利用GDS和ASP.NET2.0实现强大的本地搜索

研究了如何结合Google Desktop Search和ASP．NET2．0实现强大的本地搜索。     

Google's MIDAS Touch: Predicting UK Unemployment with Internet Search Data

Internet search data could be a useful source of information for policymakers when formulating decisions based on their understanding of the current economic environment. This paper builds on earlier literature via a structured value assessment of the data provided by Google Trends. This is done through two empirical exercises related to the forecasting of changes in UK unemployment. Firstly, economic intuition provides the basis for search term selection, with a resulting Google indicator tested alongside survey‐based variables in a traditional forecasting environment. Secondly, this environment is expanded into a pseudo‐time nowcasting framework which provides the backdrop for assessing the timing advantage that Google data have over surveys. The framework is underpinned by a MIDAS regression which allows, for the first time, the easy incorporation of Internet search data at its true sampling rate into a nowcast model for predicting unemployment. Copyright © 2016 John Wiley & Sons, Ltd.     

Forecasting private consumption with Google Trends data

This paper examines the predictive relationship of consumption‐related and news‐related Google Trends data to changes in private consumption in the USA. The results suggest that (1) Google Trends‐augmented models provide additional information about consumption over and above survey‐based consumer sentiment indicators, (2) consumption‐related Google Trends data provide information about pre‐consumption research trends, (3) news‐related Google Trends data provide information about changes in durable goods consumption, and (4) the combination of news and consumption‐related data significantly improves forecasting models. We demonstrate that applying these insights improves forecasts of private consumption growth over forecasts that do not utilize Google Trends data and over forecasts that use Google Trends data, but do not take into account the specific ways in which it informs forecasts.     

Google数字图书馆的版权问题与启示

介绍了Google图书馆计划,分析了Google数字图书馆被诉讼的缘由,探究了Google辩解应对和双方的和解过程。     

搜索引擎的信息组织方式浅析

介绍了搜索引擎作为一种信息组织方式的分类、特点、存在的问题及解决对策,并以Google与Yahoo为例进行说明。     

Google earth支持下的城市绿地系统研究——以广州城区为例

本文以广州市中心城区为例,运用Google earth和GIS技术,以最新的Goog|e earth影像为主要数据源,利用遥感图像处理软件Erdas 对影像进行处理,在MapGis软件的支持下提取城市绿地信息并进行编辑,建立绿地系统信息数据库,并统分析广州中心城区绿地系统类型结构与空间分布格局,拟为城市生态环境建设提供参考与借鉴.     

基于Google Earth高分影像的北海榄根村红海榄种群数量和分布的研究

本研究建立一种基于Google Earth高分影像的红海榄（Rhizophora stylosa）单株精准识别的方法,并利用这种方法开展红海榄的资源调查和生态研究。研究以广西北海铁山港东岸榄根村外围天然红树林中的红海榄种群为对象,利用高分辨率Google Earth影像精准识别红海榄的个体,进而获取种群数量、冠幅、高程等重要数据,并在影像上设置89个100 m×100 m的样方,运用聚集度指标法,分析红海榄种群的空间分布格局。结果表明：影像中可识别红海榄植株数量共有848株;在高程1-2 m滩涂有红海榄615株,占全部数量的72.5%,在适生滩涂高程下呈现一定的正态分布特征;冠层直径大小在1.00-1.99 m的红海榄494株,占全部数量的58.3%,研究范围内红海榄种群密度南向大于北向,向海方向大于向陆方向,斑块中心区域大于边缘区域;各聚集度指标测定结果显示,该天然红海榄种群呈聚集分布。以上结果说明,利用Google Earth高分影像可有效识别冠层直径1 m以上的红海榄单株;北海榄根村红海榄种群整体的空间分布格局呈聚集分布,并且红海榄幼树较多,推测随着时间的推移,研究区域的红海榄种群数量将会增多。     

运用Google服务营造新型教学协作模式

随着我国高校教育教学改革的逐步深入,新型的师生交流、教学协作方法逐步涌现。Google服务拥有多个崭新的在线协作应用工具,本文以运用Google服务与学生进行实时信息交流、线上资源共享、多人协作教研的方法进行探索。     

使用Sketch Up结合车载扫描和航空影像数据进行建筑物三维建模——以纽约布法罗为例

使用车载扫描或航空影像数据进行三维建模,有自己的优点和缺点.车载扫描数据精度高,但由于设备是立面扫描,扫描得到的建筑物往往只有一个侧面,因此建筑物的信息不完整,它也经常遇到失锁的问题,从而大大影响数据的精度.在同一时间得到的航空影像数据的空间分辨率和精度低,并且缺乏仰角信息,然而它的图像特征连续并且包含光谱信息.通过将车载扫描数据和航空影像数据的结合,我们可以提高数据的精度.本文利用车载扫描获取的布法罗一个街区的激光点云数据,结合相应的航空影像数据,首先对点云和影像数据进行预处理,将数据进行定位配准;然后使用Sketch Up对街区进行三维建模;最后将该模型上传到Google Earth的3D模型库,来检测该模型的精度.     

Google——网络时代信息查询的好帮手

本文简要介绍了Google的特点及其工作原理,从应用的角度探讨了用Google进行搜索时的一些具体技巧以及应该注意的问题。