教育部人文社会科学研究基金(11YJCZH084)
- 作品数：4 被引量：54H指数：2
- 相关作者：吴江唐常杰李太勇崔亮王会军更多>>
- 相关机构：西南财经大学四川大学成都大学更多>>
- 发文基金：教育部人文社会科学研究基金贵州省自然科学基金中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术经济管理电子电信更多>>
- 基于稀疏贝叶斯学习的个人信用评估被引量：12
- 2013年
- 针对传统信用评估方法分类精度低、特征可解释性差等问题,提出了一种使用稀疏贝叶斯学习方法来进行个人信用评估的模型(SBLCredit)。SBLCredit充分利用稀疏贝叶斯学习的优势,在添加的特征权重的先验知识的情况下进行求解,使得特征权重尽量稀疏,以此实现个人信用评估和特征选择。在德国和澳大利亚真实信用数据集上,SBLCredit方法的分类精度比传统的K近邻、朴素贝叶斯、决策树和支持向量机平均提高了4.52%,6.40%,6.26%和2.27%。实验结果表明,SBLCredit分类精度高,选择的特征少,是一种有效的个人信用评估方法。
- 李太勇王会军吴江张智林唐常杰
- 关键词：信用评估金融风险
- 基于稳定性语义聚类的相关模型估计被引量：1
- 2016年
- 针对由不稳定聚类估计的相关模型影响检索性能的问题,提出了基于稳定性语义聚类的相关模型(SSRM)。首先利用初始查询前N个结果文档构成反馈数据集;然后探测数据集中稳定的语义类别数量;接着从稳定性语义聚类中选择与用户查询最相似的语义类别估计SSRM;最后通过实验对模型的检索性能进行了验证。对TREC数据集5个子集的实验结果显示,SSRM相比相关模型(RM)、语义相关模型(SRM),平均准确率(MAP)性能最少提高了32.11%和0.41%;相比基于聚类的文档模型(CBDM)、基于LDA的文档模型(LBDM)和Resampling等基于聚类的检索方法,MAP性能最少提高了23.64%,19.59%和8.03%。实验结果表明,SSRM有利于改善检索性能。
- 孙芯宇吴江蒲强
- 关键词：信息检索语义聚类独立分量分析
- 基于语义规则的Web金融文本情感分析被引量：40
- 2014年
- 为有效提高非结构化Web金融文本情感倾向和强度分析的精度,提出了基于语义规则的Web金融文本情感分析算法(SAFT-SR)。该算法基于Apriori算法对金融文本进行属性抽取,构建金融情感词典和语义规则识别情感单元及强度,进而得到文本的情感倾向和强度。实验结果表明,与Ku提出的算法相比,在情感倾向分类方面,算法SAFT-SR情感分类性能良好,提高了分类器的F值、查全率和查准率;在情感强度计算方面,算法SAFT-SR的误差更小,更接近真实评分,证明了SAFT-SR是一种有效的金融文本情感分析算法。
- 吴江唐常杰李太勇崔亮
- 关键词：情感词典语义规则情感分析情感倾向
- 远程教育服务平台的总线架构设计被引量：1
- 2011年
- 本文通过研究远程教育业务发展需求,分析信息化建设的需求。采用SOA架构、总线技术实现远程教育服务平台,增强了系统整体的可靠性、可扩展性和灵活性。
- 蒋义军
- 关键词：远程教育总线架构SOAESB
