网络化物业管理系统中数据挖掘的应用

针对住宅小区日益走向物业化管理,众多的物业公司都应用计算机实施网络化的物业管理及物业管理系统中已经存在大量数据的现状,认为可以构建数据挖掘模型,通过频繁项集产生关联规则,最终得出有效的物业费收取决策,使物业公司的效益实现最大化。     

通过挖掘关联规则探索代码修改和错误修复之间的关系

本文通过分析各种不同的软件项目中产生的源代码修改记录,探索代码修改和错误修复之间的关系来更好地理解代码修改之间的关联并挖掘它们之间的关联规则,从而得到代码修改和错误修复之间的因果关系,找出修复错误的方法以更好地降低代码修改所引起的错误。     

试论劳动法的道德观

劳动法的道德观,主要涉及劳动法所蕴含的道德理念、道德在劳动法中的正确定位以及法律与道德正态关系的构建等一系列问题。劳动法应当以劳动尊严、劳资共赢理念作为其追求的最高伦理目标。为了合理把握劳动法的道德定位,劳动法的道德取向应以保障和实现公民的基本人权(劳动权)为伦理基础,劳动法的道德规范应以劳动者为基本主体和主要视角,劳动法的道德标准应以略高于最低限度道德要求的标准作为其确立尺度。为了建立起劳动法与道德良性互动、相辅相成的正态关系,当前应当着重把握和处理好法律与道德之间互相区隔、转化和融合等几对关系。     

概念卡通及其在教学中的应用

概念卡通是由英国基奥和纳依拉于1992年作为一种教学工具提出的,之后逐步发展为一种教学策略,并在多学科中运用。通过卡通图画或利用多媒体插入动漫卡通的可视方式,将学生日常生活中前概念融入某种科学概念当中,凭借卡通角色对话引起学生认知冲突,从而使学生进一步理解、探究、重组科学概念。概念卡通能用作教学导入、教学效果检测,还可作为组织课堂教学的教具,它为课堂导入、组织课堂教学、评测儿童前概念提供了新的视角与新的方法。     

基于工作流的分布式数据仓库模型的研究

通过对数据仓库和分布式数据仓库体系构架的分析,得出当前分布式数据仓库存在的缺点：不能进行灵活的定制,易用性差。分布式数据仓库为了保持全局数据仓库和局部数据仓库的数据一致性,需购买大量昂贵的存储设备来保存两份相同的数据。针对这些缺点,提出了一种基于工作流的分布式数据仓库模型,模型的整体结构基于SOA面向服务的体系结构、分布式。引入了工作流技术来实现灵活定制数据提取需求、分析挖掘需求及结果可视化的需求,并将这些功能封装成整体模型中的业务流程服务。在业务流程服务模型部分提出了数据仓库业务流程执行语言、业务流程的可达性验证算法和优化算法。     

基于改进FP_Growth算法在中药提取信息中研究

中药提取在中药生产中占有十分重要地位,企业在生产中药过程中,生产过程数据和质量数据存在一定的问题。数据挖掘技术的出现及利用k-means聚类算法和改进的FP_Growth算法对中药生产过程数据进行分析,既能为企业提高生产效率,降低成本,又保证产品的质量。因此对中药提取信息数据挖掘不仅是有必要的,更具有实际意义。     

矿冶类文本的多元化特点及翻译原则

文章从文本类型理论入手,首先界定矿冶类文本的范围,结合实例分析该类文本的多元化语体特点,提出了术语与文化兼顾的信息性翻译原则,以期提高矿冶类文本的翻译质量,更好地促进世界矿冶文化的交流。     

黄石矿冶文化旅游开发研究（一）

SWOT分析法是优势（Strength）、劣势（Weakness）、机遇（Opportunity）和威胁（Threat）的简称。运用SWOT分析法,从内、外两方面因素对黄石矿冶文化旅游资源进行综合分析,指出当前黄石矿冶文化旅游资源的优势、劣势以及面临的机遇和威胁,进而提出黄石矿冶文化旅游业发展的战略选择,为寻求黄石矿冶文化旅游市场发展空间,提高黄石文化旅游产业的竞争力提供参考。     

“数据仓库与数据挖掘”课程教学实践与探索

本文从"数据仓库与数据挖掘"课程的本科教学特点出发,讨论了在授课过程中遇到的一些实际问题,介绍了理论教学环节和实验教学环节的各项内容及侧重点,并给出具体的实验教学方案。     

Social media opinion summarization using emotion cognition and convolutional neural networks

Quickly and accurately summarizing representative opinions is a key step for assessing microblog sentiments. The Ortony-Clore-Collins (OCC) model of emotion can offer a rule-based emotion export mechanism. In this paper, we propose an OCC model and a Convolutional Neural Network (CNN) based opinion summarization method for Chinese microblogging systems. We test the proposed method using real world microblog data. We then compare the accuracy of manual sentiment annotation to the accuracy using our OCC-based sentiment classification rule library. Experimental results from analyzing three real-world microblog datasets demonstrate the efficacy of our proposed method. Our study highlights the potential of combining emotion cognition with deep learning in sentiment analysis of social media data.