時間：2023-06-06 09:01:49
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇人工智能專題，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
一、人工智能
人工智能（Artificial Intelligence，縮寫為AI），是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能是計算機科學的一個分支，它試圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。養老服務業人工智能的應用主要體現在家居掃地機器人、語音溝通服務、家庭體檢、藥物使用建議、家居廚師、家居智能陪伴服務。
二、養老服務人才培養“人工智能化”
人工智能上升為國家高級戰略后，國家發展服務性制造和生產性制造，同時盡可能的通過服務業的再造和完善，改進我國經濟產業結構，發揮技術、人才、產業的對接聯動效應。人、機器、智能機器將共生共存，成為養老服務工具的新常態。未來的養老服務人才不是笨干、累干、苦干，而是實干+巧干，實現腦力勞動的智能機械化，盡可能地減少人力的倦怠感，提高服務效率、質量和速度。智能化，體現在養老服務人才應具備傳播人工智能基礎知識，客觀了解人工智能，有效實現人與機器、智能機器的有效配對組合應用，充分發揮智能機器的保健醫生、保姆、玩伴、老伴、子女多重功能，倡議自養老。
三、人工智能養老服務人才培養模式
（一）廣播電視大學遠程教育模式――音像媒體
配備養生、人工智能國內一流專家，發揮國家音像媒體的作用，將人工智能家居應用的途徑、方式、手段通過網絡微視頻的形式進行普及。發揮社區教育指導中心、社區大學和社區教育學院、社區學校、社區學習站四級社區教育辦學網絡體系的作用，建立社會養老大學，使老年人自己會應用人工智能，減低對子女的時間依賴。
（二）公眾號社會宣傳普及模式――微媒體
國家、企業、社區應建立專題公眾號進行微媒體培訓。從國家層面，要建立人工智能養老服務應用技術發展歷程方面的公眾號；從企業層面，要建立人工智能機器人養老服務應用說明類的公眾號；從社區層面，要基于一些鰥寡孤獨建立社群委托服務型人工智能服務策略的公眾號。
（三）職業技術學院培訓模式――專題高端培訓
目前，人工智能服務還不能完全普及，故而職業技術學院的后備人才首先要建立自我提升的潛意識，此外，職業技術學院自身要引進國內外的人工智能專家，進行家庭陪護、游戲娛樂、醫療、做飯、洗衣、洗漱、保健、鍛煉等多重人工智能方面的高端培訓。
（四）民政部門、老齡委聯合推廣模式――社會傳媒
作為養老服務的主管部門，民政部門和老齡委要利用廣播、電視、報紙、雜志等對人工智能的發展趨勢、前景、作用、功能、效益、方式進行宣傳。民政部門要側重于養老服務的社區組織協調，老齡委要側重于制度、規定、采購人工智能機器方面的政策優惠的制定。
（五）社會民間家政服務組織培養模式――養老院、福利院自組織模式
民間社會力量建立有養老院、福利院，這就對相關服務人員的素養提出了時代性的要求。其一，人的社會角色多，時間、精力、體力有限；其二，人工智能是趨勢，必須適應并學會使用；其三，要加強前瞻性人才培養，解決勞動倦怠問題，即民間組織自己解決自己的問題，通過人工智能，減少雇員，降低勞動力雇傭成本。
四、人工智能養老服務人才培養對策
（一）廣播電視大學養老服務人才培養對策
依托遠程教育系統，發揮網絡平臺的作用，將人工智能的技能培訓與社區教育、社會養老大學的建設并舉；發揮廣播電視大學的社會服務功能，與人工智能機器生產企業搭建戰略伙伴關系；積極推進產培用一體化建設，形成網絡平臺特色模塊；推出廣播電視大學養老服務精品課教程，以優質教育品牌打開培訓窗口。
（二）人工智能機器制造企業養老服務人才培養對策
基于居家養老的社會需求利益取向，把脈居家老人和其子女的時間要求，積極開發、完善人工智能機器的特殊功能，加大資金投入力度，特別加強對情感交互、圖像識別、語音功能的完善；重點做好人工智能機器使用說明，要具有便捷實用性的操作指南，方便人們學習。
（三）職業技術學院養老服務人才培養對策
職業技術學院作為專職教育機構，首先，要提前與職業高中接軌，進行專職意向高中生的錄取，為養老服務人才培養獲取意向生。其次，要突出人才培養的實踐應用性，購置高端智能機器，讓學生能夠迅速掌握技能，并且能夠進行社會的二次培訓，對購置的智能機器進行租賃和應用培訓。
（四）民政部門、老齡委養老服務人才培養對策
民政部門和老齡委要培養高級管理人才，建立養老服務人才智庫，積極推進國家、企業、社會的養老服務人才人工智能化聯動培養；加大對家庭貧困并且有意向致力于養老服務的青年才俊的培養支持力度；對人工智能養老服務高端研發海歸人才給予政策優待；建立城市養老服務專家群組，定期召開學術研討會議，增進智慧交流。
（五）社區養老服務人才培養對策
社區要加強人工智能養老服務人才的典型宣傳，利用宣傳畫的形式傳播人工智能應用的優勢；積極打造人工智能特色服務團隊，開展社區公益性專題培訓，并募集資金購置人工智能機器為特殊群體獻愛心；努力構建人工智能養老社區，采用人工智能的形式鼓勵老年人進行文體娛樂，增強體質。
總的來說，在計算機技術不斷發展的現代社，人工智能技術的普及給養老服務帶來了巨大的便捷。隨之而來的人工智能化養老服務人才的培養成為了發揮人工智能養老服務效用的關鍵環節。要培養人工智能化養老服務人才，可以從遠程教育、社會宣傳普及、學院培訓、政府推廣等模式入手，實現人工智能化養老人才培養模式的多元化。同時，開展遠程教育的過程中運用產品一體化模式，在滿足老人需求的基礎上提升人工智能設備的人性化操作，重點開展職業技術院校的人才培養方式，與民政部門開展緊密合作，積極培養人工智能化養老服務人才。社區方面強化人才的教育宣傳工作，全力搭建人工智能養老社區。
【關鍵詞】全國“兩會” 新媒體 報道模式 人工智能 大數據 虛擬現實
【中圖分類號】G220 【文獻標識碼】A
2017全國“兩會”中，新媒體報道手段精彩紛呈，全國各家主流媒體由技術精湛、經驗豐富、新老搭配的編輯記者組成融媒體報道一線方隊，紛紛在全景影像、短視頻、微視頻、H5（第五代超文本標記語言）專題制作、虛擬現實（VR）技術、人工智能（AI）、大數據、數據圖解等方面展示獨家技能，并逐步顛覆以往的傳播手段、傳播方式、傳播渠道，促進“兩會”報道向“新媒體+媒體特色”報道方式華麗轉變。新媒體直播神器粉墨登場，主流媒體展現各自的采編實力、傳播能力，將移動直播技術發揮得淋漓盡致，為網民精心制作一頓全視角、零距離、面對面、實時移動直播的“兩會大餐”，提供多維立體、全方位覆蓋融媒體的“兩會”盛況，凸顯媒體深度融合、集團化報道新模式，開啟“融媒體+報道”新航程。
一、人工智能（AI）+大數據報道初露鋒芒
人工智能實際上是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器。人工智能（AI）+大數據報道旨在實現以會話為基礎、以智能機器人代替人的人機交互性，是未來新媒體報道發展的趨勢之一。業界人士認為，內容分發就是通過實現用戶對網站的就近訪問及網絡流量的智能分析，將本節點流媒體資源庫中的指定內容，根據業務運營商定義的內容分發策略向下層節點推送。內容分發的關鍵是人工智能，核心是搜索引擎，信息流是搜索引擎的延伸。
以谷歌搜索為例。谷歌搜索引擎的機理和很多人工智能程序相同，都是以并行計算、大數據及更深層次算法為基礎，完成對數據、問題的智能化分析。微軟、臉書（Facebook）、百度等互聯網企業率先投資研發聊天機器人，在現有的用戶畫像、場景匹配、人工智能等技術基礎上，致力于研究適用于新媒體報道的個性分析、即時推送、機器人寫作等技術應用，“機器人”新聞報道端倪可見。2016年全國“兩會”，新華社客戶端聯合百度智能機器人“度秘”共同推出“度秘帶你看‘兩會’”特別報道，通過人機對話傳遞“兩會”的好聲音、權威解讀政府工作報告。此后，在百度新聞上線的最新版本中，基于人工智能的“聊”新聞功能亮相，用戶只要點擊進入交互界面，就能獲得自己所需的重要新聞，還可以向機器直接提問，查找所需內容。2017年3月1日，新華社客戶端更新到4.0版本，推出獨家“智能引擎”，綜合運用大數據、人工智能、語音語義識別等技術，以人聲和全媒體形態向用戶反饋最新新聞資訊。
2017年全國“兩會”，有媒體將智能機器人引入演播室，實現人機互動、實景虛擬切換，增加播報時尚感，吸引更多用戶，由此帶來點擊率的提升。中國軍視網推出全國“兩會”機器人“軍視俠001”，有關全國“兩會”的日程安排、國防和軍隊改革等問題用戶都可以向它詢問，“軍視俠001”會根據用戶提問內容進行回答。2017年2月28日，《光明日報》宣布“小明AI兩會”正式上線。這是一款國內首次將人工智能和大數據技術用于“兩會”報道的應用，“兩會”期間，“小明”每天會從最新的“兩會”報道中分析信息、挖掘數據，及時為用戶提供最新的“兩會”報道盛況。
二、虛擬現實（VR）技術+H5、全景相機報道再創佳績
虛擬現實技術+H5、全景相機在新聞報道中將編輯記者的個人化視角、全景視角與用戶視覺和聽覺相結合，受眾的角色從大會外以虛擬身份進入會場，非常直觀，如同身臨其境。
或問：當我們的身體里有著大量的智能設備，就好像人工智能一樣，那我們還是人嗎？這個問題就像古希臘的“忒修斯之船”一般，其現實意義已經遠遠小于哲學意義。
在一家主營孵化器的創投基金支持下，南京成立了一個名為“奇思會”的組織，名字來源于“奇奇怪怪的思考的會”。這個會有不少創業者參加，大部分時候討論一些所謂的務實話題，但偶爾也會討論一些很虛無縹緲的事。比如在不久前，作為這個組織的理事之一，我就參與了一場題為“誰會逆襲，人還是人工智能”的PK式討論。
這場討論有些漫無邊際，因為這事兒本身聽著就有點漫無邊際。很難想象，在當今還活著的人的生命中，會真正面臨人工智能逆襲人的時代。雖然在《人與機器共同進化》這一書中，有人提出了相當激進的觀點：30年內，技術奇點會來到。但這種說法，顯然尚不足以成為共識。
《人與機器共同進化》是一本文集，由二十多篇文章組成，其中最重要的八篇文章共同組成了一個同名專題，專門探討人與人工智能。這八篇文章立場不一，有的地方也有激烈的觀點沖突，可以為試圖了解這個虛無縹緲的話題的人提供一個全景式的掃描。這本書亦是“1024”系列中的一本，1024是東西網一個雄心勃勃的項目，試圖譯介大量海外前沿話題的討論文章，當下，已經面世了好幾冊。
我的觀點非常清晰明了：人工智能總有一天會發展到超出人類智能，而且，到了那一天后，人工智能壓根不需要人類智能。這個觀點其實和凱文·凱利有些類似，不過我這樣考慮有我的出發點。至少在凱文·凱利的三本中譯著中，沒有發現他是這樣考慮的。
一個很重要的問題是：機器再怎么發展，它未必有人性。人性是什么東西？人性的核心就是兩樣：貪婪，以及恐懼。小到個體行為，大到各種主義，統統扎根于這兩個基本人性上。因為我們貪婪，所以我們要征服自然；同樣也因為我們恐懼，所以我們要征服自然。
但機器會嗎？機器會有貪婪嗎？機器會有恐懼嗎？如果機器沒有貪婪與恐懼，它為什么要逆襲人類？如果機器會有貪婪與恐懼，它又會有何種貪婪與恐懼，以及，它為什么要擁有貪婪與恐懼？
人作為一種動物，“延續”是最根本的需求：個體延續與整個物種的延續。于是我們有了貪婪和恐懼，但有趣的是，機器有沒有延續這種需求？機器的再生，想象中比任何一種動物都簡單。更進一步的問題是：機器需要物種延續嗎？機器本身是物種么？
比爾·喬伊在《為什么未來不需要我們》一文中已經描繪了一種景象：人類，已經成為這個世界無足輕重的一部分。當機器毀滅人類時，就好像人類毀滅某種動物時“純屬無意”：我們并不是要故意毀滅它們的，它們也根本不在我們貪婪與恐懼的范疇中。就如同一個人一不小心踩死一只螞蟻一樣，一個物種毀滅另外一個物種，卻毫無目的。很悲哀的一件事就是，在機器的眼里，我們就像人類眼中的螞蟻。也許被毀滅，也許不會。但總體來說，根本不重要，直接被無視。這件事讓我們十分沮喪。
不過，這樣的思考方式忽略了一點。拜大量的科幻小說和電影所賜，人工智能總是人類制造出來的另外一樣事物，是人類將機器予以智能化。但現實有可能是這樣發展的：人類自身加以機械化，從而變成一種以人類本身為基礎的人工智能。
事實上，從桌上的電腦，到可攜帶的智能設備（手機、平板），到可穿戴的智能設備，再到可植入的智能設備，這條路徑正在展開。我們正處于第三個階段，即可穿戴設備大規模普及的前夜，也零星有一些可植入智能設備的問世。而在未來，一旦可植入設備大規模問世之后，我們，就是人工智能。我們，就是機器人。而這一天，也許就是二三十年的事。
如果把這種進路考慮進來，就意味著這樣生成的人工智能具有人的最根本特性：貪婪、恐懼，也就意味著他們對未能升級的人類具有攻擊毀滅的可能：因為到底還是一種動物，需要更多的資源。這種攻擊毀滅并非是直接消滅，而是采用淘汰的方式。比如一個未能植入大腦芯片的學生，在高考之類的考試中，毫無疑問會被淘汰，在社會中也毫無競爭力。這會驅使更多的人尋求各種可能，成為“人工智能”。而真正意義上所謂的純種人，將不復存在。
這樣的未來，是好是壞？是足以樂觀還是需要悲觀？我倒是以為，這樣的問題毫無必要。每個時代都有每個時代的道德感和準則，用今天的道德感去衡量古人會很可笑，去衡量未來，同樣可笑。杞人又何需憂天？
或問：當我們的身體里有著大量的智能設備，就好像人工智能一樣，那我們還是人嗎？這個問題就像古希臘的“忒修斯之船”一般，其現實意義，已經遠遠小于哲學意義。
鏈接
1、《人工智能——一種現代方法》
作 者：[美]拉塞爾，[美]諾文 著，姜哲 等譯
出 版 社：人民郵電出版社
出版時間：2010-8-1
本書以詳盡和豐富的資料，從理性智能體的角度，全面闡述了人工智能領域的核心內容，并深入介紹了各個主要的研究方向，既詳細介紹了大量的基本概念、思想和算法，也描述了各研究方向最前沿的進展，同時收集整理了詳實的歷史文獻與事件。
2、《互聯網進化論》
作 者：劉鋒 著
出 版 社：清華大學出版社
出版時間：2012-9-1
通過互聯網進化論的提出，作者將云計算、物聯網、移動互聯網與傳統互聯網有機地結合在一起。本書全方位地介紹了互聯網的技術要點和商業模式，深入探討了互聯網的未來發展趨勢。
3、《信息簡史》
作 者：[美]詹姆斯·格雷克 著，高博 譯
出 版 社：人民郵電出版社
工作中存在的不足網絡輿情監測工作是指網絡信息工作的部門或人員在特定時期或者在特定的事件中對公眾在互聯網上發表的言論和意見進行監視、收集、分析、整理及預測的行為，這些言論被稱為網絡輿情。
當前的網絡輿情監測工作平臺主要是基于信息采集、整合技術和智能處理技術，通過對互聯網海量信息的自動抓取、自動分類聚類、主題檢測、專題聚焦，實現對用戶的網絡輿情監測，并由相關部門形成輿情工作報告、輿情信息簡報等，為輿論引導提供可靠的分析依據。
進入大數據時代，網絡輿論呈現的新特點，促使網絡輿情監測工作暴露出諸多不足之處，這為網絡輿情監測工作帶來了諸多挑戰。
網絡輿論信息格局發生變化，輿情分析質量亟待提高。據人民網權威的《2016年中國互聯網輿情分析報告》顯示，在2016年，伴隨著移動互聯網應用不斷向社會各層面滲透，網絡輿論的格局發生了很大變化，如網民結構與社會人口結構趨同，網民產生代際更新導致網絡流行議題和文化熱點發生轉換，微博、微信平臺化，專業自媒體步入興盛等。在這樣的變局下，網絡輿情監測工作面臨著新的挑戰。然而，有些部門的輿情信息收集工作仍然停留在報刊、門戶網站、BBS、微博等開源信息的收集階段，并未將新聞客戶端、微信、直播等平臺打通，難以保證輿情信息分析的全面性以及輿情熱度指標的準確性。《2016年中國互聯網輿情分析報告》還對近五年來參與當年最具網絡關注度的20個輿情熱點事件討論的320萬微博用戶樣本進行了分析，發現關注新聞事件和聚焦熱點話題的網民發生了代際交替，在性別方面，女性的比例明顯上升；在地域上，三、四線城市用戶增長迅猛。受眾層面發生的這些變化，也將在輿情監測工作中體現出來。然而在目前的輿情監測工作中，相關信息部門的輿情信息報送在內容上只是就事論事、停留在現象層面，對受眾的成分、熱點事件的社會背景以及事件背后所反映出來的社會問題沒有進行細致深入的研究分析；在形式上，網絡輿情監測工作的報送還停留在工作動態報告或者事件日志等形式的報送上。這樣就造成了網絡輿情信息的價值作用降低、服務能力減弱的問題。
熱點事件話語體系不可控，輿情預警能力亟待增強。縱觀近年來發生的熱點公共突發事件，可以發現，在以大數據為基礎的社交平臺上，公眾的話語體系呈現出了一些全新特征，如輿論主體的匿名性、參與渠道的多元化、生成議題的自發性、交流觀點的無界性、匯集意見的實時性、發展趨勢的不確定性等。這些特征與輿論話語體系在傳統媒體的呈現完全不同，網絡輿論熱點事件話語體系的不可控性大大增強。
在社交媒體平臺上，自媒體呈現出來的話語體系最為龐雜。許多輿情信息不僅包含結構化數據，還涉及大量非結構化數據，若對其準確性、真實性逐一核查，既耗費人力又耗費時間。就內容而言，較多負面、虛假輿情具有較強的隱蔽性，單純以關鍵詞或主題詞進行搜索容易產生誤判、遺漏。話語體系的不可控性增加了輿情監測工作的難度，這要求工作人員必須具備過硬的專業敏感性以及較強的網絡操作技能。但是目前大多數輿情監測工作部門的信息工作人員缺乏專業化的訓練，輿情信息工作水平參差不齊。就輿情監測平臺系統來說，對于輿情信息的跟蹤分析靈敏度較低，在有些熱點事件的處理上沒有按照公共突發事件的分類標準進行準確的分級，從而導致網絡輿情信息的分析判斷力體現不出其應有的情報價值，預警能力也隨之削弱。
輿情監測的技術體系落后，人機不協調問題亟待解決。網絡輿論的實時性及其發展的不確定性要求網絡輿情監測必須迅速、及時，但很多單位部門的輿情監測平臺的方法技術體系滯后，部分單位采用了網絡監控系統、有害信息過濾系統等方式進行網絡輿情監測，而有些單位為了節省輿情監測設備的成本，甚至將網絡輿情監測工作依托于人工網頁搜索及瀏覽的“人工盯梢”方式上，這成為監測工作的一大阻礙，監測工作出現疏忽錯判也在所難免。排除資金、人力等客觀因素，現階段的網絡輿情監測工作中技術方法體系的不足主要歸因于“人機不協調”。機器與人工的協同分工模式不成熟、機器的輔助力量不夠，導致人工智能技術在預測監測體系中分析情感、預測走勢、檢查效果等方面應用還稍顯粗淺、機械，而在需要人工進行的高級維度分析、提出應對策略等層面，機器的應用又顯得粗糙以及同質化。
人工智能為網絡輿情監測帶來的三大變革
網絡輿情監測要適應大數據時代人工智能的要求，就必須順勢而為，積極進行變革，主要包括網絡輿情監測技術體系的變革、網絡輿情監測研究范式的變革以及網絡輿情監測管理思維的變革三個方面。
網絡輿情監測技術體系的變革。將人工智能技術應用于網絡輿情是為了更好地對輿情進行分析研判，通過直觀、簡明的方式描述網絡輿情信息的產生，進一步推導信息傳播主體的態度傾向性、情緒感染性以及初衷、意圖等，從而預測網絡輿情信息的發展趨勢。
如果說在“小數據”環境下，網絡輿情監測工作還可以依托于“人工盯梢”的方式來完成，那么在“大數據”環境下，當數據的量級達到了EB甚至ZB級別后，以人工監測來把握輿情脈絡已成為不可能完成的任務。而那些隱含在網絡輿情信息中的觀點、態度及情緒的表達，更難以從泛濫成災的信息碎片中被真正發掘出來。加之海量信息的不共享所帶來的“信息盲區”，更使得輿情信息分析不夠嚴謹，易偏離實際，而這些問題都需要依托搭建智能化的網絡輿情監管平臺來解決。在平臺上可以通過三種人工智能技術實現數據分析與人工智能研判相結合，再借助如眼動儀、腦電儀等受眾檢驗儀器對網絡輿情信息進行綜合化分析。三種主要的人工智能技術主要包括：一是Web挖掘技術，該技術把互聯網與數據挖掘技術結合起來，對網絡上結構化數據如文字言論，以及非結構化的數據如視音頻、圖像等信息進行采集，完成信息前期處理的第一步；二是語義識別技術，該技術是利用采集到的信息，通過對語句中的關鍵詞進行詞義推斷處理以及句子語法結構的分析，從而將復雜信息簡單化，這是對采集的信息數據做進一步識別推斷的過程；三是TFDF信息聚類技術，該技術主要提升數據信息的分析和分類速度，使網絡輿情監測工作的處理更加及時，反應更加靈敏，提高采取措施的時效性。
人工智能技術的介入將有利于對信息進行挖掘、采集、分類、整理，從而找尋出最核心的關鍵性數據。在此基礎上，還可以運用人工神經網絡預測模型，對網絡輿情的性質、發展趨勢進行正確描述，并提出相應的對策。
網絡輿情監測研究范式的變革。人工智能和大數據對網絡輿情監測工作及其研究產生了頗為深刻的影響，輿情監測的研究范式從多角度發生了轉向。
第一，輿情監測工作視角的轉向：從單一化到多元化。在社交媒體平臺上，受眾的角色首先發生了轉向，由信息的被動接收者轉變為信息的參與者和傳播者。這一轉向給網絡輿情監測工作帶來了新的挑戰，當受眾是單純的信息接收方時，網絡信息的可控性強，輿情監測工作形式單一，把關相對容易。而受眾角色發生變化以后，網絡信息傳播的不可控性大大增加，信息傳播速度加快，信息傳播呈現多元化特征，把關難度增加，網絡輿情監測工作也從單一轉向多元化，還需要對信息進行疏導、研判處理。
第二，研究視角的轉向：從內容研究轉向“內容+關系”研究。傳統的網絡輿情信息研究最重視的是受眾借助網絡進行的話語表達，其研究視角主要集中在內容層面。隨著人工智能技術的介入，這一單向視角將發生轉變，潛藏在內容層面背后的網絡受眾心理、行為、動機、訴求等多方面因素都將被關注到。借助人工智能技術及大數據分析技術，網絡輿情信息的研究視角將透過內容層面深入到關系層面，轉向對網絡受眾社會心理描繪、社會關系呈現、社會話語表達等多維度的研究。
第三，研究重點的轉向：由輿情監測轉向輿情預測。當前的網絡輿情監測工作主要通過對當下網絡輿情的動態信息進行隨機采樣來收集、整理、分析，更多的是關注已經發生的事件在過去及當下的動向，對未來的發展預測難以兼顧。而借助人工神經網絡預測模型，通過自然語言處理、模式識別及機器學習等人工智能技術，可以對網絡輿情的性質、發展趨勢進行正確描述，再結合大數據分析處理整群數據來實現預測功能。比如，著名的搜索引擎公司谷歌通過關注用戶搜索中的“流感”關鍵詞來預測實際流感發生的時間，往往可以提前兩三個周對流感的爆發進行預報及預防。
網絡輿情監測管理思維的變革。在以人工智能技術為支撐的網絡輿情監測平臺出現之前，相關輿情監測部門的管理者往往由一人或幾人的小團隊組成，在監測信息數據量級不大的情況下，這種小作坊式單打獨斗、面面俱到的輿情監控管理思維可以基本滿足需求。但是隨著人工智能技術的發展及大數據時代的到來，這種小作坊式的輿情監測體系面臨瓦解。當前，商業化運營的軟件監測團隊多達幾百家，這些監測軟件服務商通過開發相應的輿情監測軟件為政府部門、企業主體以及科研院所提供服務，進行簡單的輿情信息數據采集及分類處理工作。在數據開源的情況下，這些軟件服務商的競爭逐漸由粗放型、低層次化向數據處理的優化、人機互動、機器算法的精進等層面轉變。
在以上變化的基礎上，輿情監測的管理思維也必須轉向，組建一支人員分工明確、高度聚合集約的輿情分析團隊勢在必行。輿情管理的思維變革依托于人工智能監控系統改變團隊的組織結構及管理方式，通過智能化的輿情監測系統代替低效的人工操作，其專業性要求頗高，而最佳處理模式就是專業化團隊加人工智能技術。按照這樣的管理思維，未來輿情監測團隊的分工將更加明確，行業內部集約聚合程度將進一步提高，行業有機化程度也將逐步增強。
（轉自.cn/bbs）
工學 ENGINEERING
課程中文名稱 課程英文名稱
高等數理方法 Advanced Mathematical Method
彈塑性力學 Elastic-Plastic Mechanics
板殼理論 Theory of Plate and Shell
高等工程力學 Advanced Engineering Mechanics
板殼非線性力學 Nonlinear Mechanics of Plate and Shell
復合材料結構力學 Structural Mechanics of Composite Material
彈性元件的理論及設計 Theory and Design of Elastic Element
非線性振動 Nonlinear Vibration
高等土力學 Advanced Soil Mechanics
分析力學 Analytic Mechanics
隨機振動 Random Vibration
數值分析 Numerical Analysis
基礎工程計算與分析 Calculation and Analysis of Founda tion
Engineering
結構動力學 Structural Dynamics
實驗力學 Laboratory Mechanics
損傷與斷裂 Damage and Fracture
小波分析 Wavelet Analysis
有限元與邊界元分析方法 Analytical Method of Finite Element and
Boundary Element
最優化設計方法 Optimal Design Method
彈性力學 Elastic Mechanics
高層建筑基礎 Tall Building Foundation
動力學 Dynanics
土的本構關系 Soil Constitutive Relation
數學建模 Mathematical Modeling
現代通信理論與技術 Emerging Communications Theory and Technology
數字信號處理 Digital Signal Processing
網絡理論與多媒體技術 Multi-media and Network Technology
醫用電子學 Electronics for Medicine
計算微電子學 Computational Microelectronics
集成電路材料和系統電子學 Material and System Electronics for In
tegrated Circuits
網絡集成與大型數據庫 Computer Network Integrating Technology and Large
scale Database
現代數字系統 Modern Digital System
微機應用系統設計 Microcomputer Application Design
計算機網絡新技術 Modern Computer Network Technologies
網絡信息系統 Network Information System
圖像傳輸與處理 Image Transmission and Processing
圖像編碼理論 Theory of Image Coding
遙感技術 Remote Sensing Techniques
虛擬儀器系統設計 Design of Virtual Instrument System
生物醫學信號處理技術 Signal Processing for Biology and Medicine
光纖光學 Fiber Optics
VLSI的EDA技術 EDA Techniques for VLSI
電子系統的ASIC技術 ASIC Design Technologies
VLSI技術與檢測方法 VLSI Techniques & Its Examination
專題閱讀或專題研究 The Special Subject Study
信息論 Information Theory
半導體物理學 Semiconductor Physics
通信原理 Principle of Communication
現代數理邏輯 Modern Mathematical Logic
算法分析與設計 Analysis and Design of Algorithms
高級計算機網絡 Advanced Computer Networks
高級軟件工程 Advanced Software Engineering
數字圖像處理 Digital Image Processing
知識工程原理 Principles of Knowledge Engineering
面向對象程序設計 Object-Oriented Programming
形式語言與自動機 Formal Languages and Automata
人工智能程序設計 Artificial Intelligence Programming
軟件質量與測試 Software Quality and Testing
大型數據庫原理與高級開發技術 Principles of Large-Scale Data-Bas e and
Advanced Development Technology
自然智能與人工智能 Natural Intelligence and Artificial Intelligence
Unix操作系統分析 Analysis of Unix System
計算機圖形學 Computer Graphics
Internet與Intranet技術 Internet and Intranet Technology
多媒體技術 Multimedia Technology
數據倉庫技術與聯機分析處理 Data Warehouse and OLAP
程序設計方法學 Methodology of Programming
計算機信息保密與安全 Secrecy and Security of Computer Information
電子商務 Electronic Commerce
分布式系統與分布式處理 Distributed Systems and Distributed Processing
并行處理與并行程序設計 Parallel Processing and Parallel Programming
模糊信息處理技術 Fuzzy Information Processing Technology
人工神經網絡及應用 Artificial Intelligence and Its Applications
Unix編程環境 Unix Programming Environment
計算機視覺 Computer Vision
高級管理信息系統 Advanced Management Information Systems
信息系統綜合集成理論及方法 Theory and Methodology of Information n
System
Integration
計算機科學研究新進展 Advances in Computer Science
離散數學 Discrete Mathematics
操作系統 Operating System
數據庫原理 Principles of Database
編譯原理 Principles of Compiler
程序設計語言 Programming Language
數據結構 Data Structure
計算機科學中的邏輯學 Logic in Computer Science
面向對象系統分析與設計 Object-Oriented System Analysis and Design
高等數值分析 Advanced Numeric Analysis
人工智能技術 Artificial Intelligence Technology
軟計算理論及應用 Theory and Application of Soft-Computing
邏輯程序設計與專家系統 Logic Programming and Expert Systems
模式識別 Pattern Recognition
軟件測試技術 Software Testing Technology
高級計算機網絡與集成技術 Advanced Computer Networks and Integration
Technology
語音信號處理 Speech Signal Processing
系統分析與軟件工具 System Analysis and Software Tools
計算機仿真 Computer Simulation
計算機控制 Computer Control
圖像通信技術 Image Communication Technology
人工神經網絡及應用 Artificial Intelligence and Its Applications
計算機技術研究新進展 Advances in Computer Technology
環境生物學 Environmental Biology
水環境生態學模型 Models of Water Quality
環境化學 Environmental Chemistry
環境生物技術 Environmental Biotechnology
水域生態學 Aquatic Ecology
環境工程 Environmental Engineering
環境科學研究方法 Study Methodology of Environmental Science
藻類生理生態學 Ecological Physiology in Algae
水生動物生理生態學 Physiological Ecology of Aquatic Animal
專業文獻綜述 Review on Special Information
廢水處理與回用 Sewage Disposal and Re-use
生物醫學材料學及實驗 Biomaterials and Experiments
現代測試分析 Modern Testing Technology and Methods
生物材料結構與性能 Structures and Properties of Biomaterials
計算機基礎 Computer Basis
醫學信息學 Medical Informatics
計算機匯編語言 Computer Assembly Language
學科前沿講座 Lectures on Frontiers of the Discipline
組織工程學 Tissue Engineering
生物醫學工程概論 Introduction to Biomedical Engineering
高等生物化學 Advanced Biochemistry
光學與統計物理 Optics and Statistical Physics
圖像分析 Image Treatment
數據處理分析與建模 Data Analysis and Constituting Model
高級數據庫 Advanced Database
計算機網絡 Computer Network
多媒體技術 Technology of Multimedia
軟件工程 Software Engineering
藥物化學 Pharmaceutical Chemistry
功能高分子 Functional Polymer
人工智能（AL）+大數據報道初露鋒芒、端倪可見
人工智能（AL）+大數據報道，旨在實現以會話為基礎、以智能機器人代替人的人機交互性，是未來新媒體報道發展的使然。
2016年全國兩會，新華社客戶端聯合百度智能機器人“度秘”共同推出“度秘帶你看兩會”特別報道，通過人機對話，傳遞兩會的好聲音、權威解讀政府工作報告。此后，在百度新聞上線的最新版本中，基于人工智能的“聊”新聞功能亮相，用戶只要點擊進入交互界面，就能獲得自己所需的重要新聞，還可以向機器直接提問，查找所需內容。3月1日，新華社客戶端更新到4.0版本，推出獨家“智能引擎”，綜合運用大數據、人工智能、語音語義識別等技術，以人聲和全媒體形態向用戶反饋最新新聞資訊。
2017年全國兩會，有的主流媒體將智能機器人引入演播室，實現人機互動、實景虛擬切換，增加播報時尚感，吸引更多用戶，由此帶來點擊率的提升。中國軍視網推出全國兩會機器人“軍視俠001”，有關全國兩會的日程安排、國防和軍隊改革等問題用戶都可以向它詢問，“軍視俠001”會把它所知道的一切都告訴你。2月28日，光明日報宣布“小明AI兩會”正式上線。這是一款國內首次將人工智能和大數據技術用于兩會報道的應用，開創了兩會報道文字、圖片和語音三種交互方式、熱點新聞的新模式。全國兩會期間，“小明”每天會從最新的兩會報道中分析信息、挖掘數據，及時為用戶提供最新的兩會報道盛況。
虛擬現實技術（VR）+H5、全景相機報道再接再厲、再創佳績
在新聞報道中運用虛擬現實技術+H5、全景相機，編輯記者的個人化視角、全景視角與用戶視覺聽覺相結合，受眾的角色從會外虛擬進入會場，而且非常直觀，如同身臨其境。2016年全國兩會，主流媒體進行了虛擬現實（VR）+H5、全景相機在新聞報道中成功嘗試，推出了全景報道、虛擬會場。
2017年全國兩會，主流媒體將再接再厲、再創佳績，多家媒體推出VR頻道，采取VR、H5、360度相機等新媒體創新技術，讓今年全國兩會更加清晰透明、立體直觀、全方位移動直播，用戶可從不同的視角“參與”兩會，讓其有直達現場之感。用戶只要打開移動客戶端，佩戴VR眼鏡，新媒體設備不僅記錄會議立體多維空間動態全景，而且讓網民感覺自己仿佛就是現場聽眾，身臨其境地觀察兩會現場的精彩效果。
新華社記者使用的360度全景錄播、拍照設備，酷似外星人的造型引人注意。光明日報向媒體界亮相一套被稱之為“鋼鐵俠多信道直播云臺”，首次將裸眼與VR直播應用到全國兩會新聞報道中。“鋼鐵俠多信道直播云臺”的最大特點是僅需一名記者就可實現普通視頻、全景、VR的同步錄制與直播。報客戶端全新改版，以全新界面亮相，實現欄目定制功能，并推出H5、VR、直播等特色頻道，努力打造內容更加豐富、功能更加強大、用戶體驗效果更加時尚的權威軍事新媒體平臺。中國軍視網推出《指尖“微兩會”》系列H5，普及兩會知識、報道兩會動態。《法制晚報》記者頭戴的安全帽上裝有全景VR直播鏡頭，備受媒體人關注。有的主流媒體提出“帶你身臨其境看兩會”的報道口號，前方記者開啟“VR模式”，畫面、聲音無死角記錄；后方用戶打開客戶端，足不出戶就能看到兩會場景，實現360度沉浸式體驗。
與VR技術營造的“虛擬空間”不同，AR技術通過引入多層次的數字信息，對真實事物進行豐富與完善，從而實現虛擬與現實之間實時無縫接合。
移動直播（MB）+新聞移動網（客戶端）報道終端隨人走、直播隨時看
目前，新媒體進入移動互聯網時代，5G時代即將來臨，會議報道移動直播漸成常態。2016年被稱為中國網絡直播元年，拉開了用戶通過網絡直播看兩會的序幕。2017年全國兩會，新媒體網絡直播將進一步延伸，拓寬傳播渠道。主流媒體除了在電視、網站和新聞客戶端的直播外，門戶網站也將直播延伸到了客戶端平臺。
有的主流媒體競相在移動傳播、移動視頻直播發力，堅持移動優先、傳播快速原則，第一時間向移動端供稿，彼此展開誰新聞首發、誰速度第一的較量。開通兩會全場直播和新聞會、政府工作報告解讀、部長通道（之聲）、兩會專訪全程視頻直播，掀起媒體直播大變革，徹底改變以往用戶的信息獲取方式，更適合用戶閱讀體驗、心靈洗滌、美的享受。用戶只要掃描主流媒體客戶端二維碼，即可進入移動直播畫面屏幕。據兩會現場工作人員透露，今年兩會期間 “部長通道”采訪，部長們會與記者們面對面交流。所有部長交流畫面和講話，用戶都可實時收看、回放。2月19日，人民日報社全國移動直播平臺“人民直播”、新華社推出移動直播功能的“現場云”、央視新聞移動網也相繼亮相，進一步實現了多屏聯動、互動分享、社交化的功能。
2017全國兩會，人民網開設人民訪談直播，聯合騰訊網重磅推出超100小時的大型視頻直播節目《兩會進行時》。從3月3日9時起，每天9小時在PC端、移動端不間斷視頻直播、全景直播兩會，將《兩會進行時》貫穿兩會始終，內容涵蓋兩會核心議程，以及前方記者的一線報道、高端訪談、權威解讀、會場花絮及創意微視頻等各個方面，為用戶提供全視角、多層次、移動化的兩會直播體驗。新華社進一步突出創新和融合理念，在新華網首頁首屏上開設2017年全國兩會報道融媒體專區，推出兩會直播、特別欄目部長之聲、的兩會時間咋安排？、1分鐘視頻告訴你！、兩會特別節目共商國是、兩會訪談、兩會視頻，多終端、全方位覆蓋兩會焦點。2月19日，中央電視臺傾力打造的移動融媒體新聞平臺――央視新聞移動網正式上線。該網既是一款以移動直播為常態產品的新聞資訊客戶端，也是一個基于電腦端的新聞網站，通過互動直播、即時視頻回傳、多屏聯動等功能，使用戶直擊正在發生的新聞現場，看到更多、更快的新聞資訊。2月22日，央視新聞聯播主持人W陽夏丹在節目結尾處一改以往表述獲取更多新聞資訊的常態，請關注央視新聞的微博、微信和客戶端的方式，改為請您關注我們的央視新聞移動網，下載地址可以搜索“央視新聞+”。央視網在今年全國兩會專題頁面右上角顯示PC客戶端、移動客戶端。自3月3日9時起，央視新聞遍布全球的記者可以通過央視新聞移動網APP來完成現場的采集、編碼、傳輸等環節，開通兩會新視角：“移動直播”（跟著主播上兩會），“快看兩會來啦，這六大看點你得get到”，“快看部長通道第一問教育部長就夸問題好！關于啥？”。光明日報推出的“鋼鐵俠多信道直播云臺”，利用光明云的服務同時實現包括電腦、微信和手機APP等跨平臺的新聞直播與，將同時為15家平臺提供高達3K畫幅、4M碼流（每秒傳輸在0.5MB）高清視頻和VR視頻信號。新浪新聞在今年兩會期間，與人民日報、央視網、央視財經、中國網、中國新聞網等10家中央媒體，以及北京青年報、廣東衛視等10家地方媒體達成直播合作，搭建起融媒體平臺，打造兩會期間最大的媒體報道直播聯盟。
5G時代的到來，令人憧憬，標志著移動互聯時代“終端隨人走、直播隨時看。可以預見，隨著5G、人工智能、可穿戴設備等技術的不斷演進，移動媒體、新聞客戶端必將進入加速發展的新階段，推動互動交流普及化、官民化、常態化。互動交流，是“互聯網+”催生出來的民主新業態，“三微一端”（微信、微博、微視頻、客戶端）是代表委員之間交流、代表委員與網民之間溝通的主渠道。互動最大的特點是能給網民帶來兩會心聲或者表達個人的意愿，而“三微一端”為代表委員與網民搭建起建言獻策的面對面、零距離溝通平臺。
關鍵詞：機器學習
數據挖掘
人工智能
中圖分類號：TP181
文獻標識碼：A
文章編號：1002-2422(2010)03-0093-02
1機器學習概述及方法分類
1，1機器學習的概念、應用及發展概況
機器學習是一種使獲取知識自動化的計算方法的學習。機器學習在人工智能的研究中具有十分重要的地位。其應用已遍及人工智能的各個分支，如專家系統、自動推理、自然語言理解、模式識別、計算機視覺、智能機器人等領域。
對機器學習的研究大致經過以下四個階段：
(1)20世紀50年代的神經模擬和決策理論技術，學習系統在運行時還很少具有結構或知識。主要方法是建造神經網絡和自組織學習系統，學習表現為閾值邏輯單元傳送信號的反饋調整。
(2)20世紀60年代早期開始研究面向概念的學習，即符號學習。使用的工具是語義網絡或謂詞邏輯，不再是數值或者統計方法。在概念獲取中，學習系統通過分析相關概念的大量正例和反例來構造概念的符號表示。
(3)20世紀70年代中期，研究活動日趨興旺。1980年在卡內基?梅隆大學召開的第一屆機器學習專題研討會，標志著機器學習正式成為人工智能的一個獨立研究領域。
(4)20世紀80年代中后期至今，機器學習研究進入一個新階段，已趨向成熟。神經網絡的復蘇，帶動著各種非符號學習方法與符號學習并駕齊驅，并且已超越人工智能研究范圍，進入到自動化及模式識別等領域，各種學習方法開始繼承，多策略學習已經使學習系統愈具應用價值，而運用機器學習的數據挖掘在商業領域中的應用則是最好的例子。
1，2機器學習方法的分類
Bose和Mahapatra歸納了數據挖掘中使用的機器學習技術主要有以下五種：
(1)規則歸納：規則歸納從訓練集中產生一棵決策樹或一組決策規則來進行分類。決策樹可以轉化成一組規則，分類規則通常用析取范式表示。規則歸納主要優點是處理大數據集的能力強，適合分類和預測型的任務，結果易于解釋，技術上易于實施。
(2)神經網絡：由類似人腦神經元的處理單元組成，輸入節點通過隱藏節點與輸出節點相連接從而組成一個多層網絡結構。節點的輸入信號等于所有通過其輸入鏈接到達此節點的信號的加權和。神經網絡由相互連接的輸入層、中間層、輸出層組成。中間層由多個節點組成，完成大部分網絡工作。輸出層輸出數據分析的執行結果。
神經網絡的最大優點是能精確地對復雜問題進行預測。其缺點是處理大數據集時效率較低，用戶在使用這種方法的時候需要具備相當的建立和運行該系統的工具知識。
(3)事例推理：每個事例都由問題描述和問題的解決方法兩部分構成。提出問題后，系統會尋找匹配事例和解決方法。其優點是能夠較好地處理污染數據和缺失數據，非常適用于有大量事例的領域。
(4)遺傳算法：是一種基于生物進化過程的組合優化方法。其基本思想是適者生存，基本操作包括繁殖、雜交和變異三個過程。繁殖過程是從一個整體中選擇基于某種特定標準的信息并對要求解的問題編碼，產生初始群體，計算個體的適應度。雜交過程是把一個信息的某一部分與另一個信息的相關的部分進行交換。變異過程隨機改變信息的某一部分以得到一個新的個體。重復這個操作，直到求得最佳或較佳的個體。遺傳算法的優點是能夠較好地處理污染數據和缺失數據，易于和其它系統集成。
(5)歸納性邏輯程序：用一級屬性邏輯來定義、描述概念。首先定義正面和負面的例子，然后對新例子進行等級劃分。這一方法具有較強的概念描述機制，能較好地表達復雜關系，體現專業領域知識，因而用該方法得出的模型易于理解。
2數據挖掘中機器學習技術的特性
商業數據庫往往含有噪音，體現在存在錯誤和不一致性。如果數據驗證過程不夠充分，則可能允許用戶輸入不正確的數據，而數據遷移也可能產生破壞。
商業數據庫的另一個常見問題是數據的缺失，尤其是當數據來自于不同的數據源時。由于數據編碼標準和聚集策略的不同，有可能將導致無法對所有的屬性進行分析。
另外，在商業數據挖掘中，數據集的大小從幾吉到幾兆不等，并往往還有大量的屬性，所以可測量性是數據挖掘技術的一個重要方面。商業數據庫含有多種屬性類型，如果機器學習技術能夠處理不同的數據類型，則將對數據挖掘產生更大的作用。
數據挖掘技術的預測精度是評價挖掘效果的一個非常重要的因素。遵循監督學習過程的機器學習系統首先被訓練，但是系統對真實數據的預測精度往往低于對訓練數據的預測精度。所以，能對真實數據得到較高的預測精度顯然是一個所需的特性。
結果的可解釋性是另一個重要的所需特性。在商業數據挖掘應用中往往需要使用不同的DSS或DBMS，所以與其他信息系統的易整合性也是一個需要的特性。不同的機器學習技術需要終端用戶具有一定程度的工具知識和領域知識，一些技術還需要對數據進行大量的預處理工作，因此對于終端用戶來說，易于理解和需要較少預處理工作的機器學習技術是比較好的。
3機器學習方法與數據挖掘任務類型
Bose和Mahapatra把運用于數據挖掘的機器學習方法在商業應用時的任務類型可以歸結為如下；
(1)分類：利用一個訓練集來確定最大可區分屬性，當分類確定好之后，新的實例可以通過分析進行合適的分類。
(2)預測：根據已觀測到的數據來找出可能的將來值和／或屬性的分布。主要的任務之一是確定對要預測的屬性影響最大的屬性。
(3)關聯：在尋找實體之間或者實體屬性之間的潛在聯系規律的關聯分析當中，最常見的就是市場菜籃子分析。
(4)偵察：偵察的目的在于尋找異常的現象、離群數據、異常模式等等，并且給出支持決策的解釋。
機器學習方法及其所對應解決的數據挖掘中的任務類型總結如表1所示。
關鍵詞：數據挖掘，知識發現，挖掘算法，挖掘過程
一、數據挖掘的概念
1．1數據挖掘的定義
數據挖掘（Datamining 簡稱DM），可以說是數據庫中的知識發現，它是指從大量的、不完全的、有噪聲的、模糊的、隨機的數據中，提取隱含在其中的，人們事先不知道的，但又是潛在的，有用的信息和知識的過程。它綜合利用了統計學方法，模糊識別技術、人工智能方法，人工神經網絡技術等相關技術，并對各行各業的生產數據，管理數據和經營數據進行處理、組織、分析、綜合和解釋，以期望從這些數據中挖掘并揭示出客觀規律，反映內在聯系和預測發展趨勢的知識，例如醫學研究人員希望從已有的成千上萬份病歷中找出患有某種疾病的病人的共同特征，從而為治愈這種疾病提供一些幫助。
從數據庫中發現知識（KDD）一詞首先出現在1989年舉行的第一屆國際聯合人工智能學術會議上，到目前為止，美國人工智能協會主辦的KDD國際研討會已經召開了多次，規模由原來的專題討論發展到國際學術大會，研究重點也逐漸從發現方法轉向應用系統，注意多種發現策略和技術的集成，以及多種學科之間的相互滲透，數據挖掘與知識發現已成為當前國際上的一個研究熱點。
1．2 數據挖掘的對象
數據挖掘常見的挖掘對象有：關系（Relational）數據庫、事務(Transactional)數據庫、面向對象（Objected-Oriented）數據庫、主動（Active）數據庫、空間（Spatial）數據庫、時態（Temporal）數據庫、文本（Textual）數據庫、多媒體（Multi-Media）數據庫、異質（Heterogeneous）數據庫以及Web數據庫等。
知識發現（KDD）被認為是從數據中發現有用知識的整個過程，數據挖掘只是數據庫中知識發現的一個步驟，但又是最重要的一步，它用專門算法從數據中抽取模式，原始數據可以是結構化的，如關系型數據庫中的數據，也可以是非結構化的，如文本、圖形、圖像數據，甚至是分布在網絡上的異構型數據。
二、數據挖掘的意義
數據挖掘與傳統的數據分析（如查詢報表，聯機應用分析）的本質區別是數據挖掘是在沒有明確假設的前提下去挖掘信息，發現知識，數據挖掘所得到的信息應具有先未知，有效和應用三個特征。
先前未知的信息是指該信息是預先未曾預料到的，即數據挖掘是要 發現那些不能靠直覺發現的信息知識，甚至是違背直覺的信息或知識，數據挖掘通過預測未來趨勢及行為，做出前攝的，基于知識的決策。
三、數據挖掘的分類：
數據挖掘的任務就是從數據集中發現模式，模式有很多種，按功能分為兩大類：（1）描述性挖掘，主要刻畫數據庫中數據的一般特性；（2）預測性挖掘，主要任務在當前數據上進行推斷，以進行預測，在實際應用中，往往根據模式的實際作用及數據挖掘的任務分為以下幾類：
（1）關聯分析（associationanalysis）：關聯分析以發現關聯規則（association rules）為目標，關聯分析的典型例子是購物籃分析，描述顧客的購買行為（哪些商品常在一起購買）。例如“啤酒和尿布的故事”。
（2）分類（classification）：首先分析一個訓練樣本數據集，找到一組能夠描述數據集合典型特征的模型（或函數），然后使用這個模型分類識別未知數據的歸屬或類別，即將未知事例映射到某種離散類別之一，分類的方法很多，主要有決策樹法、貝葉斯法、神經網絡法，近鄰學習或基于事例的學習等方法。例如，利用教師的相關數據（如職稱、學歷教齡等）以及學生對教師的教學評估結果構建分類模型（如決策數），可用于預測某一位新教師未來教學評估的結果，相關知識可用于指導學校人事部門的教師引進工作。
（3）聚類分析（clusteringanalysis）：聚類分析所分析處理的數據對象事先無確定的類別屬性，聚類分析的基本原則是：各積聚類（clusters）內部數據對象間的相似度最大化，各聚類對象間的相似度最小化，按照選定的度量數據對象之間相似度的計算公式，遵循聚類分析的基本原則，將數據對象劃分成為多個類或簇，在同一個簇中的對象之間具有較高的相似度，而不同簇中的對象差別較大，聚類分析主要應用于模式識別，數據分析，圖像處理以及市場研究。
（4）序列分析（sequenceanalysis）：序列分析是通過分析序列數據庫尋找一定的規則和有趣的特征，廣泛應用于對時間序列數據的分析，應用領域涉及經濟學、生物醫學、生態學、大氣和海洋等。控制工程及信號處理，例如，web日志中的數據是典型的時間序列數據，它記錄了用戶與站點的交互信息及時間，對于商業網站而言，基于這些數據的挖掘對于其決策具有實用價值。
（5）孤立點分析：數據庫中可能包含這樣一些數據對象，它們與數據的一般行為或模型偏離很大，這些對象就是孤立點，大部分數據挖掘方法將孤立點視為噪聲或異常而丟棄；而在一些應用中（如信用卡欺詐），罕見的事件可能比正常出現的更有趣，在市場分析中，可用于確定極低或極高收入的客戶的消費行為。
四、數據挖掘的處理過程
數據挖掘來源于知識發現（KDD）,是數據庫發展和人工智能技術相結合的產物,因而數據挖掘包括KDD的全過程,類似于通常的一個開采過程,整個過程分為三個階段來完成：數據準備階段、數據挖掘階段和結果顯示階段。
數據挖掘環境可示意如下圖：
圖1-1 數據挖掘環境框圖
按工作流程包括以下幾個步驟：
1、問題定義：對應用領域知識進行充分的理解和分析，明確挖掘對象和目標。
2、數據準備：
（1）搜索所有與業務對象有關的內部和外部數據信息，并從中選擇出適用于數據挖掘應用的數據。
（2）數據凈化和預處理包括去噪聲，填補丟失的域，刪除無效數據等。
（3）判斷數據挖掘的功能類型，數據挖掘的功能類型分為驗證型和發現型。驗證型是指由用戶首先提出假設；發現型是指用數據挖掘工具從數據中發現用戶未知的事實、趨勢、分類等。
（4）選擇適宜的數據挖掘的算法。根據數據功能的類型和數據的特點選擇相應的算法。常用的算法有人工神經元網絡、決策樹算法、集合論算法和遺傳學算法等。
（5）進行數據轉換。根據數據挖掘的目標、功能及數據挖掘算法，按指定方法組織數據，根據已了解的知識的出限定變量，轉換數據類型并且映射數據到易于找到解的特征空間。
3、數據挖掘。在凈化和轉換過的數據集上進行數據挖掘。
4、結果的分析和同化。輸出挖掘結果對數據挖掘出的結果進行解釋和評價，轉換成為能夠最終被用戶理解的知識。綜合分析把已得到的知識和已有的知識進行綜合，檢查和處理它們之間的沖突，通過簡明直觀的方法把最終結果報告給用戶，并且評價整個處理流程的性能。
五、結語
數據挖掘是目前國際上數據庫和信息決策領域的前沿研究方向之一，也是當前計算機領域的一大熱點，其研究的重點也逐漸從理論轉移到了系統應用，隨著技術的不斷成熟，未來的應用領域也會更加廣泛。只有更加深入的研究透了數據挖掘相關的理論，才能使其對未來社會的發展起到更積極的作用。
參考文獻：
[1]朱明，數據挖掘[M]，中國科學技術大學出版社，2002
[2]喬永生，數據挖掘的探討[J]，科技情報開發與經濟，2006.16
[3](加)JiaweiHan, Micheline Kamber 著.范明 孟小峰等譯.數據挖掘-概念與技術.北京:機械工業出版社.2001.15
[4]黎敏.數據挖掘算法研究與應用.大連:大連理工大學2004
【關鍵詞】地形測量;數字化技術;發展
0.引言
地形測繪是研究地球局部表面形狀和大小，并將其測繪成地形團的理論和技術。通過測定小范圍地表高低起伏形態和地物(如建筑物、道路、耕地等)的特征點的平面位置和高程，經相應的數據處理、采用一定的測量符號按一定的比例縮繪在圖紙上。從而獲得與相應地面幾何圖形相似的地形圖，為國家經濟建設提供設計與施工的圖紙資料。地形測量是為城市、礦區以及為各種工程提供不同比例尺的地形圖，以滿足城鎮規劃和各種經濟建設的需要。 現代測繪技術因其具有自動化程度高、測圖精度高、圖形屬性信息豐富和圖形編輯方便等優點，在地形測量中已經得到了廣泛的應用。本文就地形測量數字化技術的發展談幾點粗淺認識。
1.常用的地形測量技術
1.1 GPS技術
GPS即全球定位系統，20世紀70年代由美國開發，應用人造衛星所發射的訊號進行測時測距。GPS采用全球性地心坐標系統，以地球質量中心為坐標原點。具有對海、陸、空進行各個方面實時三維導航和定位本領，是一種高精度、全天候、高效率、多功能的測繪工具。
1.2 GIS技術
GIS即地理信息系統，興起于20世紀60年代中期，在計算機軟硬件支持下，將空間數據自動輸入、存儲、檢索、運算、表現和綜合研究應用。GIS是現代化辦理的重要本領，更是遙感圖像處理和應用的技術支撐。GIS中的數據包括：地理背景信息（外業測量數據、攝影測量數據、現有地圖和各種遙感圖像）；資源與環境數據（各種專題(是指某樣方面的內容集中收集，就形成專題，網絡上通常指游戲專題或者新聞專題)圖，科學研究研究成果，各種圖形和圖表，航天航空圖像的解譯成果）；社會經濟信息（人口普查、國民收入情況、工業分布及土地應用分類圖表等）。
1.3 RS技術
RS即遙感技術，起源于20世紀60年代，不直接接觸被分析的目標，感測目標的特征信息（一般是電磁波的反射、輻射和發射輻射），經過傳輸、處理，從中提取人們感興趣的信息。遙感包括攝影、陸地、衛星、航空、航天攝影測量等技術。現代遙感技術是空間技術，是集光學、無線電、計算等相聯合的一門新技術。近20年，遙感技術迅猛發展，它作為一種空間探測技術，至今已經歷了地面遙感、航空遙感和航天遙感三個過程階段。遙感技術依其波譜性質，可分為電磁波遙感技術、聲學遙感技術、物理場遙感技術。遙感信息技術已從可知光發展到紅外、微波，從單波段發展到多波段、多角度、多時相、多極化，從空間維擴展到時空維，從靜態研究發展到動態監測。
1.4 3S的綜合應用
RS為GIS提供信息源，GIS為RS提供空間數據辦理和研究的技術本領（圖像處理），GPS則作為GIS有力的補測、補繪本領，實現了GIS原始地圖數據的實時更新。3S的綜合應用充實發揮了各自的技術特征，快速準確經濟地為人們提供所需的有關信息的新技術，三者緊密聯合，為地形測量提供了精確的圖形和數據。
1.5 RTK技術
地形測圖一般是首先根據控制點加密圖根控制點，然后在圖根控制點上用經緯儀測圖法或平板儀測圖法測繪地形圖。近幾年發展到用全球儀和電子手簿采用地物編碼的方法，利用測圖軟件測繪地形圖。但都要求測站點與被測的周圍地物地貌等碎部點之間通視，而且至少要求2-3人操作。采用RTK技術進行測圖時，僅需一人背著儀器在要測的碎部點上呆上一、二秒鐘并同時輸入特征編碼，通過電子手簿或便攜微機記錄，在點位精度合乎要求的情況下，把一個區域內的地形地物點位測定后回到室內或在野外，由專業測圖軟件可以輸出所要求的地形圖。用RTK技術測定點位不要求點間通視，僅需一人操作，便可完成測圖工作，大大提高了測圖的工作效率。
2.數字化地形測量的作業模式
地面數字測圖系統，其模式主要有兩種，即數字測記法模式和電子平板模式。
2.1數字測記法
數字測記法模式為野外測記，室內成圖，即用全站儀測量，電子手簿記錄，同時配以人工畫草圖和編碼系統，到室內將野外測量數據從電子手簿直接傳輸到計算機中，再配以成圖軟件，根據編碼系統以及參考草圖編輯成圖。使用的電子手簿可以是全站儀原配套的電子手簿，也可以是專門的記錄手簿，或者直接利用全站儀具有的存儲器和存儲卡作為記錄手簿。測記法成圖的軟件也有許多種。
2.2電子平板法
電子平板模式為野外測繪，實時顯示，現場編輯成圖。所謂電子平板測量，即將全站儀與裝有成圖軟件的便攜機聯機，在測站上全站儀實測地形點，計算機屏幕現場顯示點位和圖形，并可對其進行編輯，滿足測圖要求后，將測量和編輯數據存盤。這樣，相當于在現場就得到一張平板儀測繪的地形圖，因此，無需畫草圖，并可在現場將測得圖形和實地相對照，如果有錯誤和遺漏，也能得到及時糾正。
3.地形測量數字化技術的發展
3.1 3G技術及集成技術
積極普及3G技術的應用，改進3G技術中存在問題，更新3G及其集成技術測量的方法和手段，加強測量精度和準確性，使3G技術能在地形測量測繪技術領域的應用進一步擴展。全球數字攝影測量系統在GPS、GIS、RS和3S集成技術中的應用，對數碼攝影測量和地形測量更加普及和深化，使測繪技術向電子化、自動化、數字化方向發展。
3.2測繪軟件及數據庫的更新
加強地形測量數字化測繪軟件的研發，使測繪軟件系統更加高效、靈活和功能齊全，使測繪軟件技術在地形測量中起到了相當重要的作用。更新完善信息數據庫，將采集的測量數據轉換直接進入信息數據庫，數據管理查詢方便，數據共享，實現全球數據更新和擴展空間基礎信息系統的動態管理，實現測量數據的管理科學化、標準化、信息化，實現測繪數據的傳輸網絡化、多樣化、社會化，使測繪技術走向自動化，實時化，數字化。
3.3人工智能和專家系統
隨著計算機技術的發展和測繪技術與相關學科的交叉、綜合，人工智能和專家系統在測繪技術中有著廣泛的應用前景。計算機利用專家知識模擬人腦思維進行推理，從事智能化的數據、圖形處理和信息管理工作，極大地提高工作效率，使測繪技術向自動化、智能化發展。 全球定位系統(GPS)、數字攝影測量系統(DPS)、遙感技術(RS)、地理信息系統(GIS)和專家系統(ES)這5S技術的發展和相互結合，專家系統在其中發揮著重要的作用，專家系統對整個測量流程進行控制，并執行相應的推理、分析和處理工作，并可實現信息資源共享，實時動態監測診斷，提高效率和質量，是測繪技術通向實時、自動、智能測量系統的關鍵。
4.結束語
綜上所述，數字化地形測量是一種全解析的計算機輔助測量方法，具有明顯的優越性和廣闊的發展前景。它將成為地理信息系統的重要組成部分。這種模式正在替代而且必將完全替代傳統的大平板儀地形測量，成為地形測量的主流模式，促進地形測繪工作有序、穩健發展。
【參考文獻】
［1］譚志光.地形測量新方法的應用[J].建筑知識：學術刊,2011,11.
關鍵詞：智能科學；情感計算；感性工學；機器人；教材
中途分類號：G642 文獻標識碼：B
1 引言
人工情感(Artificial Emotion)是利用信息科學的手段對人類情感過程進行模擬、識別和理解，使機器能夠產生類人情感，并與人類進行自然和諧人機交互的研究領域。1981年就有人開始研究人工情感問題，但是直到1990年以后它才開始逐漸引起人們的關注，特別是近幾年，對人工情感的研究越來越受到人們的重視。1995年，美國MIT媒體實驗室的R，Picard教授提出了“情感計算(Affective Computing)”的概念，并于1997年正式出版了專著《Affective Computing》。情感計算研究就是試圖創建一種能感知、識別和理解人的情感，并能針對人的情感做出智能、靈敏、友好反應的計算機系統。日本學者Nagamachi提出了“感性工學(Kansei Engineering)”的新術語，并展開了以消費者為導向的新產品開發研究。2000年，北京科技大學的王志良教授提出了“人工心理(Artificial Psychology)”的理論，并于2007年出版了《人工心理》專著。
心理學家認為，人工情感是在人工智能理論框架下的一個質的進步，這充分表明了新世紀人工科學的多學科交叉研究，彼此互為影響的特點。人工情感必將為計算機的未來應用展現一種全新的方向。
2 學術科研背景
人工情感作為人工智能的擴展研究，已經在應用方面取得了許多進展(主要是在美國、日本和歐盟國家)。但是，由于情緒心理學理論方法的多樣性，導致人工情感理論與研究方法都不十分成熟，使得應用技術受到了很大影響。
綜合國際上關于人工情感專題研討與論述，我們將人工情感研究領域面臨的主要挑戰歸納如下：
(1)情緒心理學理論的多樣性，導致人工情感理論方法的不一致，以至于很難找到適用于信息科學的人工情感的統一理論方法。
(2)目前幾乎還沒有符合人類情感規律并適于機器實現的人工情感自動生成模型；
(3)在智能推理過程中，如何考慮情感影響的因素，實現真正意義上的擬人推理過程。
(4)目前還沒有為人工情感研究者提供完善服務的計算機仿真平臺及情感計算庫。
(5)語音情感信息處理技術和表情識別技術的不成熟，成為制約人工情感與和諧人機交互技術發展的瓶頸。
(6)如何實現多模態情感信息融合、識別與理解，實現自然和諧的人機交互平臺環境。
(7)人工情感的研究成果如何與成熟的人機交互平臺相結合。
(8)如何驗證機器情感的正確性是人工情感研究面臨的圖靈測試問題。
(9)如何從人工情緒(Artificial Emotion)走向仿真情緒(simulating Emotion)、工程情緒(Engineering Emotion)，進而找到重大應用突破點，這將是一個亟待解決的問題。
針對這一學科前沿的源頭問題，進行創新性研究，解決普遍認為是人工情感的幾個困難問題，是我們未來研究面臨的主要挑戰，也是我們的機遇。
3 現實面臨的問題
2003年，北京大學智能科學系率先提出成立“智能科學與技術”本科專業，主要從事機器感知、智能機器人、智能信息處理等交叉學科的研究和教學。并于2004年在國內開始招生。隨后的幾年里，全國多所重點院校都成立了自己的“智能科學與技術”專業，并擁有了相關的碩士點、博士點以及博士后流動站。
隨著本科生、碩士生和博士生以及從事智能科學研究人員隊伍的不斷壯大，使得教材建設的問題逐漸凸顯。“智能科學與技術”專業作為最年輕也最有發展潛力的學科，還沒有自己專業系列教材，許多高校的教材大都采用計算機類、通訊類的課程，而這些教材大都處在“知識結構老化，更新緩慢”的狀態，已經不能適應該學科的發展，成為制約學科建設和教學水平提高的重要因素。教材是基本教學內容的載體，好的教材可以在教學方法上提供相應的參考，不僅為教學提供依據，還會助推本學科不斷完善，學生培養體系的逐漸規范。因此，建設新教材，使之盡快與國際接軌，已成為亟待解決的重大問題。
2007年開始，北京科技大學招收智能科學與技術專業本科生，該專業的本科生將在2009年下半年進入專業課階段學習，專業教材的建設問題已迫在眉睫。我們通過跟蹤調查北京科技大學智能科學與技術專業本科生、研究生的教育基礎、教學現狀和教學需求，結合兄弟院校的專業教學情況，深入分析我國現代化建設的人才需求和本學科的自身發展、結構特點，系統總結國內外在“智能科學與技術”專業教學改革和實踐中取得的成果和共識，進行了《人工情感》教材的編寫。
作為知識的載體，教材是按照一定的教育目標和教學規律組織起來的科學知識系統。從教材的構思到教材的最終出版，一般科學的方法總共需要經歷如下幾個步驟，如圖1所示：
(1)教材構思、大綱制定：這一階段主要是集思廣益，根據教材所面對的受眾群體，大概劃定教材所要包含的內容，反復討論并修改大綱，根據教材內容劃分章節，制定章節標題。
(2)拓展思路、廣搜資料：這一階段主要是組織參編人員搜集第一手資料，整理素材，逐漸使材料規范化、書面化。
(3)分工明確、力求完善：這一階段要組織好參編人員，做到各司其職，各負其責，把各人負責的章節按照事先的規劃，將理論知識、應用實例、習題及答案補充完整。
(4)精益求精、查漏補缺：把已經初步完成的教材送給相關教師及同學，讓他們以初學者的身份，以局外人的眼光反復閱讀，提出意見。經過反復修改，書稿基本成型，添加上必要的前沿、提要和縮略語。
(5)課堂實踐、反復審校：初步形成的教材講義，必須要經過課堂教學的不斷實踐，并根據教學心得和課堂反饋意見反復修改。最后，拿給出版社審校，幾經修改方可出版。
4 教材規劃與內容安排
依據上述思路，自2003年起，結合我校研究生課程“人工心理和情感計算”的教學實踐，在研究生講義的基礎上，我們著手“人工情感”研究生教材的資料收集、整理以及章節、內容安排，目前，該教材的終稿已交付并將在機械工業出版社出版。通過多年的教學實踐，根據學生現狀及教學效果，不斷調整教材內容，以“適應性、實用性”為宗旨，定位于普通高校智能科學與技術專業研究生學生，以素質教育為需求，注重培養學生科研及創新能力， 提高學生的科學素養。
全書共分為9章：
第1章較詳細地介紹了情緒心理學、情緒生理學、情緒社會學的基本理論及相關研究歷程，總結了腦科學研究在情感計算中的作用及色彩與心理學之間的相互關系。
第2章介紹了情緒的空間描述及維度化理論，總結了幾種比較典型的情緒維度空間理論及國外科研工作者提出的人類情感數學模型。
第3章闡述了用數學方法描述情緒的重要性，給出了幾種典型的人工情感建模方法，展示了情感建模的發展狀況及前沿研究。
第4章結合實際應用，介紹了幾種情感建模方法，并給出了應用實例，有助于學習者理論聯系實際，對人工情感的研究與發展樹立起明確的目標。
第5章結合現代遠程教育發展狀況，提出了把遠程學員的情感數字化方法，建立起情感模型，并應用到遠程教育系統，取得了不錯的效果。
第6章主要講述了人臉識別系統的構成、實現方法，是一個應用性很強的人臉識別設計范例。
第7章詳細介紹了表情識別系統的設計實現，詳細講解了特征點定位、提取方法以及基于SVM的表情分類器的設計。
第8章主要講述了網絡游戲中的情感數字化，闡述了人工情感在游戲設計中的應用。
第9章詳細介紹了情感機器人的發展狀況、設計及實現方法，并對人工情感在智能機器人的應用作了相應的闡述。
本教材在寫法上盡量做到深入淺出、通俗易懂、簡潔明了，編寫過程中遵守了以下三點原則：
(1)全面性與計劃性相結合
人工情感理論和應用研究，還是一個嶄新領域，還有很多疑難問題沒有解決，發展得不夠成熟，所以在編寫教材的過程中，我們盡量做到知識的全面性，從基礎理論到熱門方向的研究，都作了較為詳細的介紹。同時，也考慮到系列教材的出版，在內容安排上，兼顧其他教材，做到統籌安排。
(2)基礎知識與專業技術相結合
智能科學與技術專業的學生執行的是工科學生的培養計劃，在心理學基礎理論方面比較欠缺，因此本教材前四章以拋磚引玉的方式介紹了有關心理學、腦科學、計算數學的基礎知識，并在后面幾章中結合工科學生的專業技術，結合應用實例展開內容。
(3)理論知識與實踐相結合
本教材在內容安排上注重理論與實際應用并重的原則，在理論闡述的基礎上，對相關研究進行了應用舉例，對初學者或者初涉此領域的研究者，都能起到很好的引導和啟發作用，增強了學習者的學習動力，提高了他們的學習興趣。
5 教學并舉與科研相濟
教材講義已于2008年12月交付機械工業出版社，雖然目前還未出版，但教材的初稿已多次作為我校研究生“人工心理與情感計算”課程的講稿，學生使用后普遍反映良好，認為教材充分體現了學科交叉的特點，融合了心理學、信息科學和智能科學的相關理論、算法思想和應用實例，并進行了相應的概括歸納，以簡潔實用的方式呈現給讀者，具有易讀、易懂性，而且實例豐富，非常實用，并且就講義中存在的問題，提出了寶貴的意見。
在完成了本版教材的編寫工作的基礎上，為達到教學并舉，科研相濟，經過多年的努力，我們已經建立了系列情感機器人系統實驗平臺(前文詳細介紹)，如圖2情感機器人系統實驗平臺外形。這是一個多模態信息融合的實驗平臺，具有視頻獲取、聲源定位、多路觸摸傳感、熱釋電感應及觸摸屏選擇等多通道輸入，可以通過語音、動作、光電、圖片等形式表達感情。該情感機器人采用開放式平臺，能夠為學生提供多種人工情感理論和模型的驗證實驗。圖3為該情感機器人的系統體系結構。
6 展望未來
“智能科學與技術”專業在國內才剛剛起步，是一個全新的學科，各個學校都有自己的特色。目前來看，在學科建設方面制定一個普適的方案是不現實的。而特色課程恰恰是新學科區別與相關學科的重要標志，也是各個大學百花齊放的陣地。
5G網絡主要具有三個顯著特性：
高速率：在實際應用中，5G網絡的速率是4G網絡10倍以上；
低時延：5G網絡的時延大約幾十毫秒，比人的反應速度還要快；
廣連接：5G網絡出現，配合其他技術，將會打造一個全新的萬物互聯景象。
業內人士認為，相比4G網絡，5G最大的突破就是可以海量連接。
4K是指具有4096×2160分辨率的超精細畫面，清晰度能達到現有的1080p高清分辨率的4倍，可謂纖毫畢現，因此將能帶來更加逼真的觀看體驗。
二、山西省是否有利用5G+4K技術推進文旅產業發展的相關政策？一些偏遠的旅游景區，是否有關于景區5G覆蓋的規劃或策略？
截止目前，山西省文旅廳尚未制定有關5G+4K技術推進文旅產業發展的相關政策、以及一些偏遠的旅游景區，有關于景區5G覆蓋的規劃或策略。
三、對景區美景、名勝古跡、民俗表演進行5G+4K的高清視頻互聯網直播。這種方式是否可行，對山西文旅發展是否有幫助？
首屆山西網上藝術節期間通過文化云PC與移動端成功完成25次網絡直播，在線直播觀看人數突破26萬人次。
2018年6月至10月接連上線的紀念改革開放40周年群眾文化系列活動主題和首屆非物質文化遺產博覽會專題，共進行14場重大活動的在線直播，平均單場直播在線收看量近12000左右，一周回放量平均每場2.5萬左右。
如果直播地區已經完成了5G網絡覆蓋，并有可以利用的直播平臺，5G+4K直播方式是可行的。5G+4K直播方式，特別是全景直播，對于山西文化民俗的推廣傳播，以及對景區的宣傳都有很大的幫助，目前中國聯通正在準備為山西臨汾的云丘山景區部署5G全景直播系統，用來對景點和云丘山的民俗活動進行現場全景直播，通過更多的這種全景直播的上線，借助遠程沉浸式視頻體驗可以讓全國更多的游客了解山西，并將有效提高山西旅游的游客數量。
四、智能導游的模式是否可行？
智能導游的方式有很多，需要根據不同的場景選擇不同的智能導游方式。比如博物館類可以選擇以AR方式作為輔助講解手段；山水風景等室外類，可以選擇輕便型穿戴智能設備的方式進行在線智能講解方式；對于人流不均衡的區域，可以采用AR智能導流結合導游講解的方式。目前中國聯通在臨汾云丘山景區正在進行這方面的嘗試，為景區提供基于AR的講解體驗創新業務。智能導游將有效提高景區的服務水平，但需要結合具體情況進行智能導游方式的選擇。
【關鍵詞】網絡信息；檢索
隨著信息技術的高速發展，信息資源的越來越顯得重要，而網絡信息資源也逐步成為這個信息時代的核心資源。信息檢索技術也很快得到發展，在此網絡信息檢索隨著網絡的發展也應運而生。網絡信息檢索，就是將描述特定用戶所需網絡信息的提問特征，與信息儲存的檢索標識進行異同比較，從中找出與提問一致或基本一致的網絡信息的過程。相對傳統文獻檢索，網絡信息檢索顯現出了很多的優越性，如不受時間地點的限制，檢索方式多樣化，多元化等。但是我覺得網絡信息檢索的發展還不是十分完善，仍存在些問題，如目前檢索工具在信息搜集缺乏統一的規范管理，檢索過程會出現很多雷同，甚至無用的垃圾信息等。以下從網絡信息檢索目前存在的問題，及針對問題面臨的以后的發展方向進行了探討。
隨著網上信息資源的膨脹發展，一種搜索引擎，無論它多么完善都不可能滿足一個人所有的檢索需求。如果遇到文獻普查、專題查詢、新聞調查與溯源、軟件及MP3下載地址搜索等情況，人們就更需要使用多種搜索引擎來比較、篩選和相互印證。為解決逐一登陸各搜索引擎，在各搜索引擎中分別多次輸入同一檢索請求等煩瑣操作，基于網絡檢索工具的檢索工具產生了。
目前這列檢索工具只要有兩種：集成搜索引擎和元搜索引擎。所謂集成搜索引擎是在一個檢索界面上鏈接若干種獨立的搜索引擎，檢索時，一次檢索輸入，可以指定搜索引擎也可以要求多個引擎同時檢索，搜索結果由各搜索引擎分別以不同頁面提交的網絡檢索工具，其實是利用網站鏈接技術形成的搜索引擎集合。集成搜索引擎制作與維護技術簡單，可隨時對所鏈接的搜索引擎進行增刪調整和及時更新，尤其大規模專業搜索引擎集成鏈接，深受特定用戶群歡迎。如國內天網搜霸和百度搜霸，國外比較著名的有“搜索之家” “網際瑞士軍刀”等。
另一個是元搜索引擎，用戶只需遞交一次檢索請求，由元搜索引擎負責轉換處理后提交給多個預先選定的獨立搜索引擎，并將所有查詢結果集中起來以整體統一的格式呈現到用戶面前。國外比較著名的元搜索引擎有Vivisimo、EZ2WWW、Kartoo、SurfWax、Fazzle等。目前國內現在還沒有見到真正意義上的元搜索引擎。元搜索引擎雖沒有網頁搜尋機制，亦無獨立的索引數據庫，但在檢索請求提交、檢索接口和檢索結果顯示等方面，均有自己研發的特色元搜索技術支持。目前元搜索引擎技術主要有并行處理式和串行處理式兩大類。并行式元搜索引擎運行時是將查詢請求同時發向各個獨立搜索引擎，然后將的結果按特定的順序呈現給用戶；串行式元搜索引擎運行時是將查詢請求先發向某個獨立搜索引擎，待其返回結果后再將請求發往另一個獨立搜索引擎。
從第一個元搜索引擎Metacrawler誕生至今，這一新型的網絡檢索工具異軍突起，發展迅速，目前可用的元搜索引擎已近百種。由于元搜索引擎的功能受著源搜索引擎和元搜索技術的雙重制約，元搜索引擎比較理想的并不多見。信息檢索專家邢志宇將元搜索引擎存在的問題歸納如下：（1）大多元搜索引擎不支持多語種，尤其是漢語檢索；（2）一些元搜索引擎實現檢索語法轉換的能力有限，不支持指定字段檢索，不能充分發揮各個獨立搜索引擎的高級檢索功能；（3）部分元搜索引擎無源搜索引擎列表，用戶不能自主選擇和調用源搜索引擎；（4）大部分元搜索引擎僅支持調用AltaVista、Excite、、Yahoo！、Infoseek、Lycos等常用的搜索引擎，一些大型搜索引擎如NorthernLight、HotBot等被排除在外，人為地限制了搜索資源的利用；（5）在檢索結果上，元搜索引擎只能返回十幾、數十條“相關度”較高的結果，大量可能有價值的源搜索引擎的檢索結果被忽視，影響檢索結果的全面性。
Internet的發展使信息采集、傳播和利用無論是從規模還是速度都達到了空前的水平。我覺得未來網絡信息檢索技術的發展方向如下：
1.智能化
現有的檢索引擎存在著查全率和查準率低的問題，未來的搜索引擎技術必須具有能及時挖掘新信息和及時能鏈接新增的信息，多途徑檢索功能，用戶可以交互式檢索，搜索出滿意的信息。提高網絡信息檢索技術水平并實現智能檢索，智能化是網絡信息檢索未來主要的發展方向。智能檢索是基于自然語言的檢索形式，機器根據用戶所提供的以自然語言表述的檢索要求進行分析，而后形成檢索策略進行搜索，智能檢索技術就是采用人工智能進行信息檢索的技術，它可以模擬人腦的思維方式，分析用戶以自然語言表達的檢索請求，自動形成檢索策略進行智能、快速、高效的信息檢索。最近幾年，智能信息檢索作為人工智能的一個獨立研究分支得到了迅速發展，而且目前已有一些搜索引擎支持智能檢索，但智能化程度還不高，這方面還有待進一步的發展。
2.標準化
現在的網站信息瞬息萬變，雜亂紛繁，很是需要進行分類整理。目前雖然有大量的搜索引擎，但還沒有一個統一嚴格的分類方法來管理，網絡信息資源在組織分類上需要制定一個統一的分類標準。還要規范網絡術語，提高資源共享的程度，這樣可以有效保證用戶的檢索效率。
3.個性化
