中文微博的情绪识别与分类研究

利用微博平台的API数据端口爬取微文数据,通过分词技术、去停用词等对原微文进行数据预处理,并基于TF-IDF计算文本特征权重后构建向量空间模型,使用文档频率和信息增量相结合的方法对特征向量进行降维,最后基于多种文本分类方法的对比研究构建最优情绪分类器。研究表明:基于机器学习的文本分类技术适用于较大语料库的微博研究。在进行细粒度情绪分类时,支持向量机的分类效果较好。

企业微博活动效果的影响因素分析

对微博活动效果的影响因素进行研究能够为企业制定微博营销策略提供有价值的参考。研究确定了微博活动效果的评估指标,活动效果主要通过转发数和评论数进行衡量,进而利用相关分析、聚类分析、决策树分类,探究活动效果的影响因素。实验结果表明,粉丝数对微博活动效果具有正向影响,较长的活动持续时间和较高的活动奖品价值会带来较好的活动效果。

基于组合决策树的急诊等待时间预测

文章选择华西医院急诊科为研究对象,使用CHAID、C&RT、REPTree三种决策树算法预测急诊等待时间,并通过BP神经网络对上述模型进行组合,得到组合模型。通过比较分析以上四种模型后,发现影响等待时间的关键因素主要是科室、挂号时间段、队列人数、月份,并且组合模型的预测效果最优。

社会消费品零售总额组合预测模型研究

居民日常消费是经济增长的重要组成部分,社会消费品零售总额是反映消费水平的重要指标。文章首先建立了国内社会消费品零售总额的GMDH预测模型和GM(1,1)预测模型,然后加入对社会消费品零售总额相关性较大的消费者信心指数建立GM(1,N)模型,并把两者结合起来建立GMDH-GM(1,N)的组合预测模型。对比分析以上模型的预测结果后表明:消费者信心指数和组合预测模型能提高预测精度。