基于机器学习的绿色出行影响因素挖掘及意愿程度衡量方法

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
基于机器学习的绿色出行影响因素挖掘及意愿程度衡量方法
申请号:CN202411366803
申请日期:2024-09-29
公开号:CN119226518A
公开日期:2024-12-31
类型:发明专利
摘要
本发明公开了一种基于机器学习的绿色出行影响因素挖掘及意愿程度衡量方法,属于绿色出行技术领域,该基于机器学习的绿色出行影响因素挖掘及意愿程度衡量方法,包括以下步骤:根据设定词收集若干条有效数据,并利用Word2vec算法进行筛选;利用BERT模型对所述有效数据进行绿色出行意愿挖掘,并对每条所述有效数据的绿色出行意愿的等级进行标注;基于LDA和UMAP对所述有效数据进行绿色出行影响因素提取;对绿色出行意愿和影响因素进行关联分析。通过爬取与绿色出行相关的文本数据,使用Word2vec算法等文本挖掘技术处理非结构化数据,并对筛选后的数据进行分析,筛选相关有效数据,在一定程度能够上客观、真实且全面地提取居民绿色出行意愿的影响因素体系。
技术关键词
绿色出行 BERT模型 多元线性回归模型 数据处理模块 主题 文本挖掘技术 算法 数据分析模块 关键词 数据获取模块 优化器 可读存储介质 训练集 聚类 居民 列表 处理器 曲线
系统为您推荐了相关专利信息
电池健康状态 电池系统健康状态 电压 历史运行数据 阶段
指令下发系统 协调控制器 通信管理机 调优算法 数据转发功能
纠偏系统 动态纠偏 偏差计算方法 纠偏方法 数据处理模块
决策树模型 随机森林 多元线性回归模型 DS证据理论 卷烟
门式起重机 预警系统 图像采集单元 终端显示模块 数据处理模块