问卷分析方法：通过对投资者竞赛数据进行集群分析获得的见解

Feb, 2024

问卷分析方法：通过对投资者竞赛数据进行集群分析获得的见解

A Methodology for Questionnaire Analysis: Insights through Cluster Analysis of an Investor Competition Data

Carlos Henrique Q. Forster, Paulo André Lima de Castro, Andrei Ramalho

TL;DR本文提出了一种基于问卷数据的分析方法，并在投资者数据中应用该方法以发现洞察。该方法通过聚类分析将类别问题归约为二元问题，并使用转化率指标进行规则发现。为验证聚类分析和问题之间的关系发现，提出了创新的可视化表达方式。与金融数据结合后，发现了与已识别的聚类相关的额外洞察。

Abstract

In this paper, we propose a methodology for the analysis of questionnaire data along with its application on discovering insights from investor data motivated by a day trading competition. The questionnaire includes categorical questions, which are reduced to binary questions, 'yes' or 'no'. The methodology reduces dimensionality by grouping questions and pa

questionnaire data analysis investor data insights clustering analysis rule discovery visual representations

发现论文，激发创造

使用能力问题来选择最优的住宅能源消费模式聚类结构

本文介绍了如何使用能力问题来规范专家知识和应用需求，以在住宅能源消费领域对聚类应用进行上下文特定评估。

Jun, 2020

投资者群体的时间分布及其在专家建议预测中的应用

研究表明，通过对 2015 年至 2017 年 2 万名外汇交易员的实际交易进行聚类，可以使用 Ewens' Sampling Distribution 描述簇的分布，同时将 Aggregating Algorithm（AA）应用于这些实际数据可以提高交易员风险投资组合的回报，然而当交易中存在过多相似模式时，AA 算法表现不佳，因此应用统计验证网络（SVN）和层次聚类方法可以显著改进 AA 算法在回报的盈利性和平滑性方面的结果。

Jun, 2024

评估问卷数据的无监督学习方法 —— 从测量不变性的违反中获取的见解

本文提出了一种基于无监督学习的研究数据处理方法，通过数据准备、问卷聚类和基于聚类结果及每个群组属性的相似性度量，实现了对不同群体之间的自然比较和响应模式的自然描述，并可以安全地应用于各种数据集，即使在不存在测量不变性的情况下。此方法将 (测量不变性的违反) 转化为一种有意义的相似度度量。

Dec, 2023

基于信息的聚类

该研究采用信息理论的视角来重新构造聚类问题，避免了许多现有聚类方法所依赖的非常规结构的假设，且捕捉了非线性关系。基于集体相似度而非传统的成对度量，该方法在不同领域内都表现出比现有算法更高的聚类一致性。

Nov, 2005

可解释聚类与可区分性标准

基于全局的可区分性准则，本文提出了用于验证聚类分析结果以及确定数据集中聚类数量的方法，并将该准则与常用的聚类方法进行了整合，包括层次聚类、k-means 和有限混合模型。通过模拟研究和实际数据应用，我们展示了这些新算法的结果。

Apr, 2024

多策略文本处理在金融数据分析应用中的应用

本文主要介绍了如何利用多种数据挖掘技术和深度学习应用于金融文本处理场景，并且展示了如何使用自然语言处理（NLP）和知识图谱（KG）技术来从异构数据中识别金融风险和机会。

Apr, 2022

答案整合：制定与基准测试

该研究论文探讨了问题回答系统中的多种答案情况，提出了答案合并问题的解决方案，通过对数据集的多个模型进行评估，发现监督模型表现较好，但仍需要进一步改进。

Apr, 2022

使用概念层次聚类构建业务分类法

提出了一种从企业年报内容中自动构建商业分类法的新方法，使用贪心亲和力进行概念层次聚类，结果表明这可以在新兴市场上理解和投资新的增长公司提供有效工具。

Jun, 2019

一个用于探索大数据的系统：迭代 k-means searchlight 在公开的健康数据上进行离群点检测

系统使用迭代 K-means 聚类算法，并结合 Subset Scan Technique 技术，在分析纽约州开放的医疗保健数据中找出包括某些医院成本溢出和自杀病例增加等异常趋势，并得出了新的研究结果，对监管机构、决策者和关注公民具有潜在的作用。

Apr, 2023

利用数据可视化和聚类方法对飞行路径进行分类

本文利用美国联邦航空管理局的交通流量管理系统数据集和 DV8，一种近期开发的用于高度交互式可视化航空交通数据的工具，开发了用于按照变化的飞行路径对航空交通进行聚类的算法。展示并比较了两种聚类方法：基于空间的地理距离模型和基于向量的余弦相似度模型，以评估它们的聚类效果。应用示例揭示了基于自动聚类结果确定和人机合作过程的成功实际聚类，其中地理距离算法在飞行路径的巡航阶段表现更好，余弦相似度算法在近航站区域操作（如到达路径）表现更好。应用了一种抽取点的技术来提高计算效率。

Oct, 2023