分类： 信息资源管理 >> 情报学 提交时间： 2024-09-26
摘要：【目的/意义】对我国省级数据要素市场政策文本进行量化评价，为相关政策的制定和优化提供理论参考。【方法/过程】获取2019-2024近6年我国数据要素市场相关的政策文本，采用LDA模型进行文本挖掘，结合现有文献关于政策评价指标的设定，构建数据要素市场政策的评价体系，并运用PMC指数模型对其中7份省级数据要素市场政策文本进行量化评价。【结果/结论】研究表明，在7项政策中，有1项为优秀政策，6项为良好政策。我国省级数据要素市场政策总体态势良好，但仍有一定的改善空间。在此基础上本文提出完善顶层设计、增强政策时效、扩大政策主体、把握政策主题、完备政策保障五点优化建议。
分类： 信息资源管理 >> 情报学 提交时间： 2024-09-18
摘要：[目的/意义] 本研究应用LDA模型深入挖掘国际人工智能监管政策，旨在明确各国监管焦点与趋势，为全球AI治理策略提供参考。[方法/过程] 通过分析22份国际政策文件，本文采用LDA主题聚类分析法，识别并探讨关键主题词，揭示监管热点。[结果/结论] 研究揭示了六个核心监管主题：系统风险评估、伦理法律规范、社会影响治理、透明度与信任、创新与风险控制、全球监管策略，并据此提出四项政策建议。[创新/局限] 研究创新性地运用LDA模型为AI监管政策分析提供新视角，但主要限于文本分析。未来研究可通过实地调研和跨学科方法进一步拓展。
分类： 信息资源管理 >> 情报学 提交时间： 2024-09-19
摘要：【目的/意义】构建科普类微博信息质量评价指标体系并训练RBF神经网络进行评价模拟，为提升科普类微博信息质量提供参考。【方法/过程】基于现有研究成果与用户问卷调研，构建评价指标体系。根据指标体系获取评分数据进行实证，通过CRITIC-TOPSIS综合评价对25位科普类博主进行评分并利用评分数据训练RBF神经网络。【结果/结论】构建了包含5个一级指标与18个二级指标的评价指标体系，训练的神经网络可以模拟复杂多维指标体系下的信息质量评价，直接输出评价结果，精确率达到96%。为科普类微博信息质量评价提供了可参考的指标体系与准确、易用的评价方法。
主办：中国人民大学 承办：中国人民大学书报资料中心
邮箱: yuyin@ruc.edu.cn 电话:62516972 62515820
地址: 北京市海淀区中关村大街59号
版权所有©2024 中国人民大学
点击量
点击量
下载量
评论
待评议
京公网安备11040102700185