基于自动生成语料库的政策信息与股票涨跌的预测和分析

就煤炭相关的政策文件发布对股市中煤炭板块影响这一问题,构建了自动生成政策数据的语料库,对政策文本及股市的涨跌进行预测分析。政策文本是爬取国家发展与改革委员会的政务公开文件,煤炭股市选择了龙头企业中国神华。通过对政策文本的向量化及人工添加标签值建立了逻辑回归模型,预测准确率为44.58%。而经过文本归一化、PCA主成份分析降维以及Birch文本聚类后,所得的预测模型准确率为62.20%,查准率为68.29%,查全率为60.87%,其中Birch文本聚类模型对政策文本信息的识别率为82.56%。

基于分布式的RDF数据分割方法研究

基于分布式的RDF数据分割方法能够解决大规模RDF数据的分割和存储问题。为保证RDF数据的分布式存储和解决数据分割效率提出了一种基于贪婪策略的分割方法。先通过启发式贪心策略根据子图的负载均衡,依次选择度数最高的节点或者度数相对较高的节点,将其放入同一个子图中,后进行相邻顶点的优化。然后通过分区策略将子图分配到对应节点,存储到neo4j数据库并建立相应的索引将数据保存到Redis数据库。实验对比了几种数据分割算法以及图形数据库与关系型数据库的RDF数据存储方案,并验证了RDF图数据的存储方案和分割算法的有效性。