0.894	12	时间检验	0.851
3	教授	0.893	13	秘书长	0.849
4	研究员	0.891	14	贺汉根	0.843
5	总裁判长	0.888	15	国家发改委	0.842
6	复杂系统管理控制国家重点实验室	0.879	16	博士生导师	0.841
7	理论技术	0.876	17	李力	0.829
8	安全性法规	0.875	18	曹东璞	0.828
9	担任	0.875	19	裁判组组长	0.827
10	黄武陵	0.872	20	汽车工程系	0.826