基于弱相关化特征子空间选择的离散化随机森林并行分类算法

随着大数据时代的到来,数据信息呈几何倍数增长。传统的分类算法将面临着极大的挑战。为了提高分类算法的效率,提出了一种基于弱相关化特征子空间选择的离散化随机森林并行分类算法。该算法在数据预处理阶段对数据集中的连续属性进行离散化。在随机森林抽取特征子空间阶段,利用属性向量空间模型计算属性间的相关性,构造弱相关化特征子空间,使所构建的决策树之间相关性降低,从而提高随机森林的分类效果;并通过研究随机森林的并行化策略,结合MapReduce框架,改进并实现了随机森林模型构建过程的双重并行化,进一步改善了算法的计算效率。     

常州市天宁区城管: 三项举措助力现代化城乡治理样板

按"长三角三新经济高地、现代化城乡治理样板"的要求,江苏省常州市天宁区城市管理局在城市管理的整体性、宜居性和包容性等方面作文章,在郑陆镇城打造现代化城乡治理样板. "纺锤型"治理,让城市管理更精密.以源头治理为导向,积极探索推进前端规划、监管整改,末端处罚一体化运作的工作机制,着力打造"聚焦首尾、过程细致、相互联动"的"纺锤形"城市治理模式.更好地推动各类问题在前端、中端环节得到及时防范和化解,切实实现源头治理.进一步梳理管理流程,细化整治工作,充分发挥城管系统"大数据+网格化+铁脚板"优势,对重点区域问题进行重点关注,重点巡查.通过"城管执法路段责任制"统一划分责任区域、指定执勤点位、落实责任单位,做到巡查管理不留死角,发现问题及时处置.开展考评巡查案卷数据分析,对研判问题类型特点、多发区域,及时调整力量加强重点监管,防止问题反复.2021年,郑陆镇共发现、整改问题2521处,城市长效管理考核列全市第2.     

位置社交网络中基于评论文本的兴趣点推荐

随着位置社交网络(Location-Based Social Networks,LBSN)的快速发展,兴趣点(Point-Of-Interest,POI)推荐对于用户和商家愈发重要。目前基于社交网络的兴趣点推荐算法主要利用用户的历史签到数据和社交网络数据来提升推荐质量,但忽略了利用兴趣点的评论文本数据;并且LBSN中的数据经常会存在部分信息缺失的情况, 对兴趣点推荐算法而言如何保证鲁棒性是一个巨大的挑战。为此,提出了一种新的用户兴趣点推荐模型,称其为SoGeoCom模型。该模型融合了用户社交网络数据、地理位置数据以及兴趣点的评论文本数据这3个因素来进行兴趣点推荐。基于来自Yelp的真实数据集的实验结果表明,与其他主流的兴趣点推荐算法相比,SoGeoCom模型能够提高准确率和召回率,并且具有良好的鲁棒性,获得了更好的推荐效果。