基于网络搜索数据监测的CPI预测

网络搜索经济类关键词的范围和频率能反映公众的关注度和倾向,可用来对经济指标进行预测,从而预示经济走势。为解决居民消费价格指数(CPI)预测中的官方数据滞后问题,使用时间序列法,采用网络搜索监测数据对CPI进行预测。运用百度指数分析方法,搜集宏观、微观、投资三类指标,对初始指标的百度指数进行主成分分析,拟合出CPI预测模型。结果表明,预测CPI和实际CPI走势基本一致,可比官方数据提前一个月得到预测值,为把握宏观经济走势提供参考。

疫情中基于网络搜索大数据的心理健康研究综述

新冠疫情给公众心理健康带来了极大挑战,疫情中的心理健康测量显得尤为重要。网络搜索数据作为大数据的一种,近年来已被应用于心理学研究。目前基于网络搜索数据的疫情心理健康研究可归纳为三类:跨时间比较研究、疫情与心理健康的相关研究以及网络搜索数据有效性的验证性研究,其中一部分研究也涉及空间维度的比较。上述研究之间存在矛盾之处。网络搜索数据具有客观、生态效度高、时间分辨率高、体现用户心理动机和易得等优势。未来的网络搜索研究应充分发挥优势,提高信效度,加强对其背后机制的探讨。

探地雷达技术及其应用和发展

作者对近年来探地雷达的技术发展及新的应用研究进行了概括和总结。在详细分析探地雷达方法原理、系统结构的基础上，提出了改进探地雷达系统结构的思路；同时，针对探地雷达工作中的高噪声和地震数据处理技术移植的不适应性，提出了探地雷达地下界面高分辨率成像的新方法。

时序数据挖掘方法研究

数据库知识发现的基本思想就是从数据中抽取有价值的信息,其目的是帮助决策者寻找数据间潜在的关联,发现被忽略的要素,而这些信息对预测趋势和决策行为也许是十分有帮助的。时序数据挖掘是数据库知识发现研究中的重要分支之一。趋势分析与相似搜索是时序数据挖掘的主要技术与方法。通过趋势分析,可以制定出比较合理的长期或短期预测,从而为科学决策提供有效的依据;而在相似搜索中,采用了模糊匹配技术,符合人脑思维特性,因而更合理有效。

加入网络搜索行为能提升CPI的预测效果吗

传统的CPI预测模型利用的数据主要来源于政府统计局,由于政府统计数据规范、噪音小等特点,使得这样的预测模型在CPI变化不大的时期预测效果较好,但是在CPI变化趋势出现拐点的时期,预测效果往往较差;网络搜索数据作为一种新兴的数据结构类型,被运用到经济社会问题的预测当中,其实时可得的特点,能够提前预测到趋势变化的拐点。因此将网络搜索数据加入到传统的CPI预测模型中,分析增加网络搜索行为能不能提升CPI的预测效果,尤其是在CPI出现拐点的时期。分析结果显示,当CPI趋势出现拐点的时期,在传统预测模型中加入网络搜索数据,的确可以提升模型的预测效果。

基于极限学习机及网络搜索数据的快时尚产品预测

为实现时尚化设计,时尚产品生产企业需具备精准的识别与预测流行元素的能力。针对快时尚产品的预测问题,构建了基于极限学习机(ELM)模型的预测算法。首先由于快时尚产品具有市场需求不稳定、产品更新速度快等特点,而网络搜索数据不仅反映了用户的焦点关注与个性化需求,其中还蕴含着群体的某些社会或经济行为。利用网络搜索数据和历史成交数据作为数据来源,进而实时挖掘市场需求。其次,由于数据具有非线性不规则变化的特点,构建具有较强学习能力和泛化能力的ELM模型,对快时尚产品的流行趋势进行预测。与传统的统计预测模型相比,加入搜索数据后,构建的模型预测精度较高,同时ELM模型对流行趋势的转折点具有较强的预测能力。

搜索趋势数据可视分析系统

为了帮助用户理解和分析搜索引擎产生的搜索数据,提出一个搜索趋势数据可视分析系统,包括数据收集与预处理、流图计算与绘制、流线生成与文字摆放以及交互式分析.以流图与文本相结合的方式呈现搜索数据,展示数据中蕴含的搜索趋势和热点;创新性地提出了流线指导下的文本布局算法,使文字能更好地贴合流图形状;此外,还提供了一系列交互,帮助用户在不同层面对搜索数据进行探索和分析.选取5个博客数据集,从紧凑性和方向一致性2个方面对可视化方法进行量化评估,并采用2个真实的搜索数据集进行案例分析.结果表明,该系统能帮助用户理解搜索数据的变化模式,发现数据中隐含的搜索趋势,并快速掌握互联网舆情信息.

中国中性笔技术发展趋势的研究

通过专利技术分析方法,结合技术生命周期理论和Logistic模型,对中国中性笔技术专利进行定量分析和定性分析,并绘制了中国中性笔的专利技术地图.研究表明:中国中性笔技术处于专利技术生命周期的成熟期,但技术发展不均衡,专利技术多集中在外观方面,而球珠制造、笔头结构等关键技术仍然缺乏.

基于电子口碑和用户关注度的汽车销量预测研究

针对如何利用消费者购买行为数据进行产品销量的有效预测问题,以高卷入度产品——汽车为例,挖掘用户生成的评论以及搜索行为留下的数据,构建基于不同数据来源的预测模型,采用线性以及非线性机器学习算法对不同的预测模型求解均方误差MSE。研究结果表明,增加用户关注度的数据能够增强基准数据的预测效果,而添加具体口碑数据后,可以有效地增强搜索数据的预测效果。