摘要：共享单车作为一项科技创新产品,解决了城市最后一公里的难题。针对共享单车供需关系不平衡且复杂多变的特性,以及解决传统机器学习工具工作复杂、流程不清晰等问题,采用Spark计算框架以及Spark机器学习管道将UCI实验室共享单车数据集应用到Spark平台,并结合线性回归、决策树、随机森林、梯度提升树这四种机器学习方法分别构建了不同的回归模型。得出随机森林的预测效果最好,RMSE、MAE和R^(2)分别为50.95、34.67和0.92。该模型具有较高的准确率,可为单车调度和预测提供较好的参考。

摘要：为了解决从数据库整体的角度来消除基于不完全信息的XML数据冗余问题,研究了在不完全信息环境下XML数据库的各个模式之间存在的XML强闭包依赖引起数据冗余的判定条件和规范化算法.首先,给出了XML强函数依赖和XML强闭包依赖两者互不影响的定义;其次,提出了XML强函数依赖和非循环XML强闭包依赖互不影响的判定定理,研究了XML强闭包依赖范式以及相应的判定定理;最后,提出了把XML数据库模式转化为XML强闭包依赖范式的规范化算法,对时间复杂度进行了分析.该算法消除了冗余路径,避免了更新异常,实现了整个XML数据库模式更合理的设计.

摘要：Apriori算法是关联规则的经典算法之一。文中是基于对Apriori算法原理的研究从而完成电影标签推荐的应用,实现当用户给自己喜欢的电影打标签时,可通过关联规则进行电影推荐。实验采用Python语言实现Apriori算法,对数据集MovieLens采用One-hot编码进行处理,利用Apriori算法寻找到数据集中的频繁项集,根据找到的频繁项集生成关联规则。实验结果表明,基于Apriori算法的电影标签推荐得到的实验结果更准确、快速、高效,同时也取得了良好的电影标签推荐效果,从而提升用户体验。

摘要：DeepFM模型是基于FM模型与Wide&Deep模型的改进,该推荐算法主要基于深度学习通过已知特征来预测用户点击某一按钮的概率。但随着电子商务的发展,不仅需要通过横向特征预测用户点击某一按钮的概率,还要纵向考虑该按钮在不同时间段的点击概率变化。文中对DeepFM进行了改进,引用了拟合函数的方法,通过各个拟合的函数计算出点击概率变化的函数图像,延展该图像得知该按钮被点击概率随着第三维坐标时间值的变化,从而实现了各种用户在不同时间对于不同商品需求的预测。该算法运用了相对平滑的函数曲线来拟合模型计算的结果,提高了模型的精确度。

摘要：为发现精准的关联规则,对多层关联规则问题进行研究,提出基于散列技术的Hash_Cumulate多层关联规则算法。通过对原有Cumulate算法进行分析,对Cumulate算法有较多冗余候选集影响算法运行时间的缺点进行改进,提出在产生候选2项集时判断其中两项的关系进行删减,将候选2项集映射到散列表中进行筛选,减少候选集数量,进而减少扫描事务集的时间,提高算法运行效率。通过对原Cumulate算法与Hash_Cumulate算法进行实验比较和实例分析,验证Hash_Cumulate算法具有较高的运行效率。

摘要：为了解决不完全信息环境下XML模式设计中XML文档的数据冗余和操作异常,研究了不完全信息环境下XML Schema的规范化问题,提出了XML Schema和符合XML Schema的不完全XML文档树等概念;基于节点等价、节点相容、节点信息等价和节点信息相容等概念提出了XML强函数依赖的定义,给出了相应的推理规则;给出了求路径集强闭包和成员籍问题的算法,并对算法的正确性进行了证明,对其时间复杂度进行了分析。提出了不完全信息环境下XML范式和相应的规范化算法。研究成果较好地解决了数据冗余问题,避免了更新异常现象,更好地实现了XML

摘要：XML强多值依赖的推理规则集问题是解决不完全信息环境下XML数据依赖蕴涵问题的基础,是不完全信息环境下XML模式设计理论的关键问题之一。提出了XML Schema、符合XML Schema的不完全XML文档树等概念;基于子树信息等价和子树信息相容的概念提出了XML强多值依赖的定义及性质;给出了相应的推理规则集,并对其正确性和完备性进行了证明。研究成果为不完全信息环境下存在XSMVD的XML Schema设计奠定了基础。

摘要：为了解决不完全信息环境下XML模式设计中XML文档的数据冗余和操作异常,研究了不完全信息环境下存在XML强多值依赖的XML Schema规范化问题;提出了XML Schema、符合XML Schema的不完全XML文档树等概念;基于子树信息等价和子树信息相容的概念给出了XML强多值依赖的定义;提出了弱键路径和XML强多值依赖弱范式的定义;通过实例分析了在XML Schema中XML强多值依赖引起数据冗余的原因,提出了转换规则,给出了规范化算法。研究成果可较好地处理XML文档中出现大量不完全信息时的数据冗余问题,实现不完全信息环境下更好的XML Schema设计。

摘要：XML闭包依赖是基本的完整性约束。当XML文档出现不完全信息时,XML闭包依赖同样对于阻止XML数据的更新异常、查询优化以及索引设计具有重要的意义。提出了在不完全信息环境下基于一致路径集合的XML强函数依赖和XML强闭包依赖的定义,研究了XML强闭包依赖的判定定理。在提出XML强闭包依赖推理规则的基础上,对其有效性和完备性进行了证明。最后分析了XML强闭包依赖和XML强函数依赖的关系。

摘要：函数依赖在关系数据库中起着基本的作用,尤其是用在完整性约束和数据库设计方面。同样地,这些约 束在中XML也起基本的作用。近年来已定义了XML上的函数依赖。本文扩展了在XML中函数依赖以前的定义, 使之成为XML局部函数依赖;同时给出了局部函数依赖的推理规则。