一种摩擦预堆中间层辅助异质材料回填式搅拌摩擦点焊方法

    公开(公告)号:CN108544077A

    公开(公告)日:2018-09-18

    申请号:CN201810344365.4

    申请日:2018-04-17

    Abstract: 一种摩擦预堆中间层辅助异质材料回填式搅拌摩擦点焊方法,属于焊接技术领域。技术要点为:在焊接过程中,通过在点焊接头下板上表面通过摩擦堆焊的方法制备与下板具有冶金结合的中间层;进而通过回填式搅拌摩擦点焊的方法在焊具与接头下板无直接接触的条件下完成点焊接头的焊接。本发明显著降低了回填式搅拌摩擦点焊接异质接头时由于接头某一侧材料硬度较高而对焊具造成的磨损,有效改善了回填式搅拌摩擦点焊异质材料接头中连接界面金属间化合物等脆性相及气孔裂纹等缺陷的产生。本发明还具有工艺设备简单、适用范围广、接头强度高的优势。

    基于评论图片美学的评论有用性的预测方法

    公开(公告)号:CN119006070A

    公开(公告)日:2024-11-22

    申请号:CN202411114230.0

    申请日:2024-08-14

    Abstract: 基于评论图片美学的评论有用性的预测方法,属于数据分析技术领域。所述方法是:步骤一:获取目标酒店的在线评论数据;步骤二:对数据筛选和清理,得到数据集;步骤三:确定评论图片美学的评论有用性影响的研究模型,并对模型所需变量进行定义与计算;步骤四:设定被解释变量、解释变量、调节变量和控制变量,构建非线性回归模型,计算得到非线性回归模型的系数和残差项;步骤五:通过将最小二乘回归方法替换为Tobit回归方法和选取子样本集进行稳健性检验,根据步骤四计算得到的非线性回归模型的系数和残差项,得到基于评论图片美学的评论有用性的预测模型。本发明的方法能够对用户评论和酒店信息进行全面高效的、准确率高且易于实现的挖掘和分析。

    一种带货视频时长对产品销量的预测方法

    公开(公告)号:CN119006054A

    公开(公告)日:2024-11-22

    申请号:CN202411114236.8

    申请日:2024-08-14

    Abstract: 一种带货视频时长对产品销量的预测方法,属于数据分析技术领域。该方法包括以下步骤:步骤一:获取带货短视频的销售数据、博主数据、产品数据;步骤二:对数据预处理;步骤三:对研究模型所需的变量进行定义,计算模型所需变量;步骤四:设置被解释变量、解释变量、调节变量和控制变量,并引入视频实际时长的二次项,构建计量模型且固定产品类别效应,通过计量分析方法与倒U型关系检验三步法计算计量经济模型的系数和残差项;步骤五:稳健性检验;引入三次项、调整样本;未通过则返回步骤四;若通过,则说明通过了稳健性检验,执行步骤六,异质性检验;探究产品价格与产品类别对二者倒U型关系的影响。本发明用于带货视频时长对产品销量的预测。

    一种基于文本分析的P2P网络借贷风险预测系统

    公开(公告)号:CN104616198B

    公开(公告)日:2018-01-26

    申请号:CN201510076663.6

    申请日:2015-02-12

    Abstract: 一种基于文本分析的P2P网络借贷风险预测系统,涉及一种P2P网络借贷的风险预测系统。本发明包括:平台数据采集模块;文本特征提取模块;风险预测模型搭建、训练模块;风险预测模块。本发明风险预测系统的文本特征提取模块对平台数据采集模块中获取的“借款描述文本”进行词语切分并根据停用词列表去除没有实际含义的词语,同时负责提取借款描述文本包含的情感特征S,主题特征T和可读性特征R;然后搭建和训练风险预测模型;最后将新借款列表的情感特征S,主题特征T和可读性特征R和平台数据采集模块中的用户基本数据、用户信用数据、借款列表数据共同作为输入变量输入风险预测模型,最终得到风险预测结果。本发明适用于P2P网络借贷风险预测。

    一种基于文本分析的P2P网络借贷风险预测系统

    公开(公告)号:CN104616198A

    公开(公告)日:2015-05-13

    申请号:CN201510076663.6

    申请日:2015-02-12

    Abstract: 一种基于文本分析的P2P网络借贷风险预测系统,涉及一种P2P网络借贷的风险预测系统。本发明包括:平台数据采集模块;文本特征提取模块;风险预测模型搭建、训练模块;风险预测模块。本发明风险预测系统的文本特征提取模块对平台数据采集模块中获取的“借款描述文本”进行词语切分并根据停用词列表去除没有实际含义的词语,同时负责提取借款描述文本包含的情感特征S,主题特征T和可读性特征R;然后搭建和训练风险预测模型;最后将新借款列表的情感特征S,主题特征T和可读性特征R和平台数据采集模块中的用户基本数据、用户信用数据、借款列表数据共同作为输入变量输入风险预测模型,最终得到风险预测结果。本发明适用于P2P网络借贷风险预测。

Patent Agency Ranking