基于神经网络的数据挖掘算法研究

神经网络可以实现分类、预测等多种网络模型。将神经网络的BP(前馈神经网络)和SVM(支持向量机)数据挖掘算法应用于西安地区的空气质量预测,虽然它们的泛化和收敛能力不同,但通过以往的历史数据训练网络模型。实验结果证明该算法可以较准确地预测未来的数据。     

基于网络舆情倾向性分析的机器学习方法研究

本文重点是对网络用户中的网络舆情倾向性进行分析,构建一种准确率更高的模型来实现情感倾向判断.网络舆情倾向性分析主要是通过机器学习的方法和制定部分规则的方法,从而能够更加准确地判断出句子的情感倾向性,进而能在实际生活中进行有针对性地积极引导调控.基于此,提出一个设想,对于机器学习的方法之间的结合与本身的改进,再加入规则的制定,能够提高机器对情感句子的分析准确率.对于模型应用之前的特征提取的方法进行比较选取,通过特定的特征选取方式使得构造向量空间更加准确,再通过比较不同分类算法进行比较选取.     

数据挖掘技术在网络舆情危机管理中的应用研究

网络舆情危机事件发生后,能否对网络舆情危机进行有效管理,关系到舆情危机的成功处理,也事关社会的和谐与发展.因此,加强网络舆情危机事件的管理研究,对提升社会的危机管理能力具有重要意义.随着信息化技术快速发展,数据挖掘技术应用范围越加广泛,信息化管理在优化网络舆情危机的应对方法和改善舆情危机管理中发挥着重要作用.本次研究通过对数据挖掘技术在网络舆情危机管理中的融合特征进行分析的基础上,基于网络舆情危机管理现状,对数据挖掘技术在网络舆情危机管理中的应用进行了详尽论述.     

基于社会网络的网络舆情挖掘技术与应用研究

针对当今互联网时代网络言论复杂化而带来的监管难题,以信息技术为依托,设计了基于社会网络的网络舆情挖掘系统。在系统的设计过程中,结合实际需要,整合了网络数据挖掘算法等多项功能模块对系统进行了较为全面的设计。而后对系统进行测试,测试结果显示,该系统能够实现较为精准和高效的网络舆情挖掘,并为后续的工作提供建议,其具有一定的实际应用价值,有望进一步推广应用。     

数据挖掘技术在网络舆情危机管理中的应用

只有保证网络舆情危机事件管理的及时性、有效性,实现对舆情危机的成功处理,关乎着社会的和谐发展,数据挖掘技术的出现和应用,可以实现对网络舆情危机管理的精细化、智能化管理,因此,为了进一步提高舆情危机管理水平,现以数据挖掘技术应用为例,针对新形势下网络舆情存在的问题,将数据挖掘技术科学应用于舆情质量管理指标、网络舆情危机管理工作量、网络舆情分组聚类、提供个性化服务等领域中,使得数据挖掘技术与网络舆情危机管理进行充分结合。文章所提出的数据挖掘技术应用方案具有较高的可靠性和可行性,完全符合实际应用需求,旨在通过这次研究,为相关人员提供有效的借鉴和参考。     

基于贝叶斯网络的智能舆情分析监控技术研究

针对社交网络信息传播速度快,容易造成负面情绪大面积传播引发网络舆情的问题,文中进行了智能舆情分析监控技术的研究.通过使用朴素贝叶斯网络作为情感倾向分类器,并与堆叠降噪自编码器相融合,构建了智能舆情分析监控模型.将社交网络上的文本信息进行预处理,通过与情感词典比对进行分词,同时使用TF-IDF算法计算特征权重并构成词向量...     

基于SVM的边境频谱监测数据分类预测

通过支持向量机对监测数据样本进行学习,建立了基于边境频谱监测数据特征的数据样本的国别分类预测模型,分析了影响预测准确度的主要因素,并得出结论。实验结果表明,该国别预测模型是有效的,并且对监测数据样本进行归一化处理后,使用多项式核函数支持向量机,对监测数据样本进行国别预测具有较高的预测准确度。     

基于核向量机的模式分类及其实验测试

文中使用一种新的SVM变种--核向量机来对大样本数据集进行训练建模,进而求解模式分类问题.CVM算法是将核函数转换为最小包围球问题进行求解,可以解决任何线性或非线性分类问题.测试结果表明,核向量机可以快速对大样本数据进行分类并能产生较少的支持向量.     

基于时空大数据挖掘的网络舆情研判方法研究

针对在互联网的迅速发展过程中需要对网络舆情进行实时、准确研判的问题,使用数据挖掘技术建立了一套舆情实时监控系统.为了实时获取互联网信息,系统使用爬虫技术构建网络信息实时获取平台,并通过标准化的处理流程生成舆情数据库.为了实时监控大流量的互联网数据,文中借助K-means与SVM技术对不同种类的舆情数据进行分类,并通过实...     

NLP技术在特种设备舆情管理中的应用研究

自然语言处理(NLP)技术等新一代信息技术发展,为特种设备舆情信息分析分类带来新的路径.针对特种设备舆情分类需求,在分析特种设备舆情数据处理流程的基础上,开展舆情文本分词、文本向量化与朴素贝叶斯分类技术研究,进而对2018年1月份至2020年6月份6983条特种设备舆情样本进行建模分析,结果显示特种设备舆情具有明显的文...     

大数据环境下的网络舆情管理系统设计

随着网络的快速发展,越来越多的人们通过网络发表个人观点及看法,网络舆情成为社会舆情中的重点对象和主要方式.本文通过对大数据环境下网络舆情及其特点的阐述、分析,结合数据挖掘、文本情感分析等技术,初步构建出了网络舆情管理系统的模型.     

基于数据挖掘的高校学生网络行为分析与管理研究

随着移动互联网和高校校园网的日趋完善,大学生已成为网络社会最主要的社会群体之一。网络已成为大学生校园生活和日常生活不可缺少的重要工具之一,对高校学生网络行为进行分析、管理和引导具有重要的作用和深远的意义。文章重点对网络访问数据预处理、网络访问数据清洗、网页分类等核心环节进行了阐述,并构建了网络行为分析与管理系统,为高校网络部门优化校园网络服务、保障网络安全提供了参考。     

政府网络舆情监控系统的实现

互联网以其便捷、虚拟化、传播快等特点使大众更乐于通过网络方式发表各自看法,形成网络舆情。政府通过构建网络舆情系统,及时了解社情民意,主导网络舆情。从网络舆情系统技术实现方面,介绍了舆情系统进行舆情收集、分析、预警、报告的整个过程,详细论述各个过程实现的关键技术,从而为理解和构建政府舆情监控系统提供参考。     

基于神经网络的故障诊断数据挖掘系统结构的研究

提出了挖掘机液压故障诊断数据挖掘系统的结构框架,并给出了神经网络模型.通过挖掘机液压故障诊断数据挖掘系统的运用实例,验证了系统的正确性和实用性.     

基于大数据技术的网络舆情分析系统研究

基于对大数据技术下网络舆情分析系统的研究,文章阐述了大数据技术和网络舆情的基本内容;分析了大数据技术下的网络舆情分析系统,包括系统功能、关键技术、模型设计等;强调了对大数据技术进行合理应用的重要性,以确保系统设计合理,发挥系统优势.     

基于Vague-Sigmoid核函数的PSVM故障诊断算法研究

支持向量机因其相比于传统算法具有良好的分类性能,而广泛地应用于故障诊断研究中。但标准SVM存在训练时间长,占用内存大的不足。近似支持向量机（Proximal Support Vec-tor Machines,PSVM）算法具有训练速度快占用内存少的特点,特别适用于大量数据的故障诊断。但其对于分类超平面附近点的诊断精度略显不足。针对此类问题文中将耗时较少的Vague-Sigmoid核函数应用于PSVM,用以提高其对于在分类面附近样本的分类精度,仿真证明获得了较好的效果。     

网络舆情的云计算监测模式分析与实现

针对传统网络舆情监测方式的不足,选取较为成熟的云计算架构,采用统一收集各局域网日志,并对海量数据使用云计算技术进行存储和分析的方法,提出了一种网络舆情云计算监测模式及其具体实现方法,并通过实验给出在设备配置、分析效率等方面有参考意义的实验数据。     

基于电子商务中的数据挖掘技术研究

电子商务是新兴的现代商业模式,数据挖掘是先进的信息处理技术。随着商业信息和数据的急剧增加,如何有效地分析和利用信息成为企业共同关注的问题。阐述了电子商务的概念,分析了数据挖掘的作用和工作流程。讨论了电子商务中挖掘信息的目标、方法及数据挖掘技术在电子商务中的几点应用。     

基于数据挖掘的增值业务网管告警关联分析模型

随着增值业务的种类越来越多、规模越来越大,仅仅通过领域专家获得告警关联知识已经无法满足网络维护的需要.因此数据挖掘技术在告警关联分析中的应用应运而生,它在解决告警关联分析问题时首先通过大量历史告警的一些统计规律来发现告警关联规则,然后根据规则分析和预测网络中可能出现的故障.本文介绍了适用于增值业务网管系统的告警关联规则...