人民網首頁人民網首頁傳媒頻道|人民網研究院

--2018北京郵電大學篇
獎學金簡介
2018年頒獎儀式
中國人民大學|北京大學|清華新聞學院|中國傳媒大學|武漢大學|復旦大學|南京大學
華中科技大學|廈門大學|四川大學|北京郵電大學|清華計算機系|哈工大|陝西師大|
人民網 >> 傳媒 >> 傳媒專題 >> 人民網獎學金 >> 北郵2018

獲獎名單

2018人民網獎學金獲獎名單：
一等獎：王子妍
二等獎：肖南馨、鄒迪
2018人民網優秀論文獲獎者名單：
一等獎：胡倩
二等獎：閆晨巍 趙朋亞 王丙乾﹔馬正 張帥 趙朋亞
三等獎：石文超, 程逸涵﹔王藝寧 李芬 榮培杉

往年獎學金獲獎論文回顧：

2017北京郵電大學篇
2016北京郵電大學篇
2015北京郵電大學篇
2014北京郵電大學篇
2013北京郵電大學篇
2012北京郵電大學篇

優秀論文一等獎（1）

胡倩

基於社會網絡的節點影響力度量模型研究
社會網絡節點影響力研究是社會網絡分析的關鍵基礎問題之一。由於在網絡中節點的異質性特征，使得“位置”不同的節點對於網絡整體功能的形成和維持具有不同的作用和影響。故有必要從理論上分析研究網絡中不同“位置”的節點在整個網絡中的地位和作用，並結合社會學理論基礎進一步解釋節點帶來的影響力。本文基於復雜網絡節點影響力測量方法、社會學的三元閉包和結構洞、劃分社區的理論研究，對不同“位置”的節點（位於緊密群體中心和多個群體交界）提出了CKSC嵌入性度量模型和NOBurt結構洞度量模型的整體框架，並闡述了模型相關函數進一步選擇依據方法。其在人民網針對不同的網絡結構，衡量新聞傳播路徑選擇效果、個性化推薦、關鍵人物提取等問題研究上具有重要的實際意義。
詳細 >>

優秀論文二等獎（2）

閆晨巍 趙朋亞 王丙乾

基於人民網新聞標題的短文本自動分類研究
自動文本分類技術將人類從繁瑣的手工分類中解放出來，使分類任務變的更為高效，為進一步的數據挖掘和分析奠定基礎。對於新聞來說，簡短的新聞標題是新聞內容的高度總結，針對短文本的分類研究一直是自動文本分類技術的研究熱點。本文基於人民網觀點頻道中的數據，採用深度學習中的卷積神經網絡（CNN）和循環神經網絡中的長短時記憶模型（LSTM）組合起來，捕捉短文本表達的語義，對短文本自動文本分類進行智能化實現，為新聞網站的新聞分類實現提供參考。
詳細 >>

馬正 張帥 趙朋亞

基於機器學習的相關新聞事件挖掘
網絡新聞的發展導致新聞稿件數量的極快上漲，如何在大量的新聞數據中快速准確的找到想要分析的新聞事件的所有新聞文本就成了一個急需解決的問題。常見的方法是搜索關鍵字之后再進行人工搜集，效率低下。本文以新聞領域的理論為基礎提出新聞事件相關文本的挖掘方法。首先以新聞網站的新聞文本作為研究對象，通過TextCNN模型對新聞進行領域分類，然后使用Word2vec得到詞向量、TF-IDF作為詞語的權重以及新聞領域的經驗相結合來查找相關新聞文本。實驗結果表明，顯著提高了識別效率。
詳細 >>

優秀論文三等獎（2）

石文超, 程逸涵

基於用戶社交關系的個性化推薦
推薦系統是為了推薦用戶可能感興趣的產品，推薦平台上的內容為用戶提供個性化服務逐漸成了很多平台的重要任務。但是很多平台隻能獲取到用戶的隱式反饋信息,而且每一個用戶隻在少量的商品上產生行為，導致平台獲取到的數據集是非常稀疏的。傳統的推薦算法在面對這兩個問題的時候效果並不好。在這篇文章中，我們提出了一個基於社交中相似好友的貝葉斯個性化排序算法(SFSBPR)，緩解了在基於用戶隱式反饋的推薦中的數據稀疏性問題。實驗結果表明我們的方法比其他推薦算法在現實世界的稀疏數據集上效果更好。
詳細 >>

王藝寧 李芬 榮培杉

基於K-Means算法的新聞文本內容過濾
隨著計算機信息技術的不斷發展，如何快速有效地在龐大的文本數據中挖掘有用信息與知識並為研究所用，成為了當下研究者的熱點話題。本文針對新聞文本數據，提出一種基於K-means算法的新聞文本內容過濾技術，對文本聚類過程中文本表示部分進行改進，引入LDA概率主題模型，深層次挖掘文本語義信息。該技術能夠挖掘文本隱藏結構和潛在信息，更有效的篩選出與用戶歷史瀏覽行為相似的文本數據，同時過濾掉有害信息。本文旨在為用戶快速而精確地推薦新聞、文章等信息，提升檢索精確度與縮短檢索時間，最大程度改善用戶體驗，創造經濟與社會價值。
詳細 >>