基于卷烟消费大数据标签体系的六大画像系统

为解决卷烟消费者数据采集与分析难问题,提出了一种全新的基于时空网格技术的消费人群大数据采集分析方法。通过商圈网格划分和数据标签特征工程,实现企业消费者大数据资源的高效融合,建立卷烟消费大数据标签体系,提高了数据的使用价值和复用性。基于大数据、时空网格、可视化技术构建卷烟市场数字孪生体,设计实现了六大画像系统。以玉林市场为例,实现了5237个商圈画像、19544个终端画像、42个品牌画像、169个产品画像以及12种商圈类别画像、24种卷烟分类画像。基于系统对某卷烟品牌实施精准投放实验,该产品的货源利用率从35%提升至59%。

基于画像技术的教师研修路径智能推荐研究

教师是教育的第一资源,研修是促进教师专业发展的重要方式。在大数据、数字画像等新技术赋能下,优化教师研修路径以提升教师发展质量变得尤为重要。文章构建了多模态数据和画像技术支持的教师研修路径智能推荐模型,包括数据伴随式采集分类与预处理、教师画像生成、研修路径算法三个模块,实现教师研修特征与优质研修资源的智能匹配。在教师研修路径动态优化方面,模型通过提供基于画像的个性化导研服务、基于知识图谱的资源关联推荐、基于群体智能的群体路径发现、基于目标导向的过程评价和基于研修行为的智能预警,满足教师的个性化研修需求,为发掘研修数据潜能、促进教师智能研修模式创新提供参考。

大数据环境下多模态融合的大学生异常行为预警

针对“校园大数据”累积的海量数据呈现出离散性、稀疏性等问题,如何从基数大、活动广、个性强的校园学生群体中检测出潜在的、有异常行为的学生,已成为学生异常行为分析亟需解决的问题.本文提出了一种大数据环境下基于多模态融合的大学生异常行为预警方法(early warning method for abnormal behavior of college students based on multi-modal fusion in big data environment,EWMAB).首先,针对学生行为画像的表征不够丰富,行为标签存在时效性、动态性等问题,建立一种基于多模态特征深度学习的跨模态学生行为画像模型;其次,针对学生异常行为预测、预警的时效性和后置性问题,在学生行为画像和学生行为分类预测基础上,提出了一种基于多模态融合的学生异常行为预警方法,通过长短期记忆神经网络(long and short term memory networks,LSTM),结合学生行为多指标数据和文本信息来解决学生异常行为预警问题;最后,本文通过应用实例验证模型以学生学习成绩异常预警为例,与其他预警算法相比,EWMAB方法可以提高预警的准确性,实现学生异常行为预警的时效性和前置性,从而使学生教育工作更具有针对性、个性化和预测性.

大数据画像结合多种教学方法在医学影像技术专业磁共振实习中的应用

磁共振实习一直是医学影像技术专业学生实习的难点,各教学基地对于如何提高磁共振实习质量仍处于探索阶段。文章针对学生实习过程中的困惑、磁共振实习阶段存在问题,提出大数据画像结合多种教学方法,构建医学影像技术专业学生在磁共振实习中的大数据画像模型,详细阐述实施计划及设计流程并对实行此项教学改革的显著效果进行了分析与总结。此项教学改革有效避免了传统实习模式的固化形式,对学生进行因材施教精准培养的同时可提高教师自身专业水平,实现了师生双方的共同成长,为医学影像技术专业学生实习培养提供了新的思路和方法,为培养出更多优秀的毕业生奠定坚实的基础。

基于大数据的医学图书馆智能化信息服务模式研究

医学图书馆的智能化建设是现代医疗卫生体系发展战略中的重要一环。文章对医学图书馆智能化信息服务模式的服务目标、服务需求等进行了分析,构建了一种基于大数据、云计算等现代互联网技术的医学图书馆智能化信息服务模式。该服务平台能够基于大数据和用户画像实现医学图书馆的个性化服务。

多源数据融合下医护科研人员科研能力提升策略研究

目的/意义探讨医护科研人员用户画像构建方法和科研能力提升策略。方法/过程根据用户画像理论提出医护科研人员用户画像的构建模型;使用Python语言、ETL和Echarts工具对构建用户画像所需的多源异构数据进行采集、预处理、存储和挖掘,提取标签进行用户画像可视化并进行实证研究。结果/结论医护科研人员可分为具备科研潜质的护理人员、科研新手、科研提升型群体和科研领域资深专家,根据不同类型特征提出医护科研人员科研能力提升策略。

基于大数据的高校学生画像系统研究

对大数据技术、用户画像技术进行了阐述,提出了基于大数据的学生画像系统技术架构,从基础信息、学习信息、奖惩信息、财务信息、行为信息、医疗信息及就业信息七个方面构建了学生画像的标签体系,结合学生管理的实际需求,从个体分析及群体分析两个方面设计了学生画像系统的应用场景,提出了适用的数据分析算法。这对于高校学生的精细化管理、违规违纪行为超前预警防范具有一定的实用价值。

逆向工程技术在石膏头像设计中的应用

借助专用逆向软件,采用逆向技术对石膏头像的点云扫描数据进行预处理和数模重构,从而完成了其逆向建模设计。将扫描数据导入Geomagic Wrap软件中,进行清除噪点、全局注册、合并、补孔、平滑等预处理;预处理后的数据以STL格式导入Geomagic Design X软件中进行进一步的数模重构。对重构后的模型进行了偏差分析,结果表明逆向重构精度符合设计要求。

网络安全审计中特征数据关联方法的研究

文章提出了一种基于多特征要素的网络安全审计中的特征数据关联方法。该方法以国际移动设备识别码(International Mobile Equipment Identity,IMEI)、国际移动用户识别码(International Mobile Subscriber Identification,IMSI)、移动终端MAC(TERMINAL_MAC)地址三个特征要素为关联因子,通过持续更新完善特征信息串的方式,有效解决了在接入网络的移动终端MAC地址可能发生周期变化的情况下,构建移动终端用户唯一虚拟画像的问题。

大数据背景下本科院校学生群体画像构建与应用分析

近年来,大数据技术越来越成熟,本科院校普遍利用它来辅助教学,因此,以大数据技术为支撑的学生群体画像出现在了大众的视野中。一些学校通过构建数字模型、设计数字系统和建立预警机制建构了比较健全的学生群体画像,收集、存储、整合、分析学生的相关数据,形成了标签化的学生画像,并将其应用到了思想政治教育、就业指导等人才培养方面,不仅简化了学校及教师的学生教育、管理工作,还提高了学生的自律自勉能力。

基于用户画像的农产品电商精准营销关键技术研究与应用

农产品电商迅速发展进一步激发了农产品线上消费的多样化与个性化需求。然而,大数据时代背景下,传统农产品电商营销缺乏用户数据挖掘与分析,对目标用户的定位不够精准。在对用户画像概念与应用分析基础上,对用户画像构建的关键流程与技术进行梳理与阐述,构建农产品用户画像精准营销机制与逻辑框架,并利用某特色农产品电商消费数据进行应用实例论证与分析。该研究有效地完成了某电商平台用户数据采集、数据分析和用户画像构建,实现针对农产品的精准营销、个性化推荐和消费预测分析等,为农产品电商行业发展提供建议。

基于开源大数据的我国民族教育研究画像(2012年—2021年)

党的十八大以来,我国民族教育研究工作取得长足进展。文章创新元研究框架,从研究投入、研究产出以及研究影响三大维度进行分析,全面采集研究机构、研究人员、立项课题、论文、著作、引文等大数据,综合应用统计分析法、文献计量法、知识图谱法等方法,展示2012年至2021年期间我国民族教育研究全景画像。在画像绘制的基础上,文章提出了面向国家急需、精准课题投入,扩大研究团队、拓宽研究视野,丰富研究内容、增强学术影响力等三方面的建议。

大数据时代高校群体精准画像构建研究热点的可视化分析

通过深入探讨高校群体精准画像构建领域的研究现状,全面了解其核心主题和发展趋势。通过对发文量、主题分布、高产机构、高被引作者、关键词突现、关键词时间序列、关键词共现等多方面的数据进行分析,揭示了高校群体精准画像构建领域的研究特点,并分析了该领域在过去十年呈现的显著增长趋势,主要集中在用户画像、大数据应用、高校网络意识形态建设、智慧校园等主题,研究结果为高等教育管理和服务提供了重要的理论和实践指导。

基于PAM聚类的轨道交通站点画像分析

文章基于多源数据融合方法,从客流水平、居民需求、接驳特性、周边设施4个维度对轨道站点特征进行提取与构建。采用PAM算法对站点进行聚类研究,最终形成6类站点画像的标签。在此基础上探索站点功能定位、客流模式之间的内在关系,梳理不同类型站点在城市化进程中面临的阶段性矛盾,指导客流预测任务、引流策略制定等后续工作。

数据驱动下突发公共事件公众诉求主题画像与归因分析

[目的/意义]面对突发公共事件公众诉求表达多样化、内容分散化和治理复杂化的问题,需要提高政府舆情应对的精度和效率。[方法/过程]融合LDA模型和fsQCA方法,搭建了“数据基础层→主题画像层→模式归因层”的研究框架,通过主题聚类可视化呈现和主题权重赋值实现对突发公共事件公众诉求主题画像的刻画,并基于归因理论,以事件主体、事件危害、事件详情、受害群众、救援响应、媒体报道、应急处置为条件变量,以事件影响力为结果变量,揭示突发公共事件公众诉求的组态路径和内在模式。[结果/结论]低事件详情是高公众诉求发生的必要条件,得到了4条高公众诉求的组态路径和6条低公众诉求的组态路径,归纳了两种高公众诉求归因模式(内部主导模式和外部助力模式)和两种低公众诉求归因模式(事件化解模式和媒体缓释模式)。

基于大数据画像的精准化课程思政实现路径研究

大数据画像技术能够精准地描绘出个体特征,将其应用于课程思政教育,有助于深入挖掘学生个性化需求,进而为高校大学生思想政治教育的精准化供给提供有力支撑。借助大数据画像技术构建学生个人数字画像,并通过具体案例探讨精准化课程思政的实现路径。首先,设计一个基于大数据画像的精准化课程思政框架,该框架涵盖数据采集、画像构建、画像应用三个关键层次。其次,通过采集学生的个人行为数据和在线学习数据,建立画像标签体系,采用数据挖掘和权重计算等方法对标签精确提取,勾画出学生画像,并分析画像所表达的个性化特征,进而提出有针对性的课程思政实施方案。最后,提出三项基于大数据画像的精准化课程思政应用策略:一是通过收集海量数据实现对学生特征的精准刻画;二是借助大数据画像技术精准满足学生的个性化需求;三是利用画像对学生学习情况进行监督,以实现对学习变化的精准把握,从而提升大学生课程思政教育的针对性和实效性。

大数据画像技术嵌入高校精准思政的生成逻辑与实践图景

将大数据画像技术引入高校思想政治教育过程,有助于实现精准育人。通过构建一个由数据采集层、数据处理层、画像构建层和画像分析服务层组成的四层技术平台可实现画像技术在高校精准思政教育中的整体性嵌入。具体实践表明,大数据画像技术能够有效地进行同类群体学生特征的分析、特殊群体学生的识别与分析,以及学生行为标签间关联性的深入分析,从而优化思政大数据的精准分析与再利用。然而,大数据画像技术的不当使用亦可能引发问题,导致精准思政教育的失效。因此,要辩证地看待大数据画像技术在高校精准思政中的应用,预防实施过程中技术滥用现象的产生,提高思想政治教育的针对性、科学性、实效性。

基于知识图谱的变电设备画像技术

目前的电力设备状态评估方法大多根据专家经验确定权重及模型参数,并基于理想化假设建立模型,实际应用效果不佳。针对这一问题,提出基于知识图谱进行变电设备画像。首先,对监控信息、告警直传、保护信息、电网潮流、监测等多种数据和设备状态之间的关联性进行分析,提取变电设备信息;其次,对数据进行特征提取、清洗和融合;最后,使用知识图谱对变电设备构建结构化的语义库,结合图谱分类对提取到的数据进行多维度属性类别划分,分析设备特征,构建变电设备画像模型,使用模糊数学层次分析法对图谱描绘出的设备状态进行评估。实验数据表明,所提出的方法具有更高的数据清洗率和更低的故障漏检率,有助于更有效地管理电力设备。

基于K-prototype的精准实践育人研究

实践育人是新时代我国教育方针的重要价值导向,培养什么样的人是教育的首要问题。以新媒体创新思政实践等项目的实时数据通过K-prototype聚类方法,构建以大学生心理画像和问卷测试为基础,大数据技术与高校思政工作相融合的实践路径,精准识别思政工作的对象和所遇到的问题。揭示学生的个体差异和学习特点为教育者提供定制化的教育策略有效预防潜在风险,提升思政工作的针对性和实效性,为未来高校思政工作提供新的思路和方向。

智慧图书馆用户画像图像处理算法模型设计与实现

针对当前无法对智慧图书馆物联网空间系统中用户图像画像数据进行计算、处理并进行深层次数据挖掘的现状,研究和设计了一种用以画像图像处理的点操作算法模型。模型的底层算法采用适用于空间域增强过程的灰度变换算法。搭建包含算法转换、近似计算、增量更新、查找表和浮点计算等组成计算单元的模型的核心算子。对点操作算法模型的核心算子IP计算单元进行设计,实现了对计算单元的加速设计与实现,计算单元加速效果良好,算法模型合理有效,核心算子的简单像素流水数据能够实时得到流水像素结果输出。