陈芬 作品数:24 被引量:151 H指数:8 供职机构: 南京理工大学经济管理学院 更多>> 发文基金: 国家自然科学基金 中央高校基本科研业务费专项资金 教育部人文社会科学研究基金 更多>> 相关领域: 文化科学 自动化与计算机技术 政治法律 经济管理 更多>>
视频检索的用户策略 被引量:3 2007年 用户策略研究是检索领域需要考虑的重要问题之一。在这篇论文中,笔者首先介绍了国外研究视频检索系统用户策略的一个实验。然后,笔者将该实验得到的一些结论与一般的检索系统相比较。最后,笔者指出了视频检索系统设计应该注意的一些问题。 陈芬 赖茂生关键词:视频检索 用户 自适应关键帧提取技术研究 被引量:3 2014年 基于内容的视频检索和挖掘中,关键帧提取是重要的一环;它能够大量减少冗余信息,为视频特征的有效提取创造了条件。本文将对关键帧提取技术进行探讨,在对现有主要方法进行分析的基础上,提出一种称为最大最小差值的自适应关键帧抽取算法,以便得到有代表性的关键帧组合。 陈芬 赖茂生关键词:视频 关键帧 关键帧提取 视频检索 基于UML的教务管理系统分析与设计 随着国内高校规模的迅速扩大和教育体制的不断改革,高校教务管理工作量大幅度增加,其复杂性也越来越大,这使得高校教务管理工作的信息化和网络化势在必行,开发高效的基于网络的教务管理系统成为紧迫的任务。与此同时,校园网的建立和I... 陈芬关键词:教务工作 计算机网络 文献传递 基于云平台的视频信息分类挖掘研究 被引量:1 2013年 随着视频资源的快速增长,视频挖掘已经成为计算机检索领域最热门的研究课题。海量的视频数据是现有信息处理技术的一大挑战,信息处理效率是视频组织和检索面临的一个难题。近年来,云计算技术得到了极大关注,云计算技术具有大规模、高扩展性等特点,为视频信息的高效组织提供了一个潜在的有效方法。文章基于云平台进行视频分类挖掘实验,重点进行卡通视频检测效果的改进以及不同平台运行效率的对比分析。 陈芬 彭玥关键词:视频分类 视频挖掘 云计算 一种基于文本倾向性分析的网络意见领袖的识别方法 本发明公开了一种基于文本倾向性分析识别网络舆情中的意见领袖的方法。该方法具体包括:一是利用指标分析法构建网络意见领袖识别的指标体系,识别出潜在意见领袖。二是加入文本倾向性分析,引入Word2Vec算法,剔除负面情感比例过... 陈芬 彭玥 许青青 汤丽萍文献传递 融合用户特征与多级文本倾向性分析的网络意见领袖识别 被引量:15 2018年 网络事件中,意见领袖能够传播信息、扩大影响力、引导舆论方向。为了识别意见领袖,文章引入多级文本倾向性分析,自动将文本识别为非常正面、正面、中立、负面和非常负面5种情感倾向,更加精确地表征网民对博主的支持度。在此基础上,进一步融合多种用户特征,构建系统的网络意见领袖识别指标体系,基于新浪微博的真实数据,进行意见领袖识别,并与未加支持度指标的模型以及支持度两级分类模型进行对比,验证了方法的有效性。 陈芬 陈佩帆 吴鹏 薛春香关键词:文本倾向性分析 意见领袖 指标体系 视频主对象特征抽取与分类挖掘研究 被引量:1 2013年 尝试在区域分割的基础上,针对视频帧中用户最为关注的主要角色,提出基于主对象的颜色特征抽取新方法,并在视频分类实验中验证其效果。结果显示,基于主对象的特征抽取能够取得更好的挖掘效果,显示该方法的有效性。 陈芬 苏新宁关键词:视频分类 视频挖掘 复合视频信息组织模型 2014年 视频检索领域,组织模型是一个重要问题;目前,此领域的研究还比较少。本文在广泛的文献调研的基础上,对现有视频信息的组织模式进行归纳、总结,从总体结构设计、视频流的组织结构、用户交互设计、视频资源描述方案四个角度详细描述所提出的复合视频信息组织模型,为视频资源的组织提供一个较为统一的框架。 陈芬 赖茂生关键词:视频 地球系统教育数字图书馆——地球教育科学数字资源中心评析 2008年 地球系统教育数字图书馆(Digital Library for Earth System Education,DLESE)是美国最大的地球教育科学数字资源中心之一.作为NSF NSDL和美教育部支持的一个合作项目,该数字图书馆隶属于大气研究大学联盟(University Corporation for Atmospheric Research,UCAR),具有资源检索、基础研究、科普教育、资源评估等多种功能.文章从资源组织、技术特征、界面设计、服务特点、评价和建议等方面对地球系统教育数字图书馆做了概要的评述. 刘燕权 陈芬关键词:地球科学 数字图书馆 基于SVM多特征融合的微博情感多级分类研究 被引量:27 2017年 【目的】为更精确地识别网民态度,监测网络舆情,提出一种基于SVM多特征融合的情感5级分类方法。【方法】从词性特征、情感特征、句式特征、语义特征4个方面,提取动词、名词、情感词、否定词等14个特征,运用SVM方法对微博情感进行5级分类。【结果】实验结果表明,该方法对情感5级分类的准确率为82.40%,召回率为81.91%,F值为82.10%。【局限】训练语料的规模有待进一步提高。【结论】该方法在情感5级分类方面取得较好的效果。 杨爽 陈芬关键词:支持向量机 句法分析