基于boosting的幸福感预测,首发论文 -全讯担保网

您当前所在位置: 全讯担保网-0008全讯注册 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交pdf文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202101-48
论文题目 基于boosting的幸福感预测
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:albert einstein,编入参考文献时写法:einstein a.

示例2:原姓名写法:李时珍;编入参考文献时写法:li s z.

示例3:yelland r l,jones s c,easton k s,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择doc或latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的doc文件
上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!

基于boosting的幸福感预测

首发时间:2021-01-20

1   

罗毅(1966-),男

吴任伟 2    2   

李琳(1977-),女,教授,主要研究方向:数据挖掘,自然语言处理与机器学习

  • 1、武汉市公安局交通管理局
  • 2、武汉理工大学计算机科学与技术学院

摘要:当今中国社会,幸福已得到了越来越多的关注。但是,从大数据的角度探讨幸福的研究还不多。尽管在心理学研究中,大数据方法的应用并不广泛,但机器学习、深度学习等大数据技术,为传统心理学研究提供了全新的研究方法,带来了新的思路。本文基于中国人民大学中国调查与数据中心主持的《中国综合社会调查(cgss)》项目的数据,通过使用数据挖掘的技术来进行幸福感预测的研究,探究幸福感的影响因素和幸福感预测模型的效果。研究按照因子分析、特征工程、模型建立和评估三个阶段,系统地利用数据科学的方法进行幸福感影响因子的分析和幸福感预测模型的设计。研究发现:社会态度(公平)、家庭变量(家庭资本)、个体变量(心理健康、社会经济地位、社会等级)对幸福感的影响较大,且在利用这五个特征建立的幸福感预测模型中,基于boosting算法的模型和模型融合的效果较优。

关键词:

for information in english, please click here

the prediction of happiness based on boosting

1   

罗毅(1966-),男

wu renwei 2    2   

李琳(1977-),女,教授,主要研究方向:数据挖掘,自然语言处理与机器学习

  • 1、wuhan traffic management bureau,hubei province,430022
  • 2、school of computer science and technology,wuhan university of technology, 430070

abstract:in today\'s chinese society, happiness has attracted more and more attention. however, there are not many studies on happiness from the perspective of big data. although in psychology research, the application of big data methods is not widespread, or even just started, but big data technologies such as machine learning and deep learning provide new research methods for traditional psychology research and bring new ideas. this article is based on the data of the "china comprehensive social survey (cgss)" project hosted by the china survey and data center of renmin university of china. it uses data mining technology to conduct research on happiness prediction and explore the influencing factors of happiness and the effect of the prediction models. according to the three stages of factor analysis, feature engineering, model establishment and evaluation, the research systematically uses data science methods to analyze the factors affecting happiness and design the prediction model of happiness. the study found that: social attitudes (fairness), family variables (family capital), and individual variables (mental health, socioeconomic status, and social rank) have a greater impact on happiness, and among the happiness prediction models established by these five features, the effect of the model based on boosting algorithm and model fusion is better.

keywords:

click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

罗毅,吴任伟,李琳. 基于boosting的幸福感预测[eb/ol]. 北京:中国科技论文在线 [2021-01-20]. https://www.paper.edu.cn/releasepaper/content/202101-48.

no.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于boosting的幸福感预测

网站地图