人民网首页人民网首页传媒频道|人民网研究院

--2018北京邮电大学篇
奖学金简介
2018年颁奖仪式
中国人民大学|北京大学|清华新闻学院|中国传媒大学|武汉大学|复旦大学|南京大学
华中科技大学|厦门大学|四川大学|北京邮电大学|清华计算机系|哈工大|陕西师大|
人民网 >> 传媒 >> 传媒专题 >> 人民网奖学金 >> 北邮2018

获奖名单

2018人民网奖学金获奖名单：
一等奖：王子妍
二等奖：肖南馨、邹迪
2018人民网优秀论文获奖者名单：
一等奖：胡倩
二等奖：闫晨巍 赵朋亚 王丙乾；马正 张帅 赵朋亚
三等奖：石文超, 程逸涵；王艺宁 李芬 荣培杉

往年奖学金获奖论文回顾：

2017北京邮电大学篇
2016北京邮电大学篇
2015北京邮电大学篇
2014北京邮电大学篇
2013北京邮电大学篇
2012北京邮电大学篇

优秀论文一等奖（1）

胡倩

基于社会网络的节点影响力度量模型研究
社会网络节点影响力研究是社会网络分析的关键基础问题之一。由于在网络中节点的异质性特征，使得“位置”不同的节点对于网络整体功能的形成和维持具有不同的作用和影响。故有必要从理论上分析研究网络中不同“位置”的节点在整个网络中的地位和作用，并结合社会学理论基础进一步解释节点带来的影响力。本文基于复杂网络节点影响力测量方法、社会学的三元闭包和结构洞、划分社区的理论研究，对不同“位置”的节点（位于紧密群体中心和多个群体交界）提出了CKSC嵌入性度量模型和NOBurt结构洞度量模型的整体框架，并阐述了模型相关函数进一步选择依据方法。其在人民网针对不同的网络结构，衡量新闻传播路径选择效果、个性化推荐、关键人物提取等问题研究上具有重要的实际意义。
详细 >>

优秀论文二等奖（2）

闫晨巍 赵朋亚 王丙乾

基于人民网新闻标题的短文本自动分类研究
自动文本分类技术将人类从繁琐的手工分类中解放出来，使分类任务变的更为高效，为进一步的数据挖掘和分析奠定基础。对于新闻来说，简短的新闻标题是新闻内容的高度总结，针对短文本的分类研究一直是自动文本分类技术的研究热点。本文基于人民网观点频道中的数据，采用深度学习中的卷积神经网络（CNN）和循环神经网络中的长短时记忆模型（LSTM）组合起来，捕捉短文本表达的语义，对短文本自动文本分类进行智能化实现，为新闻网站的新闻分类实现提供参考。
详细 >>

马正 张帅 赵朋亚

基于机器学习的相关新闻事件挖掘
网络新闻的发展导致新闻稿件数量的极快上涨，如何在大量的新闻数据中快速准确的找到想要分析的新闻事件的所有新闻文本就成了一个急需解决的问题。常见的方法是搜索关键字之后再进行人工搜集，效率低下。本文以新闻领域的理论为基础提出新闻事件相关文本的挖掘方法。首先以新闻网站的新闻文本作为研究对象，通过TextCNN模型对新闻进行领域分类，然后使用Word2vec得到词向量、TF-IDF作为词语的权重以及新闻领域的经验相结合来查找相关新闻文本。实验结果表明，显著提高了识别效率。
详细 >>

优秀论文三等奖（2）

石文超, 程逸涵

基于用户社交关系的个性化推荐
推荐系统是为了推荐用户可能感兴趣的产品，推荐平台上的内容为用户提供个性化服务逐渐成了很多平台的重要任务。但是很多平台只能获取到用户的隐式反馈信息,而且每一个用户只在少量的商品上产生行为，导致平台获取到的数据集是非常稀疏的。传统的推荐算法在面对这两个问题的时候效果并不好。在这篇文章中，我们提出了一个基于社交中相似好友的贝叶斯个性化排序算法(SFSBPR)，缓解了在基于用户隐式反馈的推荐中的数据稀疏性问题。实验结果表明我们的方法比其他推荐算法在现实世界的稀疏数据集上效果更好。
详细 >>

王艺宁 李芬 荣培杉

基于K-Means算法的新闻文本内容过滤
随着计算机信息技术的不断发展，如何快速有效地在庞大的文本数据中挖掘有用信息与知识并为研究所用，成为了当下研究者的热点话题。本文针对新闻文本数据，提出一种基于K-means算法的新闻文本内容过滤技术，对文本聚类过程中文本表示部分进行改进，引入LDA概率主题模型，深层次挖掘文本语义信息。该技术能够挖掘文本隐藏结构和潜在信息，更有效的筛选出与用户历史浏览行为相似的文本数据，同时过滤掉有害信息。本文旨在为用户快速而精确地推荐新闻、文章等信息，提升检索精确度与缩短检索时间，最大程度改善用户体验，创造经济与社会价值。
详细 >>