Home » 國(guó)際競(jìng)賽 » STEM國(guó)際競(jìng)賽 » Details

用時(shí)間序列預(yù)測(cè)網(wǎng)絡(luò)瀏覽量

Category: STEM國(guó)際競(jìng)賽 Date: 2020年3月20日下午7:00

時(shí)間序列是按時(shí)間順序的一組數(shù)字序列。時(shí)間序列有兩個(gè)特點(diǎn)，一個(gè)是現(xiàn)實(shí)的、真實(shí)的一組數(shù)據(jù)，而不是數(shù)理統(tǒng)計(jì)中做實(shí)驗(yàn)得到的，既然是真實(shí)的，它就是反映某一現(xiàn)象的統(tǒng)計(jì)指標(biāo)，因而，時(shí)間序列背后是某一現(xiàn)象的變化規(guī)律。另一個(gè)就是它是動(dòng)態(tài)數(shù)據(jù)，能夠給人直觀的感受。小編今天推薦給大家的科研課題與時(shí)間序列有關(guān)系。課題的題目就是加州伯克利探究項(xiàng)目：網(wǎng)絡(luò)瀏覽量的時(shí)間序列預(yù)測(cè)。

課題簡(jiǎn)介

從生物、金融市場(chǎng)、天氣預(yù)測(cè)，到視頻處理、體育賽事，時(shí)間序列分析 (Time-series analysis) 出現(xiàn)在眾多生活場(chǎng)景中。時(shí)間序列分析包含了多種不同的研究方向，從分析演化到結(jié)果預(yù)測(cè)，。它既需要運(yùn)用統(tǒng)計(jì)學(xué)知識(shí)分析需要用到的方法，又需要利用計(jì)算機(jī)軟件去處理大規(guī)模數(shù)據(jù)，還需要用數(shù)學(xué)模型去佐證得到的結(jié)果，因此時(shí)間序列分析是一門集計(jì)算機(jī)、統(tǒng)計(jì)、數(shù)學(xué)為一體的交叉學(xué)科。

維基百科是一個(gè)網(wǎng)絡(luò)百科全書項(xiàng)目，是全球網(wǎng)絡(luò)最大且最受歡迎的參考工具。維基百科已經(jīng)收錄3000萬(wàn)篇條目，其中英語(yǔ)維基百科以超過(guò)450萬(wàn)篇條目在數(shù)量上位居首位。由于維基百科能夠迅速地整理出與最近發(fā)生的事件相關(guān)的信息，并且任何人都能整理相應(yīng)的數(shù)據(jù)信息，所以維基百科相應(yīng)詞條的瀏覽量往往能夠反映相關(guān)詞條熱度。最近由Google贊助的kaggle學(xué)術(shù)活動(dòng)發(fā)布一個(gè)維基百科的數(shù)據(jù)集，其包含了近145000條維基百科點(diǎn)擊量的時(shí)間數(shù)據(jù)。

本課題旨在運(yùn)用時(shí)間序列分析對(duì)部分詞條的網(wǎng)絡(luò)點(diǎn)擊率進(jìn)行分析，運(yùn)用線性模型、時(shí)間序列分析和機(jī)器學(xué)習(xí)的方法去探究相應(yīng)詞條的網(wǎng)絡(luò)點(diǎn)擊量的走勢(shì)。同時(shí)，本課題還可以預(yù)測(cè)高相關(guān)性的詞條，并視覺(jué)化分析結(jié)果，力求幫助學(xué)生熟悉時(shí)間序列分析手段，使得學(xué)生具備運(yùn)用統(tǒng)計(jì)學(xué)模型分析，處理并且視覺(jué)化時(shí)間序列數(shù)據(jù)的能力。

本課題是跨統(tǒng)計(jì)和計(jì)算機(jī)的綜合研究，也是時(shí)間序列相關(guān)技術(shù)的實(shí)際應(yīng)用。研究者將獲得使用R進(jìn)行數(shù)據(jù)分析的技能和時(shí)間序列方法的深入了解。

科研方法

AI+X數(shù)據(jù)驅(qū)動(dòng)型科研

AI＋X數(shù)據(jù)驅(qū)動(dòng)型科研是指使用人工智能（AI）算法，收集、處理、分析具體學(xué)科（X）的海量數(shù)據(jù)，并基于此進(jìn)行預(yù)測(cè)，從而獲得科學(xué)發(fā)現(xiàn)的研究方法。與傳統(tǒng)的、基于實(shí)驗(yàn)或邏輯推理的研究方式相比，AI＋X數(shù)據(jù)驅(qū)動(dòng)型科研可以借助AI算法強(qiáng)大的運(yùn)算能力，高效地進(jìn)行大數(shù)據(jù)分析，具有投入產(chǎn)出比高、適用范圍廣的優(yōu)點(diǎn)。

AI＋X數(shù)據(jù)驅(qū)動(dòng)型科研已被廣泛地應(yīng)用于各個(gè)領(lǐng)域，利用AI算法研究基因數(shù)據(jù)，從而進(jìn)行早期的癌癥篩查便是其中一例。基因組與癌癥病患的數(shù)據(jù)千千萬(wàn)萬(wàn)，使用傳統(tǒng)的科研方式對(duì)其進(jìn)行分析，工程量大、過(guò)程繁瑣，在客觀上難以實(shí)現(xiàn)。但借助AI算法這一便捷的工具，生命科學(xué)家便能夠以海量的患者的遺傳信息為基礎(chǔ)，建立數(shù)據(jù)庫(kù)，與過(guò)往的研究成果進(jìn)行對(duì)照，快速、準(zhǔn)確地在兩者中發(fā)現(xiàn)規(guī)律、建立聯(lián)系，從而使癌癥診斷的“標(biāo)準(zhǔn)化”成為可能。

整個(gè)科研教學(xué)流程中，每一位學(xué)員都將有學(xué)術(shù)督導(dǎo)協(xié)助保障研究階段性作業(yè)和論文的進(jìn)度，確保取得研究成果。