[目的/意义]危机情境下,用户常常受到信息过载的困扰。为了缓解其不良影响,文章提出一种基于信息相关性、信息质量和信息影响力的信息屏障构建方法,运用主题模型对信息进行主题分类,并过滤与危机事件不相关的主题及信息。[方法/过程]基于双路径模型和危机沟通矩阵,在现有信息质量评价指标的基础上,构建适用于危机情境下微博信息的质量评价指标体系。根据危机情境下微博信息的外部和内部特征,该体系从信源可信度和信息内容质量双路径视角出发构建二级指标,使用熵值法确定各个指标的权重。运用转发数、点赞数和信任度指标测度微博影响力,并构建基于信息影响力的信息屏障。[结果/结论]文章以奥密克戎毒株相关疫情事件为例,通过实验研究对微博信息进行主题建模、质量与影响力评估,过滤不相关、低质量和低影响力信息。文章提出的信息屏障构建方法有助于缓解危机情境下信息过载带来的不良影响。

[目的/意义]文章旨在解决传统的短文本匹配模型难以适用于法律类案检索等长文匹配的问题。[方法/过程]针对法律案例匹配任务,本文提出了一种基于预训练的法律文本类案匹配 LTMR模型。在编码层通过RoFormer和法律特征提取器对法律案例进行编码,在推理层利用交互注意力和自注意力机制来进一步提取长文本的上下文和交互信息。将所提出的模型应用到CAIL2019-SCM数据集上,开展实证研究。[结果/结论]相对于基线方法,LTMR模型在CAIL2019数据集上均取得了最优结果,研究结果对于促进法律案例匹配的应用具有借鉴意义。

[目的/意义]随着时代的发展,不确定性环境概念也日益被人们重视,多源异构的不确定性环境成为了阻碍非遗数字资源融合和共享的一个难题。[方法/过程]文章提出基于证据理论的非遗数字资源知识元属性融合,通过构建非遗数字资源知识元的融合框架,并结合万里茶道中的非遗数字资源进行了实证分析。[结果/结论]结果表明,基于证据理论的知识属性融合可以使非遗数字资源的价值得到有效利用,促进了非遗数字资源的数字化保存与开发利用。

[目的/意义]为了从海量财经新闻中快速、准确识别与特定股票相关的重要信息,充分挖掘其潜在价值,文章开展面向股票的财经新闻关联度研究。[方法/过程]利用自然语言处理与机器学习方法实现新闻全文本分析,细化到词语粒度挖掘并量化股票-财经新闻关联关系。在此基础上,基于新闻价值量化理论,建立“面向股票的财经新闻关联度测度体系”。[结果/结论]构建了融入新闻价值评价的股票-财经新闻关联度测度体系,实现了个性化、自动化的股票-财经新闻关联程度测量;进一步分析了各个维度指标对关联度测度的影响。