《計算機論文范文：基于Web外交新聞的中國國際合作元素及關聯(lián)挖掘》由會員分享，可在線閱讀，更多相關《計算機論文范文：基于Web外交新聞的中國國際合作元素及關聯(lián)挖掘（5頁珍藏版）》請在裝配圖網上搜索。

1、計算機論文范文：基于Web外交新聞的中國國際合作元素及關聯(lián)挖掘 在互聯(lián)網數(shù)據量日益激增的狀況下，從相關網絡文本數(shù)據中挖掘出有價值的知識具有重要的現(xiàn)實意義。本文以 Web 外交新聞數(shù)據為基礎，研究如何從其中挖掘與中國國際合作相關的知識。本文通過分析 Web 外交新聞的特點和中國國際合作的知識需求，把挖掘任務抽象為類似于序列標注任務和實體關系抽取任務，并提出了相對應的知識挖掘方法，最后通過實驗和分析評價抽取方法的表現(xiàn)。 1緒論 1.1研究背景與意義 “十三五”規(guī)劃建議指出：“完善對外開放戰(zhàn)略布局。推動雙向開放，促進國內國際要素有序流動、資源高效配置、市場深度

2、融合?！敝袊鴩H合作，已經成為中國對外合作互利共贏的重要方式，在中國發(fā)展中具有重要地位。在地緣政治因素、環(huán)境問題、資源困難、經濟危機、資本市場、歷史遺留問題等諸多因素的影響下，中國圍繞不同國家在不同時期建立了各具特色的戰(zhàn)略合作關系。中國國際合作規(guī)模迅速擴大、合作交流領域日益拓寬、內容不斷深化和多樣化。 調查資料顯示，“十二五”期間，中國對外直接投資流量累積達 5390.9 億美元，年均增速 18.2%，是“十一五”期末的 3.46 倍，并呈現(xiàn)投資區(qū)域分布更加廣泛、行業(yè)流向結構進一步優(yōu)化、投資主體結構多元化、地方企業(yè)投資活躍、跨國并購領域廣泛等特點?？鐕①彙⒕惩饨涃Q合作區(qū)、基礎設施合作

3、建設和運營一體化，正在成為中國企業(yè)對外投資合作的主要方式和載體。各級政府部門也加強了政策制度體系建設，不斷完善規(guī)范性政策文件。大量談判正在進行中，每年新增的協(xié)定、合作平臺、合作機制數(shù)量不斷上升，雙邊協(xié)議不斷增加新的內容，國際合作的外部環(huán)境隨之改變。 以“一帶一路”發(fā)展戰(zhàn)略為例，根據 2017 年政府的《中國對外投資合作發(fā)展報告》顯示，2016 年，中國對“一帶一路”沿線國家直接投資達到 153.4 億美元。中國企業(yè)已經在沿線 20 個國家建立了 56 個經貿合作區(qū)，累計投資超過 185億美元，為東道國增加了近 11 億美元的稅收和 18 萬個就業(yè)崗位。投資行業(yè)日趨多元化，分

4、布在制造業(yè)、采礦業(yè)、租賃和商務服務業(yè)、電力熱力供應、金融業(yè)、建筑業(yè)等多個行業(yè)領域，承接承包工程新簽合同額 1260 億美元，占當年中國對外承包工程新簽合同額的 51.6%。隨著“一帶一路”建設持續(xù)推進，中國積極發(fā)展與沿線國家的經濟合作關系，在中國與“一帶一路”沿線國家經濟合作方面，跨境直接投資是一個關鍵和核心的領域，合作重點包括基礎設施互聯(lián)互通、能源資源合作、工業(yè)園區(qū)建設和優(yōu)勢產能合作等。2014—2016 年，中國對“一帶一路”沿線國家的對外投資 480 億美元，投資行業(yè)日趨多元化，同時并購持續(xù)活躍。預計未來，中國對“一帶一路”沿線國家的直接投資規(guī)模將會顯著上升，合作前景更加廣闊。當前，中國

5、經濟和世界經濟高度關聯(lián)。中國將一以貫之地堅持對外開放的基本國策，構建全方位開放新格局，深度融入世界經濟體系。 .............................. 1.2國內外研究現(xiàn)狀 1.2.1文本知識挖掘 知識挖掘(knowledge mining)也被稱為知識發(fā)現(xiàn)(knowledge discovery, KD)。知識發(fā)現(xiàn)是指從數(shù)據中提取隱含的，以前未知的以及潛在的有用的信息[1]。早期知識發(fā)現(xiàn)的研究對象為數(shù)據庫中的數(shù)據，被簡稱為數(shù)據庫中的知識發(fā)現(xiàn)(knowledge discovery in database, KDD)。隨著大數(shù)據時代的到來，互聯(lián)網

6、中非結構化數(shù)據的數(shù)據量急劇增加，文本知識挖掘研究逐漸受到重視。 KDD 主要的傳統(tǒng)方法有：分類、聚類、關聯(lián)規(guī)則挖掘和回歸預測[2-5]等。文獻[2]介紹了一種基于 C4.5 決策樹的流量分類方法，實驗結果表明 C4.5 決策樹在處理流量分類問題的穩(wěn)定性上具有一定優(yōu)勢。文獻[4]提出了一種高效的多層和概化關聯(lián)規(guī)則挖掘方法。通過大量人工隨機生成數(shù)據的實驗證明，該方法不僅可以確保頻繁項集挖掘結果的正確性和完整性，還比現(xiàn)有同類最新算法具有更好的挖掘效率和擴展性。 對于基于時間間隔的事件數(shù)據(time interval-based event data)，文獻[6]為了簡化事件區(qū)間(e

7、ventinterval)的復雜關系，提出了兩種新的時間表示(temporal representation)，分別是結束節(jié)點表示(endpointrepresentation)和結束時間表示(endtimerepresentation)?；趦煞N新的時間表示，文獻[6]提出了三種區(qū)間模式(interval-basedpattern)以及有效發(fā)現(xiàn)三種區(qū)間模式的區(qū)間模式挖掘算法。最后，文獻[6]提出了三種剪枝手段用以提高挖掘算法的效率。 ............................. 2相關理論與技術簡介 2.1人工神經網絡

9、(Part-of-Speech Tagging)以及命名實體識別(Named Entity Recognition, NER)等。 中文分詞的任務目標為將給定句子切分為具有合理語義的詞序列。在中文分詞任務中，序列節(jié)點的基本要素為句子中的每一個字，節(jié)點的標簽集合定義為{B, I, E, S}。其中，B 表示這個字是某個詞的開頭，I 表示這個字是某個詞的中間部分，E 表示這個字是某個詞的結尾，S 表示這個字單獨成詞。最后根據標簽，確定分詞結果。 詞性標注的目標是對于已經分詞的句子，對句子中所有的詞標注詞性。在詞性標注任務中，序列節(jié)點的基本要素為已分詞的詞序列中的詞，節(jié)點的標簽

10、集合為詞性的集合，例如：{noun, verb, adj, …}。 命名實體識別的目標是找出給定句子中的命名實體，常見的命名實體有人名、地名和機構名。命名實體識別任務中，序列節(jié)點的基本要素為句子中的每個字，節(jié)點的標簽結合定義為{B, I, E, O}。其中，B表示這個字是某個命名實體的開頭，I 表示這個字是某個命名實體的中間部分，E 表示這個字是某個命名實體的結尾，O 表示這個字不屬于命名實體部分。最后根據標簽，確定命名實體識別的結果。 .............................. 3國際

11、合作元素抽取 ............................ 14 3.1引言............................ 14 3.2國際合作元素的內涵界定............................... 15 4國際合作元素關聯(lián)挖掘 ..................................... 28 4.1引言............................... 28 4.2國際合作元素關聯(lián)定義和特點.................... 29 5總結與展望 .............................

12、.... 36 5.1總結................................ 37 5.2展望...................... 37 4國際合作元素關聯(lián)挖掘 4.1引言 國際合作元素關聯(lián)挖掘是繼國際合作元素抽取之后對 Web 外交新聞文本語義信息的細化工作。國際合作元素關聯(lián)挖掘的目標是從 Web 外交新聞文本中挖掘有語義或內涵關系的國際合作元素對，如“一帶一路”和“兩廊一圈”，“貿易自由化、投資便利化”和“貿易投資保護主義”以及“匈塞鐵路”和“16+1合作”等。國際合作元素關聯(lián)挖掘旨在原本相對獨立的國際合作元素之間建立起語義或內涵上的關聯(lián)，對 Web

13、 外交新聞蘊含的信息進行更深層次的結構化，以方便不同的研究者可以更高效、更全面地利用 Web 外交新聞數(shù)據進行相關方面的研究，如構建中國對外合作知識庫、分析中國對外合作情況以及發(fā)現(xiàn)企業(yè)對外投資機會(如在什么國家投資什么產業(yè)或項目)等 本章主要介紹國際合作元素關聯(lián)挖掘方法。國際合作元素關聯(lián)挖掘與自然語言處理領域中的實體關系抽取任務具有一定的相似性。傳統(tǒng)的實體關系抽取任務的目標是挖掘文本中實體對(人名、地名、機構名)之間的關系。 ............................. 5總結與展望 5.1總結 在互聯(lián)網數(shù)據量日益激增的狀況下，從相關網絡文本數(shù)據中挖掘出有

14、價值的知識具有重要的現(xiàn)實意義。本文以 Web 外交新聞數(shù)據為基礎，研究如何從其中挖掘與中國國際合作相關的知識。本文通過分析 Web 外交新聞的特點和中國國際合作的知識需求，把挖掘任務抽象為類似于序列標注任務和實體關系抽取任務，并提出了相對應的知識挖掘方法，最后通過實驗和分析評價抽取方法的表現(xiàn)。本文的主要貢獻如下： (1)在第 3 章中提出了國際合作元素的抽取方法。首先，通過分析中國國際合作研究領域的需求以及中國國際合作元素在 Web 外交新聞中的語義特點，從計算機的角度提出了國際合作元素的定義，為提出國際合作元素抽取方法奠定基礎。然后，根據國際合作元素的定義，結合傳統(tǒng)序列標注任務的

15、特點，提出了領域知識和神經網絡相結合的國際合作元素抽取方法。其中，神經網絡模型的目的是完成國際合作元素的初步抽取，初步抽取完成之后，通過提取的領域知識改進神經網絡的抽取結果。最后，通過實驗結果表明，雖然神經網絡模型對國際合作元素抽取任務有一定的適應能力，但是對于一些結構復雜的國際合作元素的抽取效果并不好，同時神經網絡模型的效果對于訓練集的數(shù)據質量非常敏感；同時實驗結果還表明，我們提出的領域知識，對于 3.3.1 節(jié)提出的神經網絡模型是一個很好的補充，對提升國際合作元素抽取模型的效果具有一定的針對性。 (2)在第 4 章中提出了國際合作元素關聯(lián)挖掘方法。在第 3 章抽取出的國際合作元

16、素的基礎上，結合傳統(tǒng)實體關系抽取任務對于關系類型的定義以及 Web外交新聞的語義特點，明確了國際合作元素關聯(lián)及關聯(lián)類型的定義，并分析了其語義特點。在 4.3 節(jié)中，結合傳統(tǒng)實體關系抽取任務和國際合作元素關聯(lián)的特點，提出了神經網絡模型和規(guī)則相結合的國際合作元素關聯(lián)挖掘方法。在國際合作元素關聯(lián)挖掘方法中，神經網絡模型的目的是挖掘在句內的不同國際合作元素之間的關聯(lián)。為了彌補神經網絡模型的不足，挖掘在不同句子之間的國際合作元素之間的關聯(lián)，同時修正神經網絡模型的部分挖掘結果，結合國際合作元素關聯(lián)的特點，提出了基于規(guī)則的國際合作元素關聯(lián)類型抽取模型。實驗結果表明，神經網絡模型對于語義關系簡單明確的句內國際合作元素關聯(lián)挖掘表現(xiàn)優(yōu)異，但是對于語義關系模糊的句內關聯(lián)挖掘表現(xiàn)較差；基于規(guī)則的模型對于句間的國際合作元素關聯(lián)類型挖掘效果較好，并且對于神經網絡模型挖掘出的部分關聯(lián)類型具有一定的優(yōu)化效果。