文摘
大学生心理发展的管理系统已成为一个重要的指标监控,防止心理危机。高校学生管理数据库积累大量数据,但传统的数据处理任务仅限于简单的统计分析,存储和查询管理。探讨大数据技术的应用对当前心理心理危机管理系统通过调查筛选指标。数据挖掘技术用于实现心理预警数据的动态管理,实时监控高危人群的心理,和改善早期识别和预警的准确性和有效性的学生心理危机。结合定性和定量分析的基础上,我们进行了一系列的研究三种典型的网络舆论,即。,Internet rumors, online public opinions of college students, and emergent public health incidents in terms of the transmission mechanism, early warning, and decision-making mechanism, as well as the evolution mechanism of the network public opinion.
1。介绍
大学生是一个代表性的网民。他们是受过高等教育和有一个互联网的利用率更高。他们是一个强大的力量在网络舆论在各种团体和有重大影响。学生的组织方式的性质决定了存在的问题和困惑,往往透露,通过互联网传播。与公众的网上舆论相比,大学生舆论包含更多内容和传播得更快。因此,它是重要的感兴趣的研究特定的网络舆论的判断,以大学生为代表。考虑的特点,大学生网络舆论,利用直觉模糊推理判断,层次分析法,和专家评分法,构造一组网络舆论理论模型提供理论依据和数据支持大学生网络舆论的管理。
近年来,大学生心理健康已经引起了全社会的普遍关注。深入研究大学生的心理健康和大学生心理干预模式的探索是全世界学者的热点。数据挖掘技术是无与伦比的其他技术在业务数据挖掘隐藏的规则,解决具体问题。随着数据挖掘技术的成熟,许多学者继续研究方法和数据挖掘技术应用于高校教学和管理领域。本文研究的作者充分的文献进行深入的研究和数据挖掘技术的研究,并试图把它应用到大学生心理问题的数据。论述了数据挖掘技术的基本原理和概念。的任务、方法和应用领域的数据挖掘分析讨论其可行性解决大学生心理问题做一个详细的分析的模糊数学。本文运用决策树算法计算属性(即最相关的心理问题。,最重要的属性信息增益值)作为决策树的根节点。接下来,它使用一个迭代,递归方法分类的属性相同的算法来形成决策树。它建立了一个分类树模型来预测和分析大学生的心理问题。 The Apriori algorithm is used to analyze the internal relationship between students’ psychological problems and students’ attributes to provide decision-making support information for the school psychological counseling center and make mental health education more targeted and purposeful. The author independently developed an excellent performance, simple, and practical data mining system for psychological problems. The system has a friendly interface and has data file access, data preprocessing, decision tree generation, association rules generation, rule interpretation, and rule preservation. With this data mining system, some knowledge of classification rules and association rules is obtained successfully. Considering students’ psychological problems in our university as an example, the function verification experiment of data mining of students’ psychological problems is carried out. Finally, it points out the shortcomings of this paper and the direction of future efforts.
本文的其余部分组织如下。节2的相关工作进行了探讨。节3直觉模糊预警模型的大学生提出了意见。节4,提出了一种基于引导的动态方法估计的预测基于数据挖掘的大学生心理危机。节5,实验结果和分析进行了讨论。最后,本文的结论与未来研究方向6。
2。相关工作
模糊数学是数学的一个分支,研究和处理数学问题的模糊性。现代数学的基础是康托尔的集合论。这个理论定义了每个组包含显式的元素,属于或不属于某个集合,不能模棱两可。然而,许多单词在客观世界没有明确量化边界,如青年,高度,和热。在这些客观世界存在的现象也称为歧义。被用于传统的不确定性概率的研究。古典概率归纳逻辑假定当事人可以排气所有实验的可能的结果,知道任何事件的概率的结果。他们不能表达无知,不和、不信任和缺乏信任。德认为元素只属于或不属于一组特定康托尔的集合论(1]。这样的二进制逻辑的小地方。在1965年,提出了模糊集合理论,建立了模糊数学与应用数学方法研究歧义。在模糊集理论中,对于任何元素 在一个给定的宇宙U,相应的实数 属于区间[0,1]。调用此相应数量的会员u来一个和用于描述的程度u属于一个这样可以使用精确的数学工具来描述不准确的模棱两可。
模糊综合评价与模糊评价对象通过精确的数学手段,可以科学、合理,接近实际的定量评估数据和模糊的信息。评价结果是一个向量,而不是一个点值,并包含了丰富的信息。它可以准确地描述被评估的对象和进一步处理,获取参考信息。然而,模糊综合评价方法计算复杂,指标权重向量的主体性是强大的。当索引集U是大,即。,the number of index sets is large, under the conditional constraint that the weight vector is 1 (the relative membership weight), then the coefficients tend to be too small, and the weight vector does not match the fuzzy matrix. Moreover, the result is superfuzzy, and the resolution is very poor. It is impossible to distinguish who has a higher degree of membership or even can cause the judgment to fail. Dempster-Shafer [2,3)提出了一个信任和似然函数应用于不确定性测量。它推广了经典的概率,提出了一种方法来描述双方的无知在确定概率不足。它已被广泛研究和应用于不同的领域。然而,模糊集理论只包含元素的隶属度,也就是说,它只能用于描述的证据支持和不支持的元素,而忽略的元素可能不支持或反对,也就是说,中立的本质。
更好地解决这个问题,Atanassov [4)在1986年首次提出的一个直觉模糊的概念。他证明了模糊集合只是一个特例的直觉模糊集,直觉模糊集使用nonmembership函数来表示元素的中性状态的集合,可以更准确地描述对象的模糊性。直觉模糊集有更好的推理精度比模糊集和描述能力。直觉模糊集理论已开发和应用于各种问题。一些学者进行重大研究[5- - - - - -9在这一理论凭直觉模糊集的算法。通过结合直觉模糊集l模糊集和区间值模糊集,直l提出了模糊集和区间值。为此,作者在10)首次提出两个定理对模块化的运营商,但没有明确指出这些定理的意义。直到2003年,Atanassov [11)重新审视这两个定理在文献中,用于讨论直觉模糊集的分离条件,最后应用到决策过程。其他学者进行了很多研究直觉模糊集理论。胡锦涛et al。(12)定义的扩张和浓度的直觉模糊集的概念,并讨论了它们的性质。各种各样的例子表明,这些概念是非常有用的处理语言变量。Bustince和Burillo13- - - - - -16]证明了直觉模糊集和模糊集的某些功能性质研究直觉模糊熵的关系年代作者在直觉模糊集。17)-19年)提出了一个非常接近d - s理论和模糊集理论之间的关系,提供了一种新的似然函数直觉模糊集推理。目前,人们对模糊推理的研究不断深化,促进理论的发展。
3所示。直觉模糊预警模型的学校学生的网络舆论
本文研究网络舆论的学院和大学。大学生网络舆论的分析模式是用来表达民意的情况。目的是解释大学生网络舆论的进化规律从更深的层次上。我们使用直觉模糊集理论和层次分析法构造一个数学模型来监测大学生网络舆论并确定网络舆论警告级别。
3.1。直觉模糊集的大学生网络舆论警告等级
我们采用一个线性映射方法映射的区域分布的观众,参与讨论的人数,网络的速度感觉大学的大学的网络不满的来源,它的传播方式,公众的情感倾向,关注,和热点中的值区间[0,1]。
计算各因素的隶属度,直观的使用模糊综合评价方法。推理的因素包括分析主题本身,观众的分析,分析观众和主题之间的联系。相应地,各自领域的领域是一个特定的主题的重要性,观众的反映域和域观众之间的联系和话题。
3.1.1。判断网络舆论警告级别
预警级别使用以下因素决定的。(1)直觉模糊子集反映一个特定的主题的重要性一个特定的主题的重要性可以从上述方法计算的主题的重要性。让 规范化的重要性,并记录相应的域一个= [0,1]。直觉模糊子集的隶属函数构造 和 和他们的直觉指数 让 和 ,然后下的直觉模糊集的子集构造域W可以分开写吗 。(2)直觉模糊子集代表观众反应观众的响应可以通过组合的数量观众参与讨论和速度的大学生网络舆论的传播。直觉模糊集的隶属函数代表观众反应可以通过加权平均计算使用直觉模糊综合评价。让 规范化的观众的数量, 是归一化的速度,观众反映的域 ,和域下的直觉模糊子集 和 。直觉模糊集的子集描述观众反应可以写成 。构造隶属函数以及直觉模糊子集的直观的指标,分别为: (3)一个直观的模糊子集描述观众和主题之间的相互关系分析公众的情感倾向在表达的演讲中,公众的关注大学的网上舆论,以及主题是一个热门话题,是否使用加权平均操作的直觉模糊综合评价构建的描述观众和主题之间的关系。直觉模糊子集隶属的关系,让 是归一化的态度偏差, 是归一化的关注, 规范化的担忧增加, 标准化的持续时间的问题。相应的直觉模糊子集 直觉模糊子集描述观众和主题之间的相互关系 。构造隶属函数和直觉指数两个直觉模糊子集,分别为: (4)预警级别的大学生网络舆论根据四种类型的大学生网络舆论,紧迫的程度是不同的。预警域下的直觉模糊子集= {levelIV},={第三级},= {levelII}= {levelI}。直觉模糊指数构建隶属函数的四个子集如下: 在哪里 。
4所示。一个基于引导估计方法
为了获得鲁棒性估计未知的系数和非参数主要部分 ,我们使用引导估计方法来提高处罚。首先,拟合值 是未知系数,非参数函数和惩罚最小二乘估计的残差吗来 。对现有的米样本,随机样本记录。引导残留是 。接下来,生成一个新的基于模型引导样本 ,然后,估计基于新生成的引导样本 ,从而获得未知系数和非参数主要参数估计。最后,重复以上步骤B次得到最终引导参数和相应的概率区间。多步的概率密度预测方法如图1。
5。实证分析与仿真
从收集的抒情主题新浪微博、百度贴吧,和其他渠道,一些大学生网上青年主题选择:(1)研究生收费改革;(2)复旦中毒情况;(3)贫困大学生健康评估方法;(4)海外反腐败;(5)大学生长和死亡的歧视;(6)阻止uncivilization阿姨漫画;(7)上海外滩。这些主题是规范化的,收集的数据如表所示1。
第一大学生网络抒情主题,输入检测向量(0.23,0.92,0.53,0.02,0.71,0.69,0.15)。首先,模糊向量,输出是(0.67,0.82,0.59,0.77);很明显,这个话题的亲密程度最高的警告级别(Z2级别),而众所周知,Z2媒体层面(介质类型)。可以获得同样的理由来判断结果的预警水平的大学生网络舆论的话题。结果如表所示2。
从表可以看出2的预警水平,上述七个大学生网络舆论话题温和,extraheavy,轻,重,光,光,和沉重的。特别重的和严重的抒情事件,为了社会和谐稳定,政府需要采取一些必要的措施来控制公众舆论的方向,防止一般的动荡造成的公众情绪。这项研究的结果与实际相一致的讨论活动。实际的社会影响和趋势的事件与模型预测结果基本上是一致的。
1月26日至1月30日,相关新闻,如“湖南大学转移订单取消”成为一个热门话题。在相关公众舆论在教育新闻,36765年积极的信息,19346负面信息,26322中性信息记录。观众越多,公众舆论的影响就越大。正常化公众观众的数量值x2。越高x2,风险水平越高。在这种情况下,x2值是0.87。关注电脑方面的趋势和移动站点如图2。
新闻的主要信息传播平台,它达到了峰值的事件传播1月26日。信息传播的数量是458。从1月21日事件开始蔓延,第一次Huda回应在1月22日,因此,注重开始大幅上升。在2nd第二次,官方的回应。由于不一致的声明,媒体和网民们触发。关注持续发酵,其注意力达到第一个高峰在24日。随后,事件的传播和注意力开始逐渐慢下来。在1月30日,教育部公布的调查结果和处理意见。随着网民对他们的处理结果不满意,再次关注程度上升,一旦到达第二个峰值,并随着时间的推移,关注程度逐渐降低,如图3。爆发后的非法转让在湖南大学研究生,这引起了普遍的关注。以新浪微博为例,主题名为“湖南大学转移事件”一旦上升到顶部的实时主题列表,约有690万主题阅读,综合分析,x6敏感性和专注度,x7话题热点敏感性0.36和0.29的价值。x6和x7的价值越高,危险程度越高。因此,输入检测向量(0.56,0.87,0.38,0.65,0.35,0.36,0.29);第一,模糊向量;输出(0.7368,0.6814,0.7925,0.7136);判断网络舆论警告水平II级。
6。结论
本文主要构造一个定性和定量理论模型来评估大学生网络舆论警告级别。使用直觉模糊推理模型和层次分析的过程。在使用直觉模糊推理来判断网络舆论警告级别,这个主题的重要性,公众的反应,和主题相关性作为参与因素。计算每个因子的隶属程度的直观的模糊综合评价方法。最接近的直觉模糊集用作网络警戒级别。层次分析法是用于将目标分解为多个指标的水平。介绍了专家评分法来确定每一级指标的权重来确定最终的指标体系。后一致性检验指标的比重值各级,网络舆论的索引值可以根据所构造的模型,计算和被激活的警告等级是确定阈值区间对应的索引值。同时,该模型在上海测试经验的踩踏事件。实证研究表明,该话题的重要性可以通过隶属函数计算和直观的实数。 The audience reflection can be obtained through the joint result of the number of audiences participating in the discussion and the public opinion’s speed. The weighted average of the intuitionistic fuzzy evaluation is constructed to describe the relationship between the audience and the topic. The analytic hierarchy process can decompose the factors affecting the development of public opinion into 25 indicators that can be observed and measured. By comparing the importance of different levels of elements, each indicator’s specific scores are obtained. The public opinion research index value年代用于预测的关注程度。的值越接近年代1,整个局势的发展将更严重。
数据可用性
使用的数据来支持本研究的发现包括在本文中。
的利益冲突
作者宣称没有利益冲突。
确认
陕西省教育部门支持的研究项目:资产证券化的应用研究陕西地方政府债务管理(没有。14 jk2012)。