人民网首页人民网首页传媒频道|人民网研究院

--2017北京邮电大学篇

历年获奖名单

 

2017人民网奖学金获奖名单:
一等奖:徐德鸿
二等奖:邢瑞斌、范新龙
2017人民网优秀技术课题获奖者名单:
二等奖:王艺宁、白蔓、贺晋
三等奖:罗晓芃、张栋凯、姜丹、黄予静、
    杨凯玥、董晨西、杨沁柳、陈剑冲、
    常乐、郭文文、郭泰、杜宝琛、马正、
    李凌云、闫敏、任皓

优秀论文二等奖(1)

王艺宁、白蔓、贺晋

基于深度学习的新闻图像情感识别模型的设计与实现
  现代媒体中,图片在新闻传播过程中发挥了越来越重要作用,随着受众视觉媒介依赖程度的提高,基于图像高级语义的组织分类成为现在迫切需要解决的问题。虽然每个人文化背景、评判标准都存在着个体主观差异,但整体方向存在相似性,能够准确分析新闻图像的情感语义对于提升图片与文字报道情感色彩的符合度以及避免图文相悖的报道对大众产生情感诱导具有重要意义。
详细 >>

优秀论文三等奖(5)

罗晓芃、张栋凯

微博内容运营对上市企业业绩影响研究
  社交媒体的发展打造了传统媒体结合新媒体的全方位立体化传播模式,企业也愈加重视利用社交媒体渠道进行信息传播与客户沟通。本研究对141家标普500成分企业在Twitter上发布的信息进行语义分析,基于信号理论与有限注意力理论建立理论模型,实证分析了Twitter上不同类别信息与企业股票超额收益间的相关关系。研究发现企业形象提升类信息有效地提高了投资者的感知价值,而非企业形象提升类信息多为中立信息,过多地占用了投资者处理企业形象提升类信息的注意力资源,显著地削弱了企业形象提升类信息及盈利相关信息与股票超额收益之间的正相关关系。根据研究结论,为人民网微博内容运营提出建议:首先对微博发布内容进行分类,其次需明确内容运营定位,合理分配强信号与弱信号的发布数量。
详细 >>

姜丹、黄予静、杨凯玥

基于关键词的文本内容过滤算法的研究与应用
  本文对目前文本过滤技术进行了调研,并在此基础上利用空间向量模型作为用户需求模板,使用余弦距离计算文本相似度,采用K-means算法进行文本聚类分析效果优化,提出了基于关键词的文本内容过滤模型,能够为人民网用户个性化推荐新闻、广告、文章等信息,缩短信息检索时间,最大程度为用户提供其感兴趣的内容,创造经济与社会价值。
详细 >>

董晨西、杨沁柳、陈剑冲、常乐

基于用户画像与新闻词向量的个性化新闻推荐模型
  目前,由于用户行为数据的高维稀疏特点以及衡量新闻内容相似性的复杂度较高,本文针对这两个问题,从分类角度考虑,提出一种基于用户画像与新闻词向量的个性化新闻推荐模型,对用户的行为数据等进行分析,构建用户画像模型,提取用户画像特征,并使用指数衰减模型的Word2Vec框架进行词向量训练,结合文本特征的向量空间模型构建新闻全局特征,预测用户对新闻的行为——点击、不点击,从而将点击概率较高的新闻推荐给用户,提高推荐效果,可广泛应用于新闻门户网站,如人民网、网易新闻等。
详细 >>

郭文文、郭泰、杜宝琛、马正

新媒体时代下新闻传播“五力模型”的构建及可视化实现
  新媒体的出现给新闻带来了传播主体和传播方式的变革,影响了新闻传播的测度。本文基于新媒体传播环境下的特点,结合传播内容、传播过程和传播效果三个方面的动态因素,建立一个新媒体下的新闻传播的测量工具——五力模型(影响力、传播力、公信力、说服力和号召力),来定量地计算一则新闻的影响力,并对其进行概念界定和指标体系的构建;并通过获取涵盖传播网络、交互过程等动态因素的新闻文本数据,来最终实现并验证新闻传播五力模型的算法及可视化系统,力求客观地衡量新闻的影响力。
详细 >>

李凌云、闫敏、任皓

新闻自动写作若干技术研究
  本文调研了常用的智能化生成文本的方法,鉴于文本数据具有序列性的特点,循环神经网络在文本生成任务上卓有成效,常用的循环神经网络模型主要是LSTM,GRU。本文首先对这两个模型进行了简要介绍,然后应用这两个模型到文本生成中,包括的方法有:1)将训练语料数据经过语言模型生成具有语义特性的分布式词表示,作为LSTM或者GRU的输入,训练得到神经网络模型,将新的数据也使用词表示的方法输入到已经得到的模型中,得到新的文本输出;2) 使用深度生成模型变分自编码,对语料数据学习到一个生成模型,使用该生成模型得到新的文本输出。最后提出这两种方法在实际应用中的困难。
详细 >>