学生综合素质评价的用户画像构建研究

提升职业院校学生综合素质评价的科学性与准确性,是建设现代职业教育体系的必然要求。文章按照学生综合素质评价体系的要素,采集学生在校期间产生的海量数据,并对海量数据清洗、交换和集成。通过标签定义和模型特征构建,实现基于学生思想品德、身心素质、学业水平、实践能力、职业能力和指标评价的用户画像模型。该模型的构建为学生综合素质评价的方法、过程、反馈提供了新思路和新方法。     

面向药店会员用户画像的构建及应用研究

针对现阶段医疗领域的用户画像研究方法存在数据收集模式单一、对数据分析力度不够和对知识的融合较差导致构建的用户画像维度单一、精准度较低的问题,提出一种基于多视角、多维度的药店会员用户画像的构建方法。分别从传统的消费视角和医药视角,从用户基本属性、用户社会属性、用户行为属性、用户消费属性、用户价值属性、用户生命周期属性和用户医药属性等维度进行数据分析,挖掘传统的画像特征和针对药品特殊商品的关于会员消费、购药周期、疾病特征的医药属性特征。同时构建信息熵分析模型,降低扩充特征维度对传统的用户画像精准度的扰动,从而构建药店会员的用户画像。实验结果表明,相对于传统方法构建的用户画像,在大数据集上的精确度提高了15.41%。     

基于校园大数据的学生画像系统应用研究

随着我国教育事业的蓬勃发展,各高校都在经历着从数字校园到智慧校园的信息化形态升级,开始将大数据技术运用到教学管理、资源优化等工作上,旨在提高教师和行政人员的工作效率,同时也更加全面、具体地开展学生的培养工作,更好地服务于学生。因此,基于校园大数据的学生画像系统应运而生,为精准教学管理、提高教育质量开创了新的方法。本文提出了基于校园大数据的学生画像系统,介绍了该系统的数据来源与实现技术,验证了该系统的实用场景。     

基于大数据和图社群聚类算法的攻击者画像构建

为了在海量、多源、异构的网络威胁入侵日志中快速、准确地甄别真实的攻击事件及发现攻击者,并构建其特征画像,提出一种基于大数据流式解析技术和Louvain社群发现算法(big data stream analysis and Louvain,BDSAL)的构建攻击者画像的方法。根据攻击模式枚举与分类(common attack pattern enumeration and classification,CAPEC)标准定义了安全事件的范式模型,并结合大数据流式消息队列实现将多源异构日志快速范化成为范式化安全事件。通过提取和扩展安全事件的特征生成事件特征图,并按照时空和攻击模式特征,使用社群发现算法对特征图进行聚类,以发现攻击者。最后,结合实验室真实的攻防数据,验证了该方法的可行性和有效性。     

基于虚拟现实技术的台区画像可视化应用

由于配电网台区的业务数据结构较为复杂,因此,在进行台区画像时,通常会因缺乏有效的分类处理方式,而导致构建出的台区画像完整性较差。对此,提出基于虚拟现实技术的台区画像可视化应用。首先以平均负荷率、用电波动率作为主要指标,对台区用电的稳定性进行表征,对台区用电特征标签进行提取。然后结合用电特征的图谱标记结果,对业务画像与业务信息之间的映射关系进行构建,从而实现配电网台区画像建模。最后通过结合虚拟现实技术,将台区画像的信息采用多元的视觉形式进行展示,从而保证用户能够更为直观地获取到业务信息。在实验中,对提出的台区画像技术进行了画像完整性的检验。最终的测试结果表明,采用提出的方法对台区画像进行构建时,区域覆盖度较高,台区画像具备较高的完整性。     

智慧用电管理系统中电力客户立体画像的构建及应用

为了实现智慧用电管理系统中电力客户的优化管理,需要对电力客户进行立体画像构造。提出了基于多维类别特征识别和角点标识的智慧用电管理系统中电力客户立体画像构建方法。用户画像信息跟踪采集模型,采用空间特征域分类方法进行用户画像信息分类处理。利用多尺度逐层分析方法进行模糊电力客户画像的精准定位,提取客户立体画像的用电类别特征量,采用特征域分类和分块匹配方法进行立体画像的误差修复,实现用户画像的特征快速准确定位。对提取的电力客户立体画像用电需求特征量采用支持向量机学习算法进行自适应分类,实现对智慧用电管理系统中电力客户立体画像多维构建。结果表明,采用该方法构建电力客户立体画像的特征细分能力较好,客户立体画像信息准确度高。     

基于大数据技术的大学生学习画像构建

在信息社会,各行各业的管理控制转变为以数据、信息为中心.在高等教育领域,高校重视学生信息数据库的建设,通过学生浏览信息的关键词、种类分布和浏览主题等多个维度构建学生画像向量空间模型.本文使用大数据技术构建学生学习画像基础模型框架,研究学生学习画像在个性化学习、问题预警及辅助学校决策等方面的应用,为高校提升学生培养质量提...     

多源数据驱动的学习者画像构建研究

在线教育是传统教学的一种有益补充,如何提升在线教育的教学质量是一个重要的研究问题。利用学习者在学习平台中留下的多源数据,构建学习者画像,能精准地帮助学习者提升学习效率。在学习者画像构建中加入时间维度,能清晰地展示学习者学习状态随时间的变化,帮助教师更好地掌握学习者的学习情况。     

基于Hadoop平台的家庭经济困难学生画像构建与可视化分析

信息化时代的到来为高等教育带来了机遇和挑战。文章聚焦于如何利用信息化技术,精准赋能家庭经济困难学生,旨在推动教育平等和社会公正的实现。研究中,采用Hadoop框架中的MapReduce模型收集家庭经济困难学生的基本信息、家庭经济状况、学业成绩与学习情况,以及思想与心理方面的数据。通过K-means算法聚类,将这些数据科学地分为特殊困难、困难、一般困难和不困难四个类别。然后,利用Hadoop生态系统中的工具,如Hive、Pig或Spark SQL,对整理后的数据进行分析和统计,生成可视化的图表,展示学生的家庭困难分类等级、思想、学业、心理等多方面信息。通过画像,能全面了解学生的实际情况,当经济状况、学习成绩或心理状态出现波动时,及早发现问题,为学生提供必要的支持和帮助。     

大数据支撑下的人员能力画像和提升

随着电网业务量的不断增大、政策文件的不断更新和新增,目前稽查专业口的稽查人员工作繁重,稽查能力和业务水平需要提升.然而传统的数据处理技术已经无法满足当前电网企业对稽查人员的管理需求.研究通过开展在线学习和考试,分析稽查工作和成效,结合大数据技术从数据采集、存储、处理、分析和监测预警几个方面探讨了大数据技术在电网人员能力...     

基于大数据技术的高职学生画像构建与应用

高职院校的一体化平台集聚了学生相关的海量数据,为构建高职学生画像提供了数据基础。基于大数据技术构建的学生个体画像和群体画像,可以用来分析学生行为、开展精准辅助和学习/行为预警,有助于实现高职教育教学的个性化、精准化和学校管理的主动化、科学化,进而提升人才培养质量。     

面向知识产权的科技资源画像构建方法

大数据时代,面向知识产权的科技资源呈现数据规模大、时效性高和价值密度较低等趋势,为有效利用知识产权资源带来严峻的挑战.同时,各个国家对知识产权中隐匿信息挖掘的需求日益增加,使得面向知识产权的科技资源画像构建成为当下的研究热点.目标是通过智能化的数据获取、实体识别以及可视化的方式对知识产权进行画像构建.然而,现有的科技资...     

基于多源数据融合的电力用户画像构建方法研究

为提高电力用户类型分类精度及电力业务人员工作效率,提出基于多源数据融合的电力用户画像构建方法。收集电力客户缴费数据,采用灰色关联分析法,获取欠费数据与价格指数的关联度,利用电力网络多源数据集合与概率密度函数,提取用户欠费数据多源信息特征,构建电力用户多源数据融合体系,采用改进K均值聚类算法,获得电力用户总体调控簇别,评估用户信息全貌。实验结果表明,所提方法的敏感度用户类型分类精度较高,电力用户画像构建耗时较短,能够有效提高电力业务人员工作效率。     

基于大数据的人才画像技术应用研究

针对企业难以掌握现阶段求职市场的具体人才情况问题,将大数据技术应用于人才画像技术中,构建人才用户画像应用模型.利用数据分析技术对人才用户特征标识数据信息进行采集与提取,依据数据分析算法以及职位内容和主题的相似度设计网络爬虫,清洗处理采集到的原始数据,通过聚类分析方法利用部署环境平台对标签进行加工与处理,采用实际案例对挖...     

在线学习环境下学习者画像构建研究

互联网时代,在线学习成为教育领域的一个重要话题。为了更好地了解学习者的学习情况、跟踪学习者的学习过程、分析学习者的学习行为,文章从个人信息、学习风格、兴趣偏好以及认知水平四个维度对学习者画像进行了设计,并以xAPI技术作为学习行为描述规范,在每个维度下都设计了xAPI学习行为活动流,以收集相应的学习经历数据,构建了基于xAPI的学习者画像模型。     

基于用户画像的信息智能推送方法

针对传统信息推送服务由于缺少对用户个人综合因素的考虑,存在针对性差、推广转化率低的问题,在大数据理论基础上提出了一种基于用户画像的智能信息推送方法。该方法将用户抽象为结构化信息本体,通过构建行为-主题、主题-词汇及行为-词汇三位一体的数学模型,研究基于用户画像的信息本体提取方法。采用包含对象、时间、地点、内容、行为和重返次数六方面内容的事件描述法计算本体权重,以此构建用户画像。设计了基于用户画像的智能信息推送系统,为大数据环境下面向用户的智能信息推送提供了一种新的方法。     

基于多源数据的高校学生画像智能构建系统与应用

用户画像成为通过数据分析深度挖掘数据价值的重要工具,被广泛应用于不同领域。在教育领域,基于跨领域多源数据的学生画像研究和动态智能构建学生画像模型研究相对较少。提出的用户画像智能构建系统整体架构包括多源数据源、数据采集模块、多源数据处理模块、智能构建模块和画像应用模块。通过线上数据采集单元和线下数据采集单元自动采集高校学生多源数据,再对采集数据进行智能处理,进一步设计学生多层次标签库和使用贝叶斯定理创建多源数据智能构建模型,实现用户画像智能构建,最终形成不同领域有用的多层学生画像信息。实践表明,该系统提高了用户画像构建可靠性和时效性,具有较高的应用价值。     

基于网络日志的用户行为检测和画像构建技术

针对现代互联网环境下,网络日志规模急速扩张,可挖掘内容极为丰富的现状,梳理国内基于网络日志的用户行为检测和用户画像领域的主要文献及工作。简要叙述上述两个领域的基本理论,并以公安工作、电子商务、医疗健康、旅游行业和图书馆业这五个行业中的案例来总结上述两个领域内的主要应用。对网络日志进行挖掘可以极大地提升用户体验,但也要正视其在隐私保护方面的缺失。     

一种用于构建用户画像的多视角融合框架

电网公司的电费敏感客户往往对由用电引发的电量、电价、电费、缴费、欠费等电力服务具有强烈反应。快速定位电费敏感客户,对降低客户投诉率、提升客户满意度、树立供电企业良好的服务形象具有重要的作用。基于电网用户数据,提出了一种用于构建用户画像的多视角融合框架,该框架能够快速、准确地识别出电费敏感客户。首先,对电网用户进行了分析研究,利用双通道对不同特性的用户分别建模预测;其次,提出了多种特征萃取方法,用于构建用户多源特征体系;最后,为了充分利用多源特征,进一步提出了基于双层Xgboost的多视角融合模型。该框架在2016CCF大数据与计算智能大赛“客户画像”竞赛中获得了F1值为0.90379(第一名)的成绩,其有效性得到了验证。