民主党派结构界别特色的智能大数据分析

2020-02-14 07:40:00邓子云
统一战线学研究 2020年1期
关键词:机器学习大数据

摘  要:本文采用大数据和人工智能技术手段,拟合规律公式,通过分析某省九三学社全体社员的数据样本发现:社员结构界别特色明显,存在主体界别占比缓慢下降、新的社会阶层界别发展迅速、科学研究界别发展人数下降较快、高层次人才发展困难4个主要特点。提升结构界别特色,应坚持主体界别和中高级知识分子特色,培养高层次人才;放缓新的社会阶层界别发展速度,改良新发展社员结构;加大发展科学研究界别人士力度,培育科技精英。

关键词:民主党派;结构界别特色;大数据;机器学习;多项式拟合

中图分类号:D613   文献标识码:A    文章编号:2096-3378(2020)01-0092-12

我国的各民主党派力图保持结构界别特色。然而,各民主党派在组织发展上试图保持长期坚持的结构界别特色时遇到了共性问题,如主体界别人数比例下降、新的社会阶层人士明显增多等[1],导致有观点认为长期坚持的结构界别特色难以维系[2-3]。准确分析民主党派结构界别特色的发展状况,有助于发现问题,进而精准施策。目前,学界针对民主党派结构界别特色的分析,多采用简单传统的统计分析方法,尚未发现运用大数据及人工智能技术作此项研究。现状统计和未来趋势分析正是大数据及人工智能技术的长项[4],运用先进信息技术和算法有助于探讨统战领域相关问题。本文运用大数据和人工智能技术,以某省九三学社全体社员数据为样本,对社员发展总量及界别特色作出量化分析。……

登录APP查看全文

猜你喜欢
机器学习大数据
基于词典与机器学习的中文微博情感分析
基于网络搜索数据的平遥旅游客流量预测分析
时代金融(2016年27期)2016-11-25 17:51:36
前缀字母为特征在维吾尔语文本情感分类中的研究
科教导刊(2016年26期)2016-11-15 20:19:33
基于支持向量机的金融数据分析研究
大数据环境下基于移动客户端的传统媒体转型思路
新闻世界(2016年10期)2016-10-11 20:13:53
基于大数据背景下的智慧城市建设研究
科技视界(2016年20期)2016-09-29 10:53:22
数据+舆情:南方报业创新转型提高服务能力的探索
中国记者(2016年6期)2016-08-26 12:36:20