本文在数据驱动与知识整合研究视野中,依据Web of Science收录文献的学科分布数据,指出图书情报学尚不是智库和大数据研究的核心学科,进而思考图书情报学跨界拓展的有效方向。以逻辑分析法发现在DIKW概念链上统合数据智能和知识发现作...
详细信息
本文在数据驱动与知识整合研究视野中,依据Web of Science收录文献的学科分布数据,指出图书情报学尚不是智库和大数据研究的核心学科,进而思考图书情报学跨界拓展的有效方向。以逻辑分析法发现在DIKW概念链上统合数据智能和知识发现作为有效方向的合理性,提出在数据智能和知识发现交互作用下图书情报学跨界拓展三大重点:(1)面向知识发现的数据智能,(2)融通数据智能的知识发现,(3)学术评价综合应用。建议发挥图书情报学在"软科学、硬技术"分界中的核心比较优势,以数据智能和知识发现形成图书情报学跨界拓展特色方向,整合为数据—学术—创造(DAC)。图4。表1。参考文献18。
在黄金期货价格预测问题的研究中,价格具有时变性、非线性、高噪声和影响因子复杂等因素,决定了其被准确预测的难度。传统方法对黄金期货价格的预测主要借助于静态模型,导致预测精度不高或分析不足。为了能动态而准确的预测黄金期货价格,本文从技术行情指标、行业方面的影响因素及宏观经济环境指标三个维度选取39个变量,以机器学习(machine learning;ML)方法构建基本融合素材,利用动态模型平均(dynamic model averaging,DMA)方法代替传统模型融合技巧,得到黄金期货价格预测模型。实证结果表明,采用机器学习-动态模型平均策略能够明显提高黄金期货价格的预测精度。
暂无评论