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。     

用户画像在电网设备供应商管理中的应用

国家电网在国民经济发展中扮演着重要角色，选择高质量的供应商合作是其提供优质服务的前提.许多专家学者在供应商的管理方面做了许多贡献，但仍存在解决问题单一，主观因素过强的问题.针对项目中供应商管理的多应用和研究现状提出了基于用户画像的供应商管理方案，该方案主要通过用户画像对供应商信用评分、供应商产品选择和供应商长期合作可行性等方面进行辅助决策.文章主要对画像的标签体系和内容进行了详细阐述，重点分析了基于自然语言处理的模型标签生成方法.并结合供应商产品选择案例简述了用户画像在辅助决策上的应用方法，证明了在画像的基础上的方法可以提高供应商选择的精确度，简化了业务流程.     

基于互联网智能人单合一技术的任务画像算法模型

传统方法对各类标签的聚类效果较差，导致模型生成的任务画像字段过短，因此构建基于互联网智能人单合一技术的任务画像算法模型。根据建立的互联网标签与用户标签，采用共现分析法进行标签聚类；基于互联网智能人单合一技术设置画像体系生成任务画像，使用BP神经网络算法建立任务画像算法模型。实验结果表明：与两种传统算法模型相比，此次构建的任务画像算法模型的SC值评价指数更好，标签聚类效果更佳，任务画像生成的数据字段片段可以详细描述员工任务现状。     

用户画像在教育资源个性化推荐中的应用研究

个性化教育资源推荐是教育领域重要的研究课题。在大数据背景下,用户画像为教育资源的个性化推荐服务提供了新的研究方向。本文将基于学生用户画像构建的学习者多维标签应用于教育资源的个性化精准推荐中,不仅满足了学生个性化学习的需求,提高了学习效率与效果,而且使得教育资源得到了充分利用。     

用户画像和标签在电力服务系统中的应用研究

为了提高电力服务系统服务水平,对用户画像和标签在电力服务系统中的应用进行研究.主要根据现实需求,利用大数据、K-means算法等进行系统设计,并对用户标签模型应用进行了设计.研究结果显示,用户画像和标签能够提升电力服务系统性能,因此具有一定应用价值,可以投入实际应用.其良好的作用表现能够解决以往问题,实现提高电力服务系...     

基于WinCC的烟箱标签打印系统设计

根据复烤烟叶包装流程和工艺要求,基于WinCC开发了烟箱标签数据采集、打印管理信息系统;系统组态了标签打印监控界面,通过脚本实现了打印参数的设置,烟叶基础数据维护;利用Bartender软件设计了标签模板;采用OPC方式自动获取分析仪的化学成分数据,并通过C Script和User Archive实现了打印数据自动归档;综合运用ODBC、DAO和ActiveX自动化技术,通过VBS脚本编程实现数据库标签数据查询、动态打印功能;该系统投入使用后,运行可靠,效率高,为卷烟配方提供了烟叶内在质量的数据支持.     

基于用户画像及多车协同的环岛车辆换道策略

基于智能网联汽车车-路-环境的协同策略已成为一种解决智能交通领域问题的有效方案。因此通过结合交通环岛的行车特点,提出了一种基于车辆用户画像的交通环岛换道策略。首先为了解决交通环岛中智能网联汽车多源异构数据的混杂问题,定义了车辆用户画像,对智能网联汽车多维数据进行表征。其次,基于随机森林算法对车辆用户画像中标签的权重进行实时更新。再次,根据车辆用户画像及动态权重设计收益函数针对环岛出口位置的内道车辆进行换道决策,实现了决策的场景自适应。最后,利用SUMO对本算法在交通拥堵、正常、稀疏等三种场景中进行仿真测试。实验结果表明本算法使得车辆在交通环岛的通行效率和舒适度均得到有效提升,以此验证了车辆用户画像对于优化决策的场景自适应效果的作用。     

融合大数据技术与深度学习的学生画像系统设计

学生画像系统是学校信息管理迈向现代化的重要标志,在应用过程中存在每秒响应次数过低的问题。因此,文章设计一种融合大数据技术与深度学习的学生画像系统,改善上述缺陷。采取去停用词的处理方式,确定数据集权重,利用大数据技术采集异构源数据,基于深度学习构建学生画像标签维度模型,制定数据上报协议,按照信息提取的时间粒度以及标签展示方式,架构系统预警提醒功能。测试结果:设计的学生画像系统与另外两种学生画像系统的每秒并发次数均值分别为611.53次、497.33次、492.52次,说明此次设计的学生画像系统在结合大数据技术与深度学习后,负载平衡效果更佳。     

基于大数据平台的企业画像研究综述

随着国民经济的发展,企业的数量不断增加。基于企业运营时产生的海量数据,可以利用大数据技术结合企业画像的理论来对企业进行全面分析,为企业成长、行业发展、政府监管等各方面提供可靠的数据分析。文中首先对当前国内外企业画像构建及其技术进行总结和分析,构建了基于大数据平台的企业画像标签体系模型和建模框架;然后根据企业数据的特点,结合比较热门的用户画像技术,提出了几种处理企业的数据方法;最后提出使用大数据技术处理企业数据时值得讨论的几个问题。     

基于低秩稀疏分解优化的图像标签完备

大量上传的网络图像因用户语义标注的随意性,造成了图像标签的不完备,大大降低了图像检索的效率.低秩稀疏是一种有效降低数据噪声的方法.为提高图像语义标签完备的准确度,提出一种基于低秩稀疏分解优化(LRSDO)的图像标签完备方法.首先结合待完备图像的视觉特征和语义搜索其近邻图像集;然后通过低秩稀疏分解模型获得其视觉特征与语义之间的映射关系,并以此预测该图像的候选标签;最后使用面向个体的标签共现频率方法对候选标签进行去噪优化,进而实现对其更加准确的自动图像标签完备.在基准数据集Corel5K和真实数据集Flickr30Concepts上进行了实验,结果表明,该方法在图像标签完备的平均准确率,平均召回率和覆盖率上均表现出更优的性能.     

学生画像技术在教学中的研究实践与应用

"学生画像"技术起源于电商领域的用户画像技术,指通过记录学生各种在校活动的数据,对其进行分析并将信息抽象成标签的过程.文章详细说明了通过数据采集、数据预处理、数据分析、聚类建模来完成学生个体和集体画像的技术实现过程;描述了将学生画像结果应用于教学后,对教师快速识别后进学生,督促其养成良好的学习习惯,制定个性化的帮扶措施,改进教学设计等都有较大的帮助.     

基于多数据源融合的用户画像构建方法

基于多数据源融合挖掘用户的属性特征,为企业开展个性化推荐和精准营销提供了思路和参考。论文以构建多维用户画像为目标,提出了融合多数据源的用户画像构建方法。首先,基于改进的k-means聚类算法针对搜索记录数据和京东评论数据分别建立了用户兴趣特征标签库和用户消费特性标签库;其次,利用word2vec词向量进行相似度计算来获取用户的兴趣偏好和消费偏好;最后,利用多数据源不同偏好之间的关系计算用户偏好系数来获取用户的融合偏好,从而得出融合后的用户画像,验证了融合多数据源构建用户画像方法的可行性。     

基于动态用户画像的信息推荐研究

针对传统信息推荐方式精度偏低的问题,引入用户画像作为推荐基础,在深入研究文本分类和用户行为后,提出一种基于动态用户画像的推荐方法.该方法通过动态分析用户历史数据,预测用户的兴趣变化趋势,从而实现动态推荐.离线实验证明,该方法在预测用户偏好变化方面具有一定优势,相较于传统的基于标签的信息推荐,提高了推荐精度.     

人工智能背景下基于学生画像的个性化学习研究

本文在人工智能背景下,以学生画像为基础,探讨了个性化学习研究的相关问题和方法。首先,分析人工智能领域催生个性化学习的新范式,包括学生画像支持的精准多层的个性化学习。其次,介绍了学生画像在个性化学习中智慧建构的一般过程,包括数据获取、数据处理、标签建构、可视化呈现等。最后,对基于学生画像个性化学习的应用进行了分阶段的研究,以期为基于学生画像的个性化学习研究与实践提供一定的参考。     

基于客户画像的多元化能源消费侧数据安全实时监测

为了解决由于能源消费侧数据多元化导致的数据安全监测精度低的问题，提出了基于客户画像的多元化能源消费侧数据安全实时监测方法。以收集不同客户的能源消费数据为基础，分析客户的消费规律，并利用设置标签的方式生成客户画像，提取用户实时能源消费数据的变化特征，从而实现多元化能源消费侧数据安全实时监测。实验结果表明，所提出的方法可有效地降低能源消费侧数据的监测误差，即设计的数据安全实时监测方法在监测精度方面具有优势。     

弱标签环境下基于语义邻域学习的图像标注

图像语义自动标注是实现图像语义检索与管理的关键,是具有挑战性的研究课题.传统的图像标注方法需要具有完整、准确标签的数据集才能取得较好的标注性能.然而,在现实应用中获得数据的标签往往是不准确、不完整的,并且标签分布不均衡.对于Web图像和社会化图像尤其如此.为了更好地利用这些弱标签样本,提出了一种基于语义邻域学习的图像自动标注方法(semantic neighborhood learning from weakly labeled image,SNLWL).首先在邻域标签损失误差最小化意义下,填充训练集样本标签.通过递进式的邻域选择过程,保证建立的语义一致邻域内样本具有全局相似性、部分相关性和语义一致性,并且语义标签分布平衡.在邻域标签重构误差最小化意义下进行标签预测,降低噪声标签对性能的影响.多个数据集上的实验结果表明,与已知的具有较好标注效果的方法相比,此方法更适用于处理弱标签数据集,标准评测集上的测试也表明了此方法的有效性.     

大数据驱动用户运营

针对海量的用户视频行为数据,如何利用这些数据对用户进行画像,找到用户的偏好,从而进一步实现精准营销,是本文重点探讨的话题。基于此,本文实现用户中心运营系统。介绍系统的功能架构,本系统基于大数据平台,构建用户标签体系,详细阐述用户标签的构成开发方式以及用户分群,并针对特定的人群进行相应的营销策略的推荐。最后介绍该系统的实际应用情况。用户中心运营系统业务人员更加地了解用户,从而使运营的策略更加准确。     

基于广告联盟的虚拟身份画像方法研究

目前,网络虚拟账号繁多,大多数账号无需实名认证便可使用,这样不利于网络空间的安全维护与监管。针对这一情况,提出一种以虚拟账号为属性的网络空间身份画像方法。该方法首先利用大数据预处理技术实现从无关联的http post数据提取网络虚拟账号;然后,基于广告联盟机制,利用页面标签技术中Cookie存储用户唯一ID,将虚拟身份进行关联绑定与关联分析,进而构建虚拟身份画像原型;最后通过相似度计算方法,完成相似画像原型的重组。实验结果表明,该方法能有效刻画网络空间身份。     

嵌入式无线频率识别设备的设计与实现

为了降低RFID系统标签的冲突几率,优化RFTD系统的效率,设计并实现了一个基于XScale处理器的嵌入式无线频率识别设备(radio frequency identification device)的读写器系统.该系统的RFID阅读器封装了底层的硬件驱动,功能模块扩展方便,实现了对电子标签的识别功能.该系统优化了基于动态帧时隙ALOHA防冲突算法,有效地避免了电子标签数据冲突,降低了RFID系统中数据碰撞的概率,提高了电子标签系统的识别效率和稳定性.实验数据表明了基于动态帧时隙ALOHA防冲突算法的有效性.     

基于混合样本自动数据增强技术的半监督学习方法

基于一致性的半监督学习方法通常使用简单的数据增强方法来实现对原始输入和扰动输入的一致性预测.在有标签数据的比例较低的情况下,该方法的效果难以得到保证.将监督学习中一些先进的数据增强方法扩展到半监督学习环境中,是解决该问题的思路之一.基于一致性的半监督学习方法MixMatch,提出了基于混合样本自动数据增强技术的半监督学...