文本的语义表示是自然语言处理和机器学习领域的研究难点,针对目前文本表示中的语义缺失问题,基于LDA主题模型和Word2vec模型,提出一种新的文本语义增强方法Sem2vec(semantic to vector)模型。该模型利用LDA主题模型获得单词的主题分布...文本的语义表示是自然语言处理和机器学习领域的研究难点,针对目前文本表示中的语义缺失问题,基于LDA主题模型和Word2vec模型,提出一种新的文本语义增强方法Sem2vec(semantic to vector)模型。该模型利用LDA主题模型获得单词的主题分布,计算单词与其上下文词的主题相似度,作为主题语义信息融入到词向量中,代替one-hot向量输入至Sem2vec模型,在最大化对数似然目标函数约束下,训练Sem2vec模型的最优参数,最终输出增强的语义词向量表示,并进一步得到文本的语义增强表示。在不同数据集上的实验结果表明,相比其他经典模型,Sem2vec模型的语义词向量之间的语义相似度计算更为准确。另外,根据Sem2vec模型得到的文本语义向量,在多种文本分类算法上的分类结果,较其他经典模型可以提升0.58%~3.5%,同时也提升了时间性能。展开更多
在环境不确定性加剧与数字化转型深化的背景下,组织数字韧性作为企业抵御风险、实现可持续发展的核心能力,已成为管理学领域的前沿议题。本文基于Web of Science核心合集数据库2012—2024年间收录的314篇管理学文献,采用CiteSpace软件...在环境不确定性加剧与数字化转型深化的背景下,组织数字韧性作为企业抵御风险、实现可持续发展的核心能力,已成为管理学领域的前沿议题。本文基于Web of Science核心合集数据库2012—2024年间收录的314篇管理学文献,采用CiteSpace软件进行知识图谱分析,综合运用关键词共现、共词聚类、战略坐标图以及文献共引聚类与突现检测等方法,系统揭示了管理学视域下数字韧性研究的热点主题与演进趋势。研究发现:组织数字韧性研究的热点涵盖概念界定与测量方法、多层次影响因素及其双元效应等主题,并呈现出从“危机应对”向“韧性预建”的范式转变;同时,组织数字韧性研究形成了以“组织数字韧性”和“供应链数字韧性”为核心的知识结构特征,研究脉络呈现出从组织内部的静态能力建设,逐步扩展至供应链层面的动态适应与协同,并延伸至生态系统层面共生演化的演进趋势。未来需从以下方面取得突破:一是整合碎片化的理论内涵,构建技术—组织—环境协同的评估体系;二是深化影响因素研究,从个体、组织与环境等多维度考察其作用机制;三是拓展应用场景,量化数字韧性在新兴场景中的差异化效应;四是强化跨学科交叉,构建系统性框架以弥合理论创新与实践应用之间的落差。展开更多
文摘文本的语义表示是自然语言处理和机器学习领域的研究难点,针对目前文本表示中的语义缺失问题,基于LDA主题模型和Word2vec模型,提出一种新的文本语义增强方法Sem2vec(semantic to vector)模型。该模型利用LDA主题模型获得单词的主题分布,计算单词与其上下文词的主题相似度,作为主题语义信息融入到词向量中,代替one-hot向量输入至Sem2vec模型,在最大化对数似然目标函数约束下,训练Sem2vec模型的最优参数,最终输出增强的语义词向量表示,并进一步得到文本的语义增强表示。在不同数据集上的实验结果表明,相比其他经典模型,Sem2vec模型的语义词向量之间的语义相似度计算更为准确。另外,根据Sem2vec模型得到的文本语义向量,在多种文本分类算法上的分类结果,较其他经典模型可以提升0.58%~3.5%,同时也提升了时间性能。
文摘在环境不确定性加剧与数字化转型深化的背景下,组织数字韧性作为企业抵御风险、实现可持续发展的核心能力,已成为管理学领域的前沿议题。本文基于Web of Science核心合集数据库2012—2024年间收录的314篇管理学文献,采用CiteSpace软件进行知识图谱分析,综合运用关键词共现、共词聚类、战略坐标图以及文献共引聚类与突现检测等方法,系统揭示了管理学视域下数字韧性研究的热点主题与演进趋势。研究发现:组织数字韧性研究的热点涵盖概念界定与测量方法、多层次影响因素及其双元效应等主题,并呈现出从“危机应对”向“韧性预建”的范式转变;同时,组织数字韧性研究形成了以“组织数字韧性”和“供应链数字韧性”为核心的知识结构特征,研究脉络呈现出从组织内部的静态能力建设,逐步扩展至供应链层面的动态适应与协同,并延伸至生态系统层面共生演化的演进趋势。未来需从以下方面取得突破:一是整合碎片化的理论内涵,构建技术—组织—环境协同的评估体系;二是深化影响因素研究,从个体、组织与环境等多维度考察其作用机制;三是拓展应用场景,量化数字韧性在新兴场景中的差异化效应;四是强化跨学科交叉,构建系统性框架以弥合理论创新与实践应用之间的落差。
