大数据在高等教育领域应用的探析

高等教育大数据存在碎片化、连续性、多维性、复杂性的特点。运用文献分析法,对国内外关于大数据的高等教育应用现状进行了分析,总结我国高等教育大数据应用存在数据采集及分析解决问题技术薄弱、缺乏统一口径管理、专业人才稀缺、制度缺失等问题,在此基础上,构建高等教育大数据分析应用模型,并从数据文化建设、数据平台搭建、专业人才培养、政策引导等方面提出建议。     

经济数据挖掘

数据挖掘是从数据库中发现经济知识模式的有效工具,应当把数据挖掘的方法技术引入和应用到实证经济分析中去,以促进经济学的现代化、科学化,提高经济决策水平。     

基于数据仓库的决策支持系统

在分析传统ＤＳＳ不足之后,从实用角度提出基于数据仓库决策支持系统的体系结构,研究了数据仓库的开发过程,并介绍基于数据仓库的决策技术。     

基于近邻规则和粒子群优化的半监督自标记方法

自标记方法能用少量有标记样本和大量无标记样本来训练给定分类模型。误标记是自标记方法中的主要挑战。尽管学者们用数据剪辑技术去识别和移除在自标记方法迭代过程中被误预测的样本，但是许多数据剪辑技术严重依赖于特定假设。为了克服误标记问题和相关解决方案中的缺陷，文章提出一种基于近邻规则和粒子群优化的自标记方法 SLM-NNPSO。首先，SLM-NNPSO用有标记集去训练一个给定的分类模型。其次，SLM-NNPSO用近邻规则来发现具有高置信度的无标记样本，并用被训练的分类模型来预测他们。再次，SLM-NNPSO用粒子优化来识别和移除被误预测的样本，并把被正确预测的样本加入有标记集中。上述过程不断迭代，直到SLM-NNPSO没有发现具有高置信度的无标记样本。最后，SLM-NNPSO输出在迭代过程中被训练的分类模型。经仿真实验证明，就训练k近邻分类器的平均分类正确率而言，在来自销售市场、医学检测、图像识别等领域的12个真实数据集上，SLM-NNPSO优于5个流行的自标记方法。     

数据挖掘的正当性论述及法律规制路径

数据挖掘作为大数据技术,是信息增值的必要条件、数字经济发展的技术引擎以及政府数据开放的内在要求,具有正当性.但其同时产生隐私侵权、社会歧视、利益分配等个人自治以及社会治理难题,引发正当性困境.对此,应构建数据挖掘的法律规制路径,确立"鼓励挖掘—安全保护—平衡协调"相统一的规制目标,完善数据立法以明确数据挖掘规制的规则,选择个人数据主体、数据挖掘主体、政府合作规制的规制方式及规制手段,赋予个人数据主体事后选择权,明确数据挖掘主体的保护义务并落实政府的数据推进和监管职责,以期实现技术与法律规制的互动融合,促进我国数据产业的良性发展.     

社会科学研究中的敏感议题：特征判断与应对方法

关注敏感的社会科学议题是研究者的责任，但从事敏感议题研究绝非易事。这一方面受到受访者参与成本和研究者处理成本的影响，另一方面受到研究对象价值判断的约束，如对议题敏感程度的甄别和对敏感议题资料收集方法的选择等。本文基于敏感议题研究的准备和执行环节，总结甄别议题敏感程度的“特征判断”方法，归纳敏感议题资料收集方法的选择逻辑和使用指南，以期提升社会科学研究结果的信度和效度，助推社会科学领域敏感议题研究的发展，深化对社会科学研究对象的认知，拓展社会科学研究议题的选择空间。     

毛泽东与中国工业化理论和政策的开创——基于数据挖掘的新发现

数据挖掘技术在历史文献研究中的创新性应用，使得总路线宣传提纲和“一五”计划等旧文献释放出新的史料价值——发现它们是标志毛泽东对中国工业化理论和政策创新的重要文献，有9个方面的开创性贡献，至今仍具有启发和指导意义。本案例表明，数据挖掘技术运用于历史文献研究，可以实现方法创新和知识创新。     

浅析数据挖掘技术在军工企业档案管理系统中的应用

本文基于信息技术时代军工企业档案的管理特点和利用需求,结合数据挖掘技术的原理和特点,探讨了数据挖掘技术在档案鉴定、档案资源获取、深入发挥档案资源价值等方面的应用路径,为军工企业中档案资源的高效利用挖掘提供理论基础。