基于深度学习的Stack Overflow问题帖分类方法

针对基于正则表达式和传统机器学习的分类方法分别存在模式手工提取困难和性能瓶颈的问题, 提出一种基于深度学习的问题帖分类方法, 采用深度文本挖掘模型TextCNN和融合注意力机制的TextRNN构建分类模型. 实验结果表明, 基于深度学习的方法在多数问题目的类别上的分类性能优于已有基准方法, 且使用的Adam优化器优于SGD优化器, 使用Glove预训练的词向量优于使用随机生成的词向量. 该方法以提问目的对帖子进行分类, 可为分析Stack Overflow(SO)上的帖子讨论主题增加新维度.     

基于函数调用序列模式和函数调用图的程序缺陷检测方法

基于函数调用模式挖掘的程序缺陷检测方法通常挖掘出的模式较多,疑似缺陷数量大,人工确认疑似缺陷开销高,且易引入误判.为此,该文提出一种基于函数调用序列模式和函数调用图的程序缺陷检测方法.首先,挖掘函数调用序列模式;其次,通过分析待检测程序,生成函数调用图;第三,结合函数调用序列模式和函数调用图,检测程序中的疑似缺陷.实验结果表明,在不影响缺陷检测效果的前提下,本方法有效减少了疑似缺陷数量,降低了人工确认开销.     

对利用属性特性挖掘粒关联规则算法的改进

目的:针对时间效率不高的问题,对利用属性特性挖掘粒关联规则的算法进行改进。方法:在分析粒计算有关定义和原有算法的思想的基础上,调整原有算法的相关流程顺序,同时设置相关标志位避免对部分数据集重复组织包含关系的操作。结果:通过相关实验证明,有关改进有效减少了算法所需操作步骤,降低了时间消耗。结论:通过调整流程顺序和设置标志位的方法,有效减少了原有算法的挖掘时间,具有一定实用性。     

因素挖掘法在投资学课程中的教学实践

投资学课程的时代背景及中国投资学教材的特点决定了投资学课程教学方式的特殊性.构建了一种基于概率测度的因素挖掘法的教学过程设计模式,将课程知识点的难易程度转化为授课时间分配比例,并与学生素质的量化分布一致.投资学课程教学设计案例表明,基于因素挖掘法的课程教学设计效果较传统教学模式有显著性提高.     

基于关联挖掘“三用一实训”的任职教育研究

针对任职教育培养特点,提出基于数据关联挖掘分析的“三用一实训”的培养思路,即以岗位实战任务和工作过程分解出专业理论与专业技能的数据库为对象,以知识结构、学科层级、重要程度为依据,以数据关联规则挖掘为方法,构建专业理论基础够用、专业技能顶用、发展潜力备用的任职教学内容,改变传统理论教学和实践教学按顺序组织的固有模式,将课程实践融入到专业教学全过程,强调以实践为基础消化理论,以操作为中介提高能力,使课堂教学贴近部队、贴近实装、贴近实战。     

巷道掘进用挖掘式装载机的研究

在各类隧道工程、煤矿巷道掘进过程中,矸石的挖掘及装载设备目前采用较多主要有耙斗式装岩机、立爪式装载机、侧卸式装载机、综掘机、煤矿用挖掘式装载机等.上述各类机型各有优缺点,其中煤矿用挖掘式装载机因其机动性较好的优点,正逐步在推广应用.此机型虽然优点众多,但在用户实际使用过程中,却存在着一个严重缺陷:在带有坡度的隧道工程或煤矿巷道工作面上,无法工作,常因运输槽偏重或工作时挖斗承载的外力而出现滑移甚至倾翻现象;而隧道工程及煤矿巷道的实际工矿中,大部分都存着长距离的上下坡度,上述缺陷严重制约了该设备的使用范围.     

高校创新人才挖掘体系研究调查报告

通过对江西六所高校的大学生和部分成功人士的调查,了解高校创新人才挖掘的现状、存在的问题及原因,分析数据并探讨解决问题的对策,筛选出创新人才应具有的原始特征,为创建高校创新人才挖掘指标体系做好基础工作。     

多策略融合的俄语文本词语提取方法研究

俄语是联合国工作语言之一,是俄罗斯等多个国家的官方语言。随着“一带一路”倡议的推进和全球化进程的加快,俄语文本数据成为有关组织管理决策的重要信息来源,俄语文本挖掘也因而成为重要的管理决策支持方法。然而,俄语文本挖掘方法研究目前还远未成熟,尤其是其关键基础——俄语文本词语提取的性能较低,阻碍着俄语文本建模的准确性。因此,文章提出一种多策略融合的俄语文本词语提取方法,结合俄语词性分析、语法规则和串频统计等多种方法,自动提取包含单词和短语在内的俄语词语。在联合国平行语料库和Taiga Corpus语料库上的实验结果表明,文章提出的方法在保证高召回率的同时,达到了85%以上的高准确率,显著优于常用的n-gram方法,能够为俄语文本主题发现和文本分/聚类等文本挖掘应用提供有效的词库。