中南的后裔 指导教师：张海波 成 员：万文娇 孔慧琳 魏羽璠 黄 菡 智能手环使用现状及产品发展分析报告 ——基于电商平台消费者购买评价的文本挖掘与武汉市的抽样调查 I 摘要 随着人工智能技术不断取得新的突破，一系列智能生活硬件逐步走进普通大 众的日常生活中。智能手环凭借入门级的售价和产品方案的标准化，市场渗透率 在智能可穿戴设备领域中一马当先，远远超过智能手表、智能眼镜等其他产品。 策略？针对第一个问题， 我们通过抓取电商平台评论文本，使用大数据挖掘的 方法，了解消费者对产品的好评度以及关注点。针对第二个问题，通过实地调查 的方式，结合现有用户使用情况和非用户潜在价值，对智能手环未来发展策略提 出有针对性的可取建议。 考虑到在当今的移动互联网时代，通过电商平台进行网络购物已成为人们生 活中一种普遍的消费方式。利用文本挖掘的方法通过爬取天猫平台和京东平台上， 小米手环的全部可抓取评论数据，共计 小米手环的全部可抓取评论数据，共计 468100 条。经过数据清洗后，使用中文 分词、构建语义网络与 LDA 主题模型等算法和模型，实现对文本评论数据的情 感倾向性判断以及所隐藏信息的挖掘与分析，以有效、准确的从互联网电商评论 数据中分析出消费者对小米手环的好评度、关注点以及抱怨点，对小米手环的功 能、优缺点进行初步的评价，为线下问卷调查提供方向和思路。 在问卷调查实施中，我们进行了试调查和正式调查两轮调查。在正式调查中，

在数智化层面，流程治理借助自动化与智能化技术，实现对业 务流程的深度优化与资源精细化管理。引入业务流程管理（BPM）构 建流程标准化框架，通过建模、部署、执行、监控全生命周期管理 实现流程体系的系统化重构；引入流程挖掘技术，通过一致性分析、 根因分析、异常检测、流程仿真和预测等手段，跟踪和分析流程执 行情况，精准识别瓶颈、风险与异常点，及时做出调整与优化。应 用机器人流程自动化（RPA）技术，对重复性规则化的流程任务实现 《数据驱动的企业流程数智化路径与实践（2025）》 8 从时间特性看，流程数据可分为实时数据与历史数据。实时流 程数据支撑对流程状态的即时监控与动态干预，是实现“事中管理” 的基础；历史流程数据则是支持数据挖掘、模型训练、知识沉淀的 主要数据，对流程执行效果进行复盘分析与评估优化。 从数据状态看，流程数据可划分为静态数据与动态数据。静态 流程数据通常为流程设计阶段形成的规范性资料，如流程图、操作 中国联通 联 《数据驱动的企业流程数智化路径与实践（2025）》 10 实现高质量发展的关键支撑。 (一)数智化流程治理的基石 流程数据为流程治理提供基础性数据资源，高质量的流程数据 是发挥流程挖掘效果、推动流程智能化的基础和先决条件。流程数 据是企业真实业务活动的数字映射，记录了流程运行的路径轨迹、 参与角色、时间节点与行为逻辑。依托流程数据，企业能够还原完 整的流程执行链条，实现从宏观梳理到微观洞察的全面覆盖。同时，

生”的新纪元⸺数据不再是业务流程的衍生结果，而是企业核心生产资料。尤其在以客户为中心的商业环境下，营 销、销售、服务（以下简称 “营销服”）环节沉淀的业务数据与客户数据，正成为撬动企业增长的“数字杠杆”。 然而，数据价值的挖掘与释放绝非一蹴而就，许多企业坐拥海量数据却依旧陷入应用困境。究其本质是由于数据 治理缺位：唯有实现数据的及时采集、安全存储、高质量处理与结构化整合，才能将其转化为驱动决策的“高纯度燃 料”。 CRM数据治理及应用实践蓝皮书 数据沉淀不及时、不安全、不连贯？CRM破解治理挑战 1.1 数据采集不及时不准确 无法反应业务真实状况 业务数据未经处理 数据应用存在"裸奔"风险 数据未嵌入业务流程 价值挖掘"最后一公里"塌方 ◎ 5 CRM数据治理及应用实践蓝皮书 赋能企业以客户为中心 销售易CRM融入业务场景，数据采集及时、高效、准确 销售易CRM通过自动化、流程化、结构化、智能化的方式收 到数据详情； ◎数据结果以可视化图形方式呈现，方便管理者查看、理 解和管理目标，随时追踪目标达成情况、快速定位问题； ◎帮助一线业务人员增强业务协同能力，商机跟进透明管 理，安全沉淀数据信息，深入挖掘数据价值，提升业务洞 察力。 ◎ 经销商通过销售易提供的订货商城自助下单，订单 明细自动沉淀 销售易NeoBI将可视化报表嵌入商机阶段，帮助 业务深度洞察客户情况 识别三大误区、关注五大要点，提升数据治理成功率

总 体 建 设 框 架 ，包 括 产 线 层、设备层、通信层、数据层、业务层、应用层 6 个层 级。具体如下：1） 应用层：融合数据挖掘、数字孪 生、人工智能技术与卫星制造业务，形成可视化监 控、资源瓶颈诊断、智能动态调度、进度/质量/状态 预测、数据挖掘分析等创新应用。2） 业务层：实现 工厂跨域协同管理、工艺设计管理、计划/资源/质 量管理、供应链协同管理、产品全周期管理、工厂生 人工智能辅助工艺决策与执行控制技术 2.3.1 基于知识挖掘与混合智能推理的工艺快速设计 针对卫星产品制造与装配过程海量工艺数据 挖掘、按需智能推送与工艺智能生成需求，提出基 于知识挖掘与智能推理的工艺快速设计方法，实现 基于文本挖掘的工艺知识提取标注、知识按需自动 推送、基于混合智能推理的工艺内容快速生成，如 图 12 所示。采用基于文本挖掘的工艺知识提取与 标注方法，对海量文本类工艺数据进行预处理，多 标注方法，对海量文本类工艺数据进行预处理，多 维度提取文本特征并标注工艺实例。基于系统自 动挖掘提取典型工艺实例、工艺决策规则并经人工 知 识 修 正 入 库 ，形 成 工 艺 流 程/工 艺 参 数/工 艺 模 板/决 策 规 则 等 多 维 度 、多 专 业 、结 构 化 工 艺 知 识 库。系统自动感知工艺设计情境，获取产品/专业/ 过程/工艺/工序等信息，描述知识需求并自动检索 工艺知识库及工艺实例库，推送相关工艺知识及实

节，应用数智技术提升新靶点和新药发现效率，加速药物 研发和临床试验进度。 1.精准靶点识别与筛选 面向疾病机制探究和药物靶点发现等业务活动，针对 传统实验方法在通量和成本方面的局限性问题，利用多组 学数据分析和文本挖掘方法，整合丰富的生物学数据，结 合自然语言处理、深度学习、图像识别以及大模型等人工 智能（AI）技术，构建新药研发知识图谱，开展复杂蛋白 质结构预测，显著提升药物靶点的识别和筛选效率。 2 分子模拟和成药性理化模型等技术进行高通量虚拟筛选， 加快化合物生物活性和药理作用的评估速度；基于人工智 能（AI）技术挖掘文献、数据库等，提高化合物筛选范围 和效果。 4.动物模型数据挖掘与虚拟动物实验 面向动物实验研究、药物测试等业务活动，针对动物 替代需求高、与人体结果一致性有偏差等问题，运用数据 挖掘、模拟技术，建立动物造模计算机仿真模型；基于动 物实验数据库，利用建模工具建立决策树、神经网络等不 不 同模型，对实验数据进行解析，指导药物研发，从而提高 决策质量、效率和成本效益。 5.中医药人用经验数据挖掘和决策模型研究 面向协定处方和院内制剂向创新药转化等业务活动， 针对人用经验缺乏高质量数据证据等问题，运用数据挖掘、 聚类分析、模拟技术，建立人用经验大数据库，针对疾病 特点和中医理论建立决策树、神经网络等不同模型，对临 床有效性和特点进行解析，提高中药创新药转化决策质量、

汽车之家于 2005 年正式上线，为全球领先的一站式汽车生活服务 提供商，也是全球访问数量最大的汽车内容网站，目前服务覆盖国 内超 90% 汽车主机厂与经销商。汽车之家以数据消费为核心驱动 力，积极挖掘数据价值，依托大数据、人工智能等技术，全方位服 务主机厂商及产业上下游企业；汽车之家通过成熟技术的深度应用 与 AI 大模型的精准融合，构建了全链路解决方案，并形成强大的 数智化产品矩阵，旨在持续降低汽车行业决策和交易成本，为广大 韩婷｜长安营销数字化项目经理 算法实现及大模型应用专家 线索如何才能得到更高效的利用，是所有的汽车厂商都会遇到的一个问题。在成交率可 能只有 3% 左右的背景下，如何在剩余的 97% 的线索里面挖掘出更大的价值？ 甄日新｜瓴羊智能科技有限公司副总裁 AI 正在改变各个行业。AI 平稳落地的前提，是健全的数字化环境和高质量的数据准备。 汽车行业作为高度数字化的行业，如何通过数据× AI 提效，全行业都翘首以待。 真正的解法不在 于技术堆砌，而是有效运用数字化以及 AI 能力，将一线声音与用户需求转化为可复用的 增长引擎。 施登荣｜福田汽车后市场生态事业部 北京智科车联有限公司副总经理 我们聚焦数据价值的挖掘，始终是围绕客户用好车。 07 数据会说话：AI 时代汽车全域营销实战手册 | 新竞争 重构市场逻辑 「 」 Competition reconstructs market logic

成就百万数据科学家！ 5 目录 模型可解释性在保险理赔反欺诈中的实践......................................................7 图算法在网络黑产挖掘中的思考....................................................................21 联邦学习与安全多方计算............ 图算法在网络黑产挖掘中的思考 ​ 分 享 嘉 宾 ： Harry 高 级 研 究 员 编 辑 整 理 ： 蔡 鑫 隆 出 品 平 台 ： DataFunTalk 导读：虚拟网络中存在部分黑产用户，这部分用户通过违法犯罪等不正当的方式 去谋取利益。作为恶意内容生产的源头，管控相关黑产用户可以保障各业务健康 平稳运行。当前工业界与学术界的许多组织通常采用树形模型、社区划分等方式 挖掘黑产用户，但 挖掘黑产用户，但树形模型、社区划分的方式存在一定短板，为了更好地挖掘黑 产用户，我们通过图表征学习与聚类相结合的方式进行挖掘。本文将为大家介绍 图算法在网络黑产挖掘中的思考与应用，主要介绍：  图算法设计的背景及目标  图算法 GraphSAGE 落地及优化  孤立点&异质性  总结思考 01 图算法设计的背景及目标 1. 图算法设计的背景 在虚拟网络中存在部分的黑产用户，这部分用户通过违法犯罪等不正当的方式去

市、县、乡、村的人口健康信息专网。 完善“云上贵州·医疗健康云”，加强 公共卫生、医疗服务、医疗保障、药 品管理、计划生育、综合管理等应用 系统。 n 第三阶段 发展智能药物挖掘，支持我省医 药企业智能化转型，推进深度学 习等技术应用于药物临床前研究， 推动快速、准确地挖掘和筛选合 适的化合物或生物。 n 第四阶段 03 03 01 02 医学人工 智能落地 路径 搭建全区养老服务信息管理平 台，加快推进自治区、市两级 人工智能+医院管理 02 优化资源配置 弥补医院管理漏洞 人工智能+疾病诊断和预测 03 疾病的诊断 疾病的预测 心血管及肿瘤影像 人工智能+医学研究 04 病历结构化处理 多源异构数据挖掘 人工智能+医学影像，重点落地心血管及肿瘤影像 人工智能在医学影像领域目前的应用方向主要有三类，即疾病筛查、病灶勾画、脏器三维成像，涉及脑、眼睛、乳腺、食管、 肺、心脏等多个人体部位。 结合 我们所关注的人工智能+医学研究重点应用产品是病历结构化处理及多源异构数据挖掘。 病历结构化处理 基于高质量的前结构化的专病数据平台, 超过90%的内容可以做 到结构化； 传统临床科研过程中病历筛选、数据提取占用整个临床科研过程 的50%以上时间。人工智能能精准完整的读懂病历所表达的含义， 并消解其中的歧义。系统利用自然语言处理技术，深度挖掘和分 析医疗文本的信息，它可以快速批量抓取病历中的信息生成一个

性树模型、deep 模型、 BERT、 Word2Vec 模型等 本期和大家讨论下 “人岗匹配排序的探索与实践”。从人力资源管理的发展来看，人岗匹配大致 经历了三个阶段，“三历对照法”、“冰山挖掘法”、“全人匹配法”，而 AI 技术的引用将为企业迎 来第四个——“数据解剖法”。 AI 技术实现人岗匹配，离不开数据的处理和模型的选择与训练，看似高深、复杂的人岗匹配算 法模型背后，这一切是 以 xgboost 和 lgb 为主。gbdt 模型结构如图 2 所示，gbdt 为一个 boosting 模型，通过叠加多 个弱模型来提升拟合能力，根据 xgboost 模型的优缺点我们可以充分挖掘可用特征。 我们再次整理上一节可用特征，主要有 ID 类特征（职能、行业、公司、技能、专业等）；基本 信息匹配特征（年龄，工作经验，学校等）该特征为二分类特征，以 JD 和 CV 的 ID 类特征是 最后总结下模型方面的探索结果，以上实验说明我们还没有充分利用 graph embedding 和由 DSSM 产出的文本 embedding，也证明了 embedding 内涵的巨大作用，后期我们将加大力度 去挖掘该部分的内容。 4.1 现阶段成果 > 经过上文特征和模型的探索在此我们分方案来展示我们的实验结果，分别包含以下方案： 方案 1：ID 类特征 +match 特征 +IDsim 特征 +textsim