基于机器学习算法的社交数据挖掘与用户偏好的建模

本文提出了用户时事偏好评估模型。首先利用文本挖掘技术对微博数据进行预处理,再通过九种机器学习算法训练对比得到一个最优的时事类文本分类模型。研究结果显示,线性支持分类机为最优分类算法,基于分类结果的偏好评估模型可以结合传统学生评价指标,得到一个更具创新性的用户评价体系用于高校的学生评价工作中。     

跨域实体行为关联及异常分析系统设计

本文对跨身份域行为进行关联分析并进行异常用户识别,在机器学习和深度学习算法的基础上,提出并设计了一个跨域异常行为分析系统,能够根据跨域实体行为进行行为关联从而识别关联用户,获得用户关联关系,并在此基础上识别异常用户。     

中文微博情感分析方法概述

微博短文本的情感分析是Web数据挖掘的研究热点之一,中文微博情感分析主要有两类方法,一是基于情感词典的分析方法,一是基于机器学习的分析方法。本文首先介绍了中文微博情感分析的过程,然后介绍了各种情感分析方法的特点,为面向中文微博情感分析的研究提供参考。     

基于XGBoost算法的房价预测模型

随着人工智能技术的快速发展,机器学习被广泛应用于各行各业,并在多个领域都取得了较好的成果.房价是一个影响因素复杂的热点问题,难以对其做出全面准确的预测.因此,本文尝试在一个相对稳定条件下将相关的机器学习算法应用于房价预测中.本文首先对数据进行缺失值处理、样本的因变量相关分析及标准化处理等一系列预处理,然后结合互联网数据和机器学习中的XGBoost算法对数据集进行建模和训练,最终实现对房价的精准预测.     

基于Python关于世界自杀率影响因素的分析以及机器学习预测

本论文主要通过根据世界卫生组织2018年公布的全球自杀数据与联合国公布的HDI指数,结合世界银行统计的1985-2016年的世界主要国家GDP水平数据建立的数据集为研究与探索数据。利用Python Pandas科学分析库,对影响世界不同国家自杀率的因素进行数据与相关性分析。最后利用机器学习算法训练数据集,获得关于自杀率的预测模型,用于评估与测测国家与地区的自杀风险,从而指导相关政府与机构进行自杀预防工作。     

机器学习在高校大数据的应用现状与趋势

针对高校应用数据量激增，很多数据存在数据孤岛，大数据的隐含价值得不到很好应用的现状，利用可视化分析工具CiteSpace和传统对比分析相结合的方法对2010-2020年的CNKI中的高校大数据、机器学习及其相关领域研究文献进行详细分析研究。研究表明大数据、机器学习和人工智能逐渐成为高校大数据的研究热点，但高校大数据中的机器学习应用研究仍然有限，研究团体之间缺乏合作。这种网络分析和对比分析对未来高校大数据研究具有启示意义。     

基于主成分分析的房地产市场情绪指数构建 ——以重庆市为例

以构建房地产市场情绪指数为研究目标,爬取2019.07~2020.06 期间房地产舆情数据,基于情感词典及机器学习算法进行文本情感分析,构建舆情情感指数作为直接情绪指标;选择房地产开发投资额、新开工建筑面积、每月房屋成交建筑面积、楼面地价、个人住房贷款发放金额5 个指标作为间接情绪指标,结合文本情感分析技术得到的舆情情感指数,利用主成分分析方法构建复合市场情绪指数;与同期百度指数及冰山指数比较进行检验分析。结果表明,房地产市场情绪指数构建合理,可以反映房地产市场发展走势,为构建房地产市场情绪指数提供了一个合理方法。     

基于大数据挖掘的广播电视客户价值分析

以客户价值理论为基础,建立了基于LRFMC模型的广播电视用户价值评估模型,利用python网络爬虫获取用户数据进行实证分析,对数据进行清洗和标准化处理,并利用K-Means聚类分析对用户进行合理分类。通过比较不同类型用户的价值,对不同类别用户采用区别化的营销策略。     

面向城市空间的实景视觉体验评价技术

虽然环境体验在开放空间设计中越来越受到重视,但是准确的描述和测量环境体验却较为困难。本研究介绍了一种基于实景(in situ)体验中的实时(real time)心理物理反馈数据的视觉及综合体验评价新技术,及其在规划设计评价中的应用。研究采用实验手段,利用便携式生物反馈仪和GPS采集人在实景体验中的心理物理反馈和空间位置移动数据,并采用情感计算(affective computing)技术对生理指标进行加工和体验预测。通过整合情感数据和空间数据的情感制图(affective mapping)技术,实现对建成环境体验的实景视觉体验评价,识别激发负面体验的环境因素并进行改进设计。     

乳腺癌患者配偶心理状况的调查与原因分析

目的:探讨乳腺癌患者配偶心理健康状况,分析相关的原因,为临床护理人员促进患者配偶身心健康,提高患者及其配偶生活质量提供依据。方法:选择确诊为乳腺癌并行根治术的140例住院患者配偶作为研究对象,采用症状自评量表(Self-reporting Inventory SCL-90),对其心理健康状况进行调查并进行分析。结论:乳腺癌患者配偶的心理状况差,在治疗护理乳腺癌患者同时,需关注其配偶的身心健康,便于采取针对性地情感支持及心理护理干预,为患者提供更好的家庭支持,有利于患者康复。