新書推薦：
《
如何面对爱情里的失望
》
售價：NT$
179.0
《
至高无上：一场颠覆世界的人工智能竞赛
》
售價：NT$
403.0
《
聪明钱
》
售價：NT$
398.0
《
大转型：我们时代的政治与经济起源
》
售價：NT$
500.0
《
约翰·巴勒斯：美国自然文学之父
》
售價：NT$
347.0
《
东线有战事1914：一战爆发与帝国崩溃
》
售價：NT$
449.0
《
奇岩馆事件（“这本推理小说了不起！”大奖获奖作者高野结史颠覆你的推理常识）
》
售價：NT$
254.0
《
暗斗：一个书生的文化抗战
》
售價：NT$
449.0
|
| 內容簡介： |
|
《政策文本深度挖掘与应用研究》面向政务服务精准化，以政策内容挖掘与价值作用发挥的研究脉络为主线，基于深度学习和自然语言理解等技术，从政策文本结构化解析、自动摘要生成以及政策文本精准推送三个层面，系统研究了其中的理论基础、技术方案和实证优化策略。《政策文本深度挖掘与应用研究》研究探索了从“政策文本信息处理”到“政策主旨内涵把握”的理论框架和技术方案，拓展了政策文本挖掘与理解研究的深度和范畴，创新了政策文《政策文本深度挖掘与应用研究》的理论与方法体系。
|
| 目錄：
|
|
目录第1章 政策文本研究进展与挖掘方案设计 11.1 政策文本研究的脉络梳理 11.2 政策文本深度挖掘与应用研究方案 121.3 政策文本深度挖掘与应用研究的价值 15第2章 面向主题挖掘的政策文本结构化解析 162.1 跨学科支撑下的政策文本结构化分析 162.2 政策文本结构化解析的研究方案 332.3 政策文本结构化解析框架与技术路线 362.4 政策文本结构化解析的技术应用 462.5 总结与展望 60第3章 基于多维特征融合的政策文本语义增强表示 633.1 融合多维特征的政策文本表示方案 633.2 政策主题挖掘与文本向量生成 653.3 政策文本中的实体特征提取 683.4 基于预训练语言模型的政策文本增强表示 773.5 总结与展望 83第4章 政策文本生成式摘要模型构建与技术实现 864.1 面向深层次挖掘的政策文本摘要生成研究 864.2 政策文本摘要生成的研究方案 974.3 面向摘要生成的政策文本关键语句抽取 1054.4 基于依存句法的政策文本摘要生成模型 1124.5 融合PGN 的政策文本摘要生成优化 1224.6 领域政策文本摘要生成实证研究 1284.7 总结与展望 141第5章 政策文本精准推送模型构建与技术实现 1455.1 政府文本精准推送研究的背景与价值 1455.2 政策文本推送研究的发展趋势 1495.3 政策文本精准推送的研究方案 1575.4 基于多维特征的政策用户画像生成 1625.5 基于特征聚类的政策推送关系标注 1675.6 基于特征注意力的政策文本精准推送模型 1715.7 政策精准推送实证研究 1735.8 总结与展望 194图目录图1-1 研究内容设计 12图2-1 政策文本结构化解析研究方案 33图2-2 基于框架语义的结构化语义框架 40图2-3 结构化解析框架搭建思路 41图2-4 LDA2Vec主题抽取模型 44图2-5 LDA主题模型 45图2-6 政策发文机构统计 55图2-7 政策主题统计 56图2-8 典型案例政策引用关系图 57图3-1 融合多维特征的政策文本向量表示方案 64图3-2 政策主题挖掘与文本向量生成框架 65图3-3 基于LDA模型的政策文本主题挖掘结构 66图3-4 基于主题分布的文本向量生成 68图3-5 BiLSTM-CRF政策实体识别模型 72图3-6 LSTM单元结构 72图3-7 LSTM链式结构 74图3-8 BiLSTM网络结构 74图3-9 CRF模型 74图3-10 BERT模型结构图 78图3-11 无监督的SimCSE模型 81图3-12 PV-DM 结构 82图4-1 政策文本摘要生成研究内容 100图4-2 政策文本摘要生成研究策略 103图4-3 基于深度学习的政策文本摘要生成研究框架 104图4-4 基于句向量改进的政策文本关键句子抽取策略 106图4-5 基于句子重要性分数计算的政策文本关键句子抽取流程 106图4-6 基于依存句法的生成式政策文本自动摘要模型 113图4-7 政策文本依存句法树示例 115图4-8 依存句法树对应的邻接矩阵 116图4-9 图卷积操作示例 118图4-10 基于Seq2Seq的政策文本自动摘要模型 121图4-11 融合PGN的政策文本自动摘要模型 124图4-12 政策文本摘要评分模型 126图4-13 政策文本采集结果示例 130图4-14 政策文本摘要数据集平均字数分布情况 133图4-15 不同政策文本摘要生成模型ROUGE 指标分数柱状图 137图5-1 政策文本精准推送研究框架 161图5-2 政策用户画像的指标体系结构图 165图5-3 政策用户特征交集 169图5-4 政策及用户推送关系标注 170图5-5 基于深度神经网络的政策推送模型 172图5-6 YEDDA标注示例 178图5-7 助残政策词向量 184图5-8 助残政策用户画像指标体系结构图 186图5-9 基于残疾人特征的用户聚类 189表目录表2-1 政策文本通用特征 42表2-2 政策主题-词分布 46表2-3 政策文本结构化解析通用框架 46表2-4 “互联网+”政策外部属性特征表 49表2-5 LDA主题抽取词组表 50表2-6 Doc2Vec模型参数设置 50表2-7 “互联网+”政策文本结构化解析框架 51表2-8 案例文本主题-文档距离值表 52表2-9 《国务院办公厅关于促进“互联网+医疗健康”发展的意见》结构化解析框架 52表2-10 被引用政策数量统计（部分） 58表3-1 政策实体类别 71表3-2 实体标签概率分布 75表4-1 政策文本线索词表 110表4-2 LTP 句法依存关系类型 115表4-3 政策文本数据采集信息 129表4-4 不同的政策文本关键句子抽取方法结果对比 131表4-5 政策文本摘要数据集单条数据示例 132表4-6 本地机器与Mist 服务器环境配置 135表4-7 摘要生成模型参数设置 135表4-8 不同政策文本摘要生成模型结果对比 136表4-9 不同政策文本摘要生成模型结果呈现 139表5-1 残疾人政策来源（1952 年至2021 年） 175表5-2 残疾人数据字段及描述说明 177表5-3 助残政策中五类实体统计 179表5-4 命名实体识别模型参数设置 179表5-5 不同类型实体识别评价结果 180表5-6 不同模型识别结果对比 181表5-7 助残政策实体信息表（节选） 181表5-8 助残政策主题 182表5-9 助残政策文本基础向量 183表5-10 残疾人用户向量化示例 187表5-11 助残政策推送关系表 190表5-12 助残政策推送模型推送准确率 192表5-13 助残政策推送结果（政策-用户向） 193表5-14 助残政策推送结果（用户-政策向） 193
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
