数字化技术在跨境电子商务中的应用

阐述跨境电商发展难点问题，探讨数字化技术助力跨境电商产业升级，包括持续进行技术创新、深度挖掘数据价值、精细化数据运营管理、重视数字技术的应用。     

基于知识图谱表示学习的谣言早期检测方法

社交网络谣言是严重危害社会安全的一个重要问题.目前的谣言检测方法基本上都依赖用户评论数据.为了获取可供模型训练的足量评论数据，需要任由谣言在社交平台上传播一段时间，这就扩大了谣言的危害.本文提出了一种基于知识图谱表示学习的谣言检测方法.该方法不依赖用户评论数据.首先基于PN-KG2REC算法得到实体和关系的表示；然后将待检测三元组中的实体和关系表示进行拼接，得到三元组表示；最后对三元组的向量表示进行分类，并根据分类结果判断待检测三元组描述内容的真假性.采用公开数据的实验结果表明，本文提出的谣言检测方法在不依赖用户评论数据的前提下，能够有效地对谣言进行早期检测.     

基于模糊聚类分析的能源产业信息自动挖掘建模研究

针对当前能源产业信息挖掘结果完整性差的问题，提出一种基于模糊聚类分析的能源产业信息自动挖掘建模方法。在模糊聚类分析算法中引入核学习算法，添加Gaussian核函数，搭建核模糊分析算法。确定核模糊分析算法的初始聚类中心，利用粒子群优化算法优化初始聚类中心，根据优化的初始聚类中心建立能源产业信息自动挖掘的目标函数，获取适应度值。根据适应度值与目标函数选择最佳个体，求解最佳个体的聚类有效性函数，解码输出聚类有效性函数最大时所对应的最优聚类数量与对应的聚类中心，以此搭建能源产业信息自动挖掘模型。实验结果表明，该模型可有效挖掘能源产业信息，在数据集规模不同的情况下该模型的调整兰德系数均较高，挖掘结果的完整性较高，自动挖掘效果佳。     

基于深度信念网络的光通信网络数据异常识别研究

为了降低光通信网络被攻击的概率,保证光通信的安全顺畅,提出基于深度信念网络的光通信网络数据异常识别方法。利用时间-频率相结合的算法建立光通信信道模型,获取信道特征。根据信道特征密度设计数据异常特征的判断准则,利用数据挖掘聚类算法提取异常数据特征。融合BP网络和受限玻尔兹曼机网络,确立深度信念网络结构,结合隐藏层与可见层单元的概率分布情况构建数据异常识别模型,经过数据采集、特征归一化和模型微调等过程完成光通信网络数据异常识别。仿真实验表明,所提方法能够获取准确的光通信网络异常数据特征,光通信网络数据异常识别高和误报率低。     

基于知识挖掘技术的专家智慧萃取复用系统设计

“全民自媒体时代”的到来,给传统内容生产单位带来了激烈的外部竞争和挑战。对此,重点分析如何通过科学的方法萃取单位内部关键业务专家的经验智慧并实现有效复用。通过分析专家智慧在“知识冰山模型”中的分布,针对不同类型载体形式、不同知识类型(显性、隐性)的专家智慧提出知识挖掘方案,并设计专家智慧萃取复用原型系统框架。最后分析当前阶段对专家智慧尤其是隐性知识挖掘的不足并展望未来发展,推动对不同行业领域专家智慧萃取复用能力的向前发展。     

“大学计算机基础”课程思政资源的挖掘和应用

针对当下“三全育人”“立德树人”的综合素质人才培养目标,需从“大学计算机基础”课程的单元或主题教学出发,深入挖掘与思想政治教育相关的理论知识、人物事迹、情境故事资源,并结合网络线上慕课(MOOC)、微课、多媒体教学手段,建构起线上线下融合的立体化课程思政教育体系,包括课程思政教学资源、教学情境、教学方式、实践交互模式等的合理设置,引导学生树立端正的思想价值理念、道德观念,实现“显性+隐性”的协同思政教育育人目标。     

大数据时代的商业智能-自助式BI

在大数据时代,企业对业务数据价值挖掘和展现的需求更加明显,这进一步推动了商业智能或商务智能(Business Intelligence, BI)的发展。经过多年的发展,传统的商业智能已经难以满足要求,自助式商业智能成为了未来的发展趋势。文中主要针对大数据时代的自助式商业智能进行了探讨。     

高质量的材料科学文本挖掘数据集构建方法

科学文献中蕴含的大量历史数据和经验知识,对材料设计与研发具有重要参考价值.文本挖掘尽管能高效地探索并利用被存储在海量科学文献中的信息,但高质量文本数据的获取困难阻碍了其在材料领域更广泛的应用.本文从品质和数量双视角剖析了材料领域的文本数据质量问题及其相关研究工作,提出高质量的材料科学文本挖掘数据集构建方法.该方法通过可溯源的文献自动获取方案确保文本数据的源头可追溯;以下游任务为驱动对文献进行预处理以提升预标注文本语料的质量;基于材料四面体准则定义适配全体系的标签注释方案以完成对语料的高品质标注;利用融合材料领域知识的有条件文本数据增强模型实现材料文本数据量的扩充.在不同体系数据集上的实验结果表明,该方法可有效地提升下游文本挖掘模型的预测精度,其中在NASICON型固态电解质材料实体识别任务上的F1值达84%.本文为文本挖掘在材料领域的深入应用提供理论指导和解决方案,并有望推进数据与知识双向驱动的材料设计与研发.