检索结果-南通市图书馆

图书情报工作 2024年第15期68卷 58-71页

作者：王丹周潇赵捧未樊嘉逸西安电子科技大学经济与管理学院西安710126

[目的/意义]在新一轮科技革命和产业变革的时代背景下,颠覆性技术是一种另辟蹊径、容易造成技术突袭、颠覆传统游戏规则的技术。积极识别和前瞻布局颠覆性技术对实现国家科技创新跨越式发展具有重要战略意义。[方法/过程]从技术融合视... 详细信息

[目的/意义]在新一轮科技革命和产业变革的时代背景下,颠覆性技术是一种另辟蹊径、容易造成技术突袭、颠覆传统游戏规则的技术。积极识别和前瞻布局颠覆性技术对实现国家科技创新跨越式发展具有重要战略意义。[方法/过程]从技术融合视角提出一种颠覆性技术识别方法。首先,基于专利IPC共现关系,并采用时间序列方式动态构建技术领域融合网络,利用结构熵指标识别领域融合网络中具有颠覆性的领域融合对;其次,将颠覆性的领域融合对与专利映射,筛选出候选颠覆性专利;在此基础上,通过深度剖析颠覆性专利的核心特征,筛选有效的测度指标;最后,基于深度学习tabnet模型构建专利指标与颠覆性专利之间的关联关系,实现从大规模的候选专利中识别颠覆性专利。[结果/结论]以人工智能领域为例验证方法的可行性和有效性。研究结果共得到1025条颠覆性专利。其中,颠覆性融合领域(G06K9,G06N3)包含443条颠覆性专利,这些专利主要涉及4大颠覆性方向:智慧医疗、智慧交通、智慧安防和智能制造。研究结果能够为政府、产业界和企业等利益相关者的科技布局、战略制定提供参考。

关键词：技术融合颠覆性专利识别结构熵深度学习 tabnet模型

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于tabnet-Stacking的贫困生识别模型研究与应用

基于TabNet-Stacking的贫困生识别模型研究与应用

引用

作者：魏瀚哲西北大学

学位级别：硕士

当前,多数高校贫困生认定审核依靠人工完成,即学生申请、班级评议、辅导员审核、公示结果。这种传统的认定方式依赖学生的申请材料,在审核过程中带有一定的主观性,并且有些贫困学生会因为公示结果产生羞愧心理而不申请资助。这些问题会... 详细信息

当前,多数高校贫困生认定审核依靠人工完成,即学生申请、班级评议、辅导员审核、公示结果。这种传统的认定方式依赖学生的申请材料,在审核过程中带有一定的主观性,并且有些贫困学生会因为公示结果产生羞愧心理而不申请资助。这些问题会导致贫困生认定结果不够精准,不利于贫困生认定工作的开展,影响各类奖助学金发放。因此,公正、高效地开展贫困生工作,提高其认定结果的准确性,对学生管理和教育公平有重要的现实意义。随着高校信息化业务系统的建设以及数据平台的完善,学生在校产生的数据得以完整保存,利用数据挖掘方法对学生各类数据展开分析,获得贫困生身份认定依据,以实现辅助贫困生认定工作是一条有效的途径。本文的主要工作为采集学生在校数据,利用数据挖掘算法设计贫困生识别模型,通过构建贫困生识别系统实现贫困生认定工作,具体有以下三点:(1)开展学生行为特征工程。本文通过高校各业务系统采集与学生有关的数据集,结合贫困生实际工作经验与特征选择方法,从学生基本信息、学业情况、消费情况和勤奋度四个维度构建学生行为特征集合,以全面反映学生在校情况。(2)设计tabnet-Stacking贫困生识别模型。本文通过tabnet模型实现学生行为特征重要性排名,并依据学生行为数据多源特点,采用Stacking集成学习方法构建泛化能力强、精准度高的分类模型,对学生行为数据分析获取学生类别,实现贫困生身份识别。(3)设计并实现贫困生识别系统。本文对贫困生识别系统进行需求分析,通过业务需求、用户需求和功能需求确认系统架构设计方案以及系统功能模块。利用Think PHP6和Bootstrap实现了贫困生识别系统开发,并在实际工作中验证了模型有效性。实验结果表明,本文提出的tabnet特征工程结合Stacking集成学习分类的贫困生识别方法,在东部某高校学生行为数据集上的识别效果相较于其他贫困生识别模型更加高效、精准,F1值表现比其他模型平均高出1.61%。利用本文提出的贫困生识别模型,构建的贫困生识别系统可以为高校贫困生工作提供更好的决策作用。

关键词：贫困生识别数据挖掘学生行为分析特征工程 tabnet模型 Stacking

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的客户信贷违约预测研究

基于深度学习的客户信贷违约预测研究

引用

作者：谢淋华东师范大学

学位级别：硕士

信用经济对于个人和企业而言都是重要的资金来源,对刺激经济增长起着重要的推动作用。随着国家信用经济有关政策的完善,我国从事信贷业务的机构不断增多,信贷产品种类不断丰富,信贷余额迅猛增长。信用经济快速增长的背后是日益增长的智... 详细信息

信用经济对于个人和企业而言都是重要的资金来源,对刺激经济增长起着重要的推动作用。随着国家信用经济有关政策的完善,我国从事信贷业务的机构不断增多,信贷产品种类不断丰富,信贷余额迅猛增长。信用经济快速增长的背后是日益增长的智能化信贷风险管控需求。信贷风险管控一般包括贷前审核、贷中风险管理、贷后催收等环节,其中最为核心的是贷前审核阶段,一个良好贷前风险预测模型可以将未来风险最小化。因此,本文以客户信贷的贷前审批为主要研究对象,尝试建立高效的、精准的客户信贷违约预测模型。本文首先梳理了国内外学者在客户信贷违约预测领域的研究成果,发现现有主流做法主要是采用机器学习进行建模,少有使用深度学习的案例。因此,本文尝试使用深度学习模型tabnet对客户信贷违约风险进行预测,从而丰富深度学习技术在该领域的应用成果。本文采用公开的信贷违约数据集建模,使用KS指标和AUC指标对模型效果进行检验,采用贝叶斯优化进行模型超参数搜索。在对数据集进行预处理和特征构建后,将其输入tabnet模型,模型表现较好,KS指标为0.408,AUC指标为0.771,表明模型具有一定的实用价值。另外,本文设计了两项消融实验,实验结果表明:tabnet模型在所选数据集上评估指标效果优于Random Forest和Light GBM;tabnet模型虽然评估指标表现略逊于XGBoost,但模型训练效率比XGBoost高;基于业务理解的特征构建以及构建统计类特征对于提升模型效果具有显著作用。

关键词：深度学习 tabnet模型信贷违约风控

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

客户流失预警的研究与应用

客户流失预警的研究与应用

引用

作者：张俊重庆理工大学

学位级别：硕士

随着经济的发展,企业之间的竞争越来越激烈,客户成为企业提高竞争力的关键。在企业开展业务的初期,新客户对企业而言是至关重要,但是随着企业的发展,新客户的开发面临的是难度大、成本高、收益小的特点,而老客户则具备挽留成本低、忠诚... 详细信息

随着经济的发展,企业之间的竞争越来越激烈,客户成为企业提高竞争力的关键。在企业开展业务的初期,新客户对企业而言是至关重要,但是随着企业的发展,新客户的开发面临的是难度大、成本高、收益小的特点,而老客户则具备挽留成本低、忠诚度高、收益大的特点。在这种情况下,如何识别具有流失倾向的客户及原因成为企业最关心的问题之一,在各行业都具有重要的研究意义。本文首先梳理了客户流失问题的国内外研究现状,然后,概述了客户流失理论和相关的模型理论,使用可视化、相关关系、特征的重要性分析了导致客户流失的因素,得到导致客户流失的关键因素,然后使用了逻辑回归模型、XGBoost模型、GBDT模型、Tab Net模型建立了多个客户流失预警模型,使用ROC曲线、Precision、Recall等多个指标对模型的结果进行评估与比较,最后引入反事实解释来对模型的结果进行解释,探讨影响客户流失的重要因素。本文得到的结论为:导致客户流失的关键因素是客户的年龄、客户的活跃性、客户持有的产品数。建立的客户流失预警模型中,XGBoost模型在各个方面都是最优的,AUC值为85.1%,在测试集上的准确率为86.9%,Precision为82.57%,Recall为71.75%,F1 Score为75.25%。通过反事实解释,得到:年龄的增加会导致客户流失的概率增大,客户持有的产品数和客户的活跃性的增加会使得客户流失的可能性变小,其他因素的变化对客户流失概率的影响不大。本文的创新点在于首次将Tab Net模型应用于客户流失预警模型的建立和使用了反事实解释的方法对客户流失的原因进行了分析。

关键词：客户流失预警机器学习 tabnet模型反事实解释

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于tabnet的森林覆盖类型预测方法

引用

微型电脑应用 2023年第9期39卷 129-133页

作者：董国卿王平夏凌云中国石油大学(华东) 信息化建设处山东青岛266580

森林覆盖类型的分类识别对于研究森林资源变化、合理利用森林资源具有重要意义,构建准确、鲁棒的分类模型是此类研究的关键。采用tabnet构建预训练模型对输入特征进行重构,然后使用重构后的特征表征训练tabnet分类器,最后与LightGBM模... 详细信息

森林覆盖类型的分类识别对于研究森林资源变化、合理利用森林资源具有重要意义,构建准确、鲁棒的分类模型是此类研究的关键。采用tabnet构建预训练模型对输入特征进行重构,然后使用重构后的特征表征训练tabnet分类器,最后与LightGBM模型进行集成,提升了模型效果。实验显示该模型的分类性能最高,准确率达到97.95%,提出的模型具有良好的可解释性,对筛选森林覆盖类型影响因素有着指导意义。

关键词：森林覆盖类型 tabnet模型 LightGBM模型分类模型

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：