神经网络情感分析范文

导语：如何才能写好一篇神经网络情感分析，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

关键词：粒子群 径向基 神经网络 语音识别

中图分类号：TP391 文献标识码：A 文章编号：1007-9416（2013）04-0109-02

近年来，语音识别作为一种便捷的人机交互方式被大量研究，并在日常生活中得到广泛应用。大体上讲，语音识别就是在给定的语料库中找出与待识别词语相同的语料，其识别方法的选择对识别效果至关重要。语音识别的方法主要有3种：基于语音特征和声道模型的方法、模板匹配的方法和人工神经网络[1]。第1种方法出现较早，但由于其模型过于复杂，并未得到实际应用。第2种方法较为成熟，主要通过动态时间规整（DTW）、隐马尔可夫模型（HMM）和矢量量化（VQ）技术实现[2]。第3种方法充分利用人工神经网络较强的分类能力和输入——输出映射能力，非常适合解决语音识别这类难以用算法描述而又有大量样本可供学习的问题[3]。

因此，本文将智能领域广泛使用的RBF神经网络运用到语音识别中，针对RBF神经网络隐层基函数的中心值和宽度随机确定的缺陷，运用具有全局寻优能力的粒子群算法（PSO）进行优化，来提高网络的泛化能力和收敛速度，从而提高识别率。实验结果表明，粒子群优化的RBF神经网络用于语音识别，能够显著提升识别性能。

1 粒子群优化RBF神经网络

1.1 RBF神经网络

1.2 粒子群优化RBF网络算法

因此，RBF神经网络隐层基函数中心值和宽度的优化过程就是PSO算法依据输入样本进行聚类的过程，其基本流程为：

（1）参数初始化，包括粒子速度、位置，个体最优位置和全局最优位置；

（2）据（5）式计算惯性权重；

（3）据（3）（4）式更新粒子的速度和位置；

（4）据（6）式计算各粒子适应度值，并更新个体最优位置和全局最优位置；

（5）用全局最优粒子代替本次迭代适应度差的粒子；

（6）反复迭代，直到最大迭代次数则停止，得聚类中心。

2 PSO优化RBF语音识别系统

语音识别过程主要包括信号预处理、特征提取、网络训练及识别[6]。预处理主要对语音进行分帧、预加重和加窗处理。特征提取用于提取语音中反映声学特征的相关参数，本文采用的是过零峰值幅度（ZCPA）。网络训练是在识别之前从语音样本中去除冗余信息，提取关键参数，再按照一定规则对数据加以聚类，形成模式库。网络识别是通过已训练好的网络，计算测试样本数据与模式库之间的相似度，判断出输入语音所属的类别。粒子群优化RBF神经网络的语音识别系统原理框图如图1所示。

PSO优化RBF神经网络进行语音识别的实验步骤如下：

第1步：提取特征。

首先对用于训练和识别的各种信噪比的语音文件进行ZCPA特征提取。语音信号的采样频率为11.025kHz，每帧为256个采样点，经过时间和幅度归一化处理后，得到256维特征矢量序列。

第2步：网络训练。

网络训练的过程就是调整RBF神经网络基函数的中心和宽度以及隐层到输出层之间的连接权值。实验中，类别数为待识别的词汇数，如对10个词进行识别，则隐层节点数、输出层节点数和聚类中心均为10，如对20个词进行识别，则隐层节点数、输出层节点数和聚类中心均为20，以此类推，本文对10词、20词、30词和40词分别进行训练识别。利用PSO优化算法通过聚类获取隐层基函数的中心值和宽度，网络输出权值使用伪逆法得到。在PSO算法中，种群大小为20，最大进化迭代次数为40。

第3步：网络识别。

RBF神经网络训练好后，将测试集中的样本输入网络进行识别测试。每输入一个单词的特征矢量，经过隐层、输出层的计算后可得一个单词分类号，将这个分类号与输入词自带的分类号进行对比，相等则认为识别正确，反之，识别错误。最后将识别正确的个数与所有待识别单词数的比值作为最终的识别率。

3 实验仿真分析

本文运用matlab在PC机上仿真实现了PSO优化RBF神经网络的孤立词语音识别系统，选用在不同高斯白噪声条件下（包含15dB、20dB、25dB和无噪声），18个人分别录制40词各三次，形成实验语音数据，实验时选其中10人的10词、20词、30词、40词语音数据分别作为训练样本，另外8个人对应的10词、20词、30词、40词语音数据分别作为测试样本进行实验，得到了不同噪声和词汇量下的粒子群优化RBF神经网络的语音识别结果。

表1所示为在不同词汇量和不同SNR下，分别基于PSO优化RBF神经网络和标准RBF神经网络采用ZCPA语音特征参数的语音识别结果。由表中识别率的变化可知，基于PSO优化的RBF神经网络的识别率在不同词汇量和不同信噪比下都比标准RBF神经网络的高，正确识别出的词汇量明显增多，这充分证明改进后的RBF神经网络具有自适应性和强大的分类能力，缩短网络训练时间的同时，提高了系统的识别性能，尤其在大词汇量的语音识别中表现出更加明显的优势。

4 结语

本文采用粒子群优化算法来聚类RBF神经网络隐层基函数中心值和宽度，并将PSO改进的RBF神经网络用于语音识别中。通过仿真实验，得出了其与标准RBF神经网络在不同词汇量和不同SNR下的语音识别结果。通过分析比较，证明了PSO优化后的RBF神经网络有较高的识别率，且训练时间明显缩短，表明神经网络方法非常适宜求解语音识别这类模式分类问题。

参考文献

[1]Edmondo Trentin， Marco Gori. A survey of hybrid ANN/HMM models for automatic speech recognition[J].Neurocomputing，2001，（37）：91-126.

[2]王凯.免疫粒子群改进LBG的孤立词语音识别算法研究[J].数字技术与应用，2013，（1）：111-113.

[3]夏妍妍，黄健，尹丽华.基于径向基函数神经网络的语音识别[J].大连海事大学学报，2007，（S1）：157-159.

[4]孟艳，潘宏侠.PSO聚类和梯度算法结合的RBF神经网络优化[J].自动化仪表，2011，（02）：6-8.

篇2

关键词：人工智能 机器学习 机器人情感获得 发展综述

中图分类号：TP18 文献标识码：A 文章编号：1003-9082 （2017） 04-0234-01

引言

人类自从工业革命结束之后，就已然开始了对人工智能的探索，究其本质，实际上就是对人的思维进行模仿，以此代替人类工作。人工智能的探索最早可以追溯到图灵时期，那时图灵就希望未来的智能系统能够像人一样思考。在20世纪五十年代，人工智能被首次确定为一个新兴的学科，并吸引了大批的学者投入到该领域的研究当中。经过长时间的探索和尝试，人工智能的许多重要基本理论已经形成，如模式识别、特征表示与推理、机器学习的相关理论和算法等等。进入二十一世纪以来，随着深度学习与卷积神经网络的发展，人工智能再一次成为研究热点。人工智能技术与基因过程、纳米科学并列为二十一世纪的三大尖端技术， 并且人工智能涉及的学科多，社会应用广泛，对其原理和本质的理解也更为复杂。 一、人工智能的发展历程

回顾人工智能的产生与发展过程 ，可以将其分为：初期形成阶段，综合发展阶段和应用阶段。

1.初期形成阶段

人工智能这一思想最早的提出是基于对人脑神经元模型的抽象。其早期工作被认为是由美国的神经学家和控制论学者 Warren McCulloch与Walter Pitts共同完成的。在1951年，两名普林斯顿大学的研究生制造出了第一台人工神经元计算机。而其真正作为一个新的概念被提出是在1956年举行的达茅斯会议上。由麦卡锡提议并正式采用了“人工智能”（Artificial Intelligence）砻枋稣庖谎芯咳绾斡没器来模拟人类智能的新兴学科。1969年的国际人工智能联合会议标志着人工智能得到了国际的认可。至此，人工智能这一概念初步形成，也逐渐吸引了从事数学、生物、计算机、神经科学等相关学科的学者参与该领域的研究。

2.综合发展阶段

1.7 7年， 费根鲍姆在第五届国际人工智能联合会议上正式提出了“知识工程”这一概念。而后其对应的专家系统得到发展，许多智能系统纷纷被推出，并应用到了人类生活的方方面面。20世纪80年代以来，专家系统逐步向多技术、多方法的综合集成与多学科、多领域的综合应用型发展。大型专家系统开发采用了多种人工智能语言、多种知识表示方法、多种推理机制和多种控制策略相结合的方式， 并开始运用各种专家系统外壳、专家系统开发工具和专家系统开发环境等等。在专家系统的发展过程中，人工智能得到了较为系统和全面的综合发展，并能够在一些具体的任务中接近甚至超过人类专家的水平。

3.应用阶段

进入二十一世纪以后，由于深度人工神经网络的提出，并在图像分类与识别的任务上远远超过了传统的方法，人工智能掀起了前所未有的。2006年，由加拿大多伦多大学的Geoffery Hinton及其学生在《Science》杂志上发表文章，其中首次提到了深度学习这一思想，实现对数据的分级表达，降低了经典神经网络的训练难度。并随后提出了如深度卷积神经网络（Convolutional Neural Network， CNN），以及区域卷积神经网络（Region-based Convolutional Neural Network， R-CNN），等等新的网络训练结构，使得训练和测试的效率得到大幅提升，识别准确率也显著提高。

二、人工智能核心技术

人工智能由于其涉及的领域较多，内容复杂，因此在不同的应用场景涉及到许多核心技术，这其中如专家系统、机器学习、模式识别、人工神经网络等是最重要也是发展较为完善的几个核心技术。

1.专家系统

专家系统是一类具有专门知识和经验的计算机智能程序系统，通过对人类专家的问题求解能力建模，采用人工智能中的知识表示和知识推理技术来模拟通常由专家才能解决的复杂问题，达到具有与专家同等解决问题能力的水平。对专家系统的研究，是人工智能中开展得较为全面、系统且已经取得广泛应用的技术。许多成熟而先进的专家系统已经被应用在如医疗诊断、地质勘测、文化教育等方面。

2.机器学习

机器学习是一个让计算机在非精确编程下进行活动的科学，也就是机器自己获取知识。起初，机器学习被大量应用在图像识别等学习任务中，后来，机器学习不再限于识别字符、图像中的某个目标，而是将其应用到机器人、基因数据的分析甚至是金融市场的预测中。在机器学习的发展过程中，先后诞生了如凸优化、核方法、支持向量机、Boosting算法等等一系列经典的机器学习方法和理论。机器学习也是人工智能研究中最为重要的核心方向。

3.模式识别

模式识别是研究如何使机器具有感知能力 ，主要研究图像和语音等的识别。其经典算法包括如k-means，主成分分析（PCA），贝叶斯分类器等等。在日常生活各方面以及军事上都有广大的用途。近年来迅速发展起来应用模糊数学模式、人工神经网络模式的方法逐渐取代传统的基于统计学习的识别方法。图形识别方面例如识别各种印刷体和某些手写体文字，识别指纹、癌细胞等技术已经进入实际应用。语音识别主要研究各种语音信号的分类，和自然语言理解等等。模式识别技术是人工智能的一大应用领域，其非常热门的如人脸识别、手势识别等等对人们的生活有着十分直接的影响。

4.人工神经网络

人工神经网络是在研究人脑的结构中得到启发， 试图用大量的处理单元模仿人脑神经系统工程结构和工作机理。而近年来发展的深度卷积神经网络（Convolutional neural networks， CNNs）具有更复杂的网络结构，与经典的机器学习算法相比在大数据的训练下有着更强的特征学习和表达能力。含有多个隐含层的神经网络能够对输入原始数据有更抽象喝更本质的表述，从而有利于解决特征可视化以及分类问题。另外，通过实现“逐层初始化”这一方法，实现对输入数据的分级表达，可以有效降低神经网络的训练难度。目前的神经网络在图像识别任务中取得了十分明显的进展，基于CNN的图像识别技术也一直是学术界与工业界一致追捧的热点。

三、机器人情感获得

1.智能C器人现状

目前智能机器人的研究还主要基于智能控制技术，通过预先定义好的机器人行动规则，编程实现复杂的自动控制，完成机器人的移动过程。而人类进行动作、行为的学习主要是通过模仿及与环境的交互。从这个意义上说，目前智能机器人还不具有类脑的多模态感知及基于感知信息的类脑自主决策能力。在运动机制方面，目前几乎所有的智能机器人都不具备类人的外周神经系统，其灵活性和自适应性与人类运动系统还具有较大差距。

2.机器人情感获得的可能性

人脑是在与外界永不停息的交互中，在高度发达的神经系统的处理下获得情感。智能机器人在不断的机器学习和大数据处理中，中枢处理系统不断地自我更新、升级，便具备了获得情感的可能性及几率。不断地更新、升级的过程类似于生物的进化历程，也就是说，智能机器人有充分的可能性获得与人类同等丰富的情感世界。

3.机器人获得情感的利弊

机器人获得情感在理论可行的情况下，伴之而来的利弊则众说纷纭。一方面，拥有丰富情感世界的机器人可以带来更多人性化的服务，人机合作也可进行地更加深入，可以为人类带来更为逼真的体验和享受。人类或可与智能机器人携手共创一个和谐世界。但是另一方面，在机器人获得情感时，机器人是否能彻底贯彻人类命令及协议的担忧也迎面而来。

4.规避机器人情感获得的风险

规避智能机器人获得情感的风险应预备强制措施。首先要设计完备的智能机器人情感协议，将威胁泯灭于未然。其次，应控制智能机器人的能源获得，以限制其自主活动的能力，杜绝其建立独立体系的可能。最后，要掌控核心武器，必要时强行停止运行、回收、甚至销毁智能机器人。

三、总结

本文梳理了人工智能的发展历程与核心技术，可以毋庸置疑地说，人工智能具有极其广阔的应用前景，但也伴随着极大的风险。回顾其发展历程，我们有理由充分相信，在未来人工智能的技术会不断完善，难题会被攻克。作为世界上最热门的领域之一，在合理有效规避其风险的同时，获得情感的智能机器人会造福人类，并极大地帮助人们的社会生活。

参考文献

[1]韩晔彤.人工智能技术发展及应用研究综述[J].电子制作，2016，（12）：95.

[2]曾毅，刘成林，谭铁牛.类脑智能研究的回顾与展望[J].计算机学报，2016，（01）：212-222.

[3]张越.人工智能综述：让机器像人类一样思考

篇3

作者简介：白琳(1979－　)，女，顺德职业技术学院酒店及旅游管理系助教。研究方向：酒店管理。岑成德(1957－　)，男，中山大学管理学院教授。研究方向：旅游市场调研、市场研究方法。

摘 要 本文采用实证的方法，通过因子分析、人工神经网络方法和逻辑回归分析，对宾馆员工工作满意感的影响因素及其影响程度进行研究。本项研究得出以下结论：(1)宾馆员工工作满意感的影响因素有8类，在这8类影响因素中，工作本身对员工工作满意感的影响最大，其后依次是主管管理风格、宾馆政策及实施、同事关系、宾馆经营、个人能力发挥、培训与晋升、工作报酬；(2)人工神经网络方法的预测正确率高于回归分析方法的预测正确率，并且前者的模型拟合优度要优于后者，这说明人工神经网络方法在分析宾馆员工工作满意感时，优于回归分析方法。

关键词 员工；工作满意感；人工神经网络

中图分类号 F719．2　文献标识码A　文章编号　1006―575(2006)―05―0026―10

一、引言

与制造业不同，宾馆业为顾客提供的服务是无形的，服务的好坏往往靠顾客的感受和以往的消费经历来判断，具有很强的主观性；员工提供服务与顾客消费服务是同时发生的，员工与顾客的接触非常频繁，宾馆能否获得顾客的忠诚感，关键在于员工与顾客的关系发展到了何种程度。许多学者的研究结果表明，如果服务人员不满意，他们在为顾客提供服务时，就极有可能将自己的坏心情传递给顾客。因此，对宾馆来说，员工工作满意感影响因素的研究非常重要。本文将探讨影响工作满意感的因素，并探讨各因素对员工满意感的不同影响。

目前，大多数关于工作满意感与其影响因素之间关系的研究，都是用传统的统计方法，如回归分析方法和通径分析方法来进行的。这些实证研究对工作满意感理论的发展起到了重要的作用。但是，这些统计分析方法本身有一些局限性，例如常用的多元线性回归分析方法不仅要求变量间是线性关系，还要求变量近似服从正态分布，方差相等等。很多学者却忽视了这些局限性，这使他们的研究结果产生了一定的偏差，并且有可能得出错误的结果。目前，理论界已经普遍认为人工神经网络方法是很好的研究工具，能够代替回归分析方法，并且可以在不同的领域广泛应用，但是从笔者查阅到的国内外文献资料来看，在宾馆员工的满意感与其影响因素之间关系方面，使用人工神经网络方法来进行研究还相当少见。本文将通过对宾馆员工的实证调查，使用人工神经网络方法研究员工满意感与其影响因素之间的关系，并将对比回归方法和人工神经网络方法得出的结果，希望能为此方面的研究提供一些借鉴。本文也试图通过探讨各因素对员工满意感的影响程度，使宾馆管理人员了解员工更重视哪些影响因素，并希望文中的模型与分析结论能够对宾馆业人力资源管理工作以及内部营销策略具有一定的借鉴意义。

二、相关文献回顾

(一)工作满意感

1．工作满意感的定义

目前，理论界对员工满意感的定义多种多样。一方面，满意感并不是每个人都会拥有的普遍现象，而且不同行业的员工有不同的衡量标准；另一方面，学者对工作满意感的研究还在继续，出于不同的研究目的，他们会给工作满意感下不同的定义，归纳起来可以分为3大类。

(1)综合性定义

综合性定义将工作满意感的概念作一般性的解释，指的是员工对工作本身及工作相关环境因素所持有的一种一般性态度，也就是员工对其全部工作角色的情感反应，是整体的工作满意感。例如，美国心理学家洛克(Locke)指出，工作满意感为员工在对个人工作或工作经历的评估中产生的愉悦或正向的情感状态。汪纯孝等人指出，工作满意感指员工觉得自己的工作可实现或有助于实现自己的工作价值观而产生的愉快情感，职务和工作环境中的一切特点都会影响员工的工作满意感。

(2)结构性定义

结构性定义强调工作满意感由多个维度构成。工作是一个很复杂的概念，其本身很少成为单一的研究对象，与个人工作有关的满意感，其实是个人对工作各个不同维度的满意程度。例如，美国康奈尔大学的史密斯和胡林(Smith和Hulin)等人认为工作满意感是个人根据自己的参考体系对工作特征加以解释后所得到的结果。因此，他们把工作满意感分为工作本身、升迁、主管监督、薪水及工作伙伴5个方面的满意感。

(3)期望差距定义

期望差距定义将工作的满意程度看作是由员工在特定的工作环境中实际获得的价值与他预期应获得的价值之间的差距而定。美国组织行为学家波特和劳勒(Porter和Lawler)等人对满意感的解释就属于期望差距定义。

2．工作满意感的相关理论

学者们因其对工作满意感的定义及研究对象的不同，所建立的理论也有所差异。坎贝尔(Campbell)等学者一般将与工作满意感相关的理论分为内容理论和程序理论两大类。内容理论主要研究影响工作满意感的因素，注重研究需要、价值和期望对员工满意感的影响程度，例如需要层次理论、双因素理论和ERG理论等。程序理论主要研究如何激励、指挥、维持和终止个体行为的过程，它关注的是工作中个体的需要、价值与期望之间的相互作用、相互影响，例如期望理论、公平理论和差距理论等。这两种理论之间并没有很明显的界限，而且程序理论之中已经包含了内容理论，内容理论是程序理论的研究重点。

3．工作满意感的测量

员工的工作不仅是等待顾客等明显的活动，他们还需要与同事和上司接触、遵循组织的规章和政策、达到期望的绩效标准等等。员工总是处在一定工作情景之中，员工评估自己对工作满意与否是十分复杂的。目前，比较广泛使用的评估方法有两种：单一整体法和工作要素总和评分法。工作要素总和评分法比较复杂，首先要确定工作及相关方面的关键维度，然后询问员工对各个维度的感觉。在实际中，这种方法比较常用，其经常使用的测量工具有：

(1)明尼苏达满意感量表(MSQ)。它分为短式量表和长式量表，前者包括20个题目，可测量员工的内在满意感、外在满意感及一般满意感；后者则有100个题目，可测量员工对20个工作层面的满意感和一般满意感。(2)工作说明量表(JDI)。它可测量员工对工作本身、薪资、升迁、上司和同事等5个维度的工作满意程度。该量表在美国被反复用于研究，测试效果良好，因此受到了许多学者的一致推崇。

(二)员工满意感影响因素

1．一般员工满意感影响因素

自从工作满意感这个概念提出之后，学者们对工作满意感的研究主要集中在寻找满意感的构成维度和影响满意感的因素上。随着研究的不断深入，学者们对于工作满意感影响因素的表述日益纷繁复杂。

1998年，里斯(Suzanne H．Lease)在文献研究的过程中发现了前人主要从个体差异和工作环境特征来研究员工满意感的影响因素，其中，个体差异主要包括性别、年龄、学历、工作年限、婚姻状况等等；工作环境 方面的变量有：感觉到的歧视，公正、灵活的程序及政策，工作条件，管理人员和同事的支持，感觉到的控制，晋升机会等。

在国内，20世纪70年代以前，有关工作满意感的研究主要“隐身”于诸多激励理论之中；80年代以后，在理论上也没有多少新的建树。冉斌建立的满意度模型中涉及5个影响员工满意感的因素：工作回报、工作背景、工作群体、企业管理和企业经营。卢嘉等人认为，工作满意感的影响因素包括组织形象、领导因素、工作回报、工作协调和工作本身等5个方面。

2．宾馆员工满意感影响因素

在上个世纪70年代以前，很少有学者对宾馆行业进行行为科学方面的研究，对宾馆员工满意感的研究则更少。1986年莫卡等人(Connie Mok)在香港运用JDI测量方法，研究宾馆员工个体差异与员工满意感的关系，并且从工作本身、主管管理、工资、升迁、同事等5个方面来衡量工作满意感。研究结果表明，53％的调查对象认为工资是影响满意感的最重要的一个方面。2001年，拉姆(Lam)和潘尼(Pine)等人对香港宾馆的管理人员从工作环境、工作本身、管理人员的自身特征、工作报酬等方面进行实证研究。研究结果表明，工作环境、工作本身、工作报酬是影响管理人员工作满意感的3个最重要的因素。

王华和黄燕玲在对桂林市星级饭店的员工进行工作满意感调查时发现，员工满意感与工作年限、受教育程度、职位、所学专业、工作性质、工作自主性、变化性、合作性和受赏识等因素有关。汪纯孝等人对宾馆员工满意感的实证研究结果表明，员工工资待遇、管理人员的管理风格、管理人员对培训工作的重视程度会影响员工的工作满意感。其中，工资待遇对员工满意感的影响最大。

三、数据收集与数据分析

(一)数据收集

根据文献研究的结果和实际情况，笔者以康奈尔大学史密斯和胡林等人编制的JDI量表和相关理论为研究基础，但由于这些都是40多年前的研究成果，可能不能准确地测量出现代员工所重视的工作满意感的影响因素。因此，在本次研究中，笔者综合多位学者的研究成果以及对宾馆员工进行访谈的结果，添加了一些新的与时展和员工需求相关的影响因素，如宾馆政策、规章制度、宾馆经营、沟通、工作能力等，总结出40个与员工满意感有关的变量，设计成最终调查问卷。

调查问卷由三部分组成：第一部分用于了解员工对影响工作满意感的各个因素的评价，这一组问题采用7点李科特(R．A．Likert)尺度进行测量(“1”表示非常不同意，“7”表示非常同意)，共40个问题；第二部分调查总的来说员工是否满意，用“0”表示“否”，用“1”表示“是”；第三部分用来收集员工的个人资料。

我们在广州的3家宾馆同时发放问卷。2004年7月12日至2004年8月8日，共发放600份问卷，回收520份，回收率为86．67％；其中有效问卷453份，有效问卷回收率为75．5％。

(二)数据分析

我们使用SPSS10．0统计分析软件和Matlab6．5．1软件中的人工神经网络工具箱对有效问卷中的数据进行了分析。

1．描述性分析

各变量的平均值和标准差统计结果见表1。从表1可知，除了变量Q9、Q10、Q14、Q17、Q18、Q19这6个变量之外，其他34个变量的平均值都比较高(介于4．00和5．48之间)。这表明员工对所有各考察项内容的同意程度是比较高的。40个变量的标准差都比较小(介于1．29和1．98之间)，表明样本内部的差异程度都比较小。

因子分析的主要目的是识别隐藏在大量可观察变量中的少数几个潜在的、观察不到的因子。进行因子分析后，大量的原始观测变量提炼成少数几个因子，研究者就能用这些因子代替原来的观测变量进行进一步的分析。

我们使用SPSS10．0统计分析软件对调查问卷的第一组问题的40个变量进行因子分析。巴特利特球体检验与KMO检验的结果表明，这次调查数据适合进行因子分析(巴特利特球体检验，统计量的值为9602．615，其对应的相伴概率值为0．000；KMO统计量的值为0．887)。我们用主成分法来提取因子，然后用方差最大化正交旋转方法进行因子轴旋转，得出的因子载荷矩阵(见表2)。

旋转后的因子载荷矩阵结构明显表明了35个变量分别属于8个因子。我们根据各个因子中所含有变量的共性，为各个因子进行命名。各因子的名称、特征值、方差贡献率及累计方差贡献率见表3。关于因子包含的累计方差贡献率应该达到多少才合适，没有严格的标准，往往根据具体的性质来确定，具有一定的主观性。但一般认为在复杂的社会科学、行为科学研究中，累计方差贡献率达到60％就可以接受。本次研究中，8个因子的累计方差贡献率为66．078％，大于60％。这表明因子保留了原始数据中较多的信息，因子分析的结果是可以接受的。

3．人工神经网络分析

(1)输出值是“员工总的满意感”的人工神经网络模型

在453个观测样本中，我们随机抽取了263个作为学习样本，剩余的190个作为预测样本。我们采用二层BP(Error Back Proragation)神经网络对数据进行了分析，其中输入层结点(i)数为8，隐含层(第一层)结点(i)数为18，输出层(第二层)节点数为1，即网络结构为8―18―1。模型如图1所示。

该模型中学习样本的预测正确率为90．49％，预测样本的预测正确率为81．58％，模型拟合优度是58．69％。模型中权值和b值见表4。

在本次研究所进行的因子分析中，每个因子得分是经过标准化的值，平均值为0，标准差为1。为了比较各个因素对员工满意感的影响程度，笔者分别为每个因子的平均值增加一个标准差，作为该神经网络模型的输入，即(1，0，0，0，0，0，0，0)T、(0，1，0，0，0，0，0，0)T、(0，0，1，0，0，0，0，0)T、(0，0，0，1，0，0，0，0)T、(0，0，0，0，1，0，0，0)T、(0，0，0，0，0，1，0，0)T、(0，0，0，0，0，0，1，0)T、(0，0，0，0，0，0，0，1)T，然后比较输出值的大小。结果见表5。

通过比较输出值的大小，笔者得出各个影响因素对宾馆员工满意感的影响程度由重要到不重要依次为：工作本身、主管管理风格、宾馆政策及实施、同事关系、宾馆经营、个人能力发挥、培训与晋升、工作报酬。

(2)输出值为“是否会继续留在本宾馆工作”的人工神经网络模型

为了预测宾馆员工在未来三年内“是否会继续留在本宾馆工作”，我们建立了人工神经网络模型，网络结构为8―18―1(模型图略)。该模型中学习样本的预测正确率为82．13％，预测样本的预测正确率为72．36％，模型的拟合优度是37．91％。

4．回归分析

下面对数据进行回归分析，主要目的是与人工神经网络方法所得到的结果进行比较。因为本次研究的因变量是二分类变量，故采用了Binary Logistic回归模型对原始观测数据进行回归分析。

(1)输出值是“员工总的满意感”的回归分析结果(见表6)

从表6可以看出，工作报酬的P=0．617，培训与晋升的P=0．083，都远大于0．05，表明这两个自变量无统计意义。但是，为了能够与人工神经网络方法进行对比，笔者还是采用强制方式使8个自变量全部进入回归模型，进行回归分析。

我们采用Hosmer-Lemeshao方法来检验回归模型的拟合优度。该模型中用于建立kogistic回归分析模型的预测正确率为82．5％，预测样本的预测正确率为74．74％，模型的拟合优度R2是40．55％。

(2)输出值是“是否会继续留在本宾馆工作”的回归分析结果

该模型也通过了各项检验(结果略)。该模型中用于建立Iosistic回归分析模型的预测正确率为73．80％，预测样本的预测正确率为65．26％，模型的拟合优度R2是22．49％。

四、讨论

(一)影响员工满意感的因素及其影响程度

1．工作本身。本次研究中，工作本身包括“工作富有挑战性”、“对现有工作感兴趣”、“工作职责规定明确”、“提供学到更多东西的机会”、“工作范围内有很大的决定权”和“工作成就感”等指标。本次研究结果表明，工作本身对员工满意感的影响最大。在赫兹伯格的双因素理论中，工作成就感是最能使员工感到满意的激励因素，工作本身在其理论中也是居前三位的激励因素。

2．主管管理风格。主管管理风格包括主管“愿意倾听工作有关问题”、“征询下属意见”、“与下属交流和沟通”、“客观评价下属的业绩”、“及时给予帮助和指导”、“适度授予下属权力”、“为员工利益着想”和“按照个人特点来安排工作”。本次研究结果表明，主管管理风格对员工满意感的影响程度比较大。这支持了汪纯孝等人的管理人员的管理风格会影响员工的工作满意感的观点。

3．宾馆政策及实施。该影响因素主要包括4个指标：“宾馆的规章制度能够得到有效的执行”、“各部门职责有明确规定”、“我知道我的工资是怎么计算的”和“部门之间能定期交流和沟通”。本次研究结果表明，宾馆政策及实施这个因素在对员工满意感的影响程度上排第三位。从各个指标的内容来看，员工对宾馆政策的有效性和与员工利益密切相关的薪酬制度的透明程度比较重视。赫兹伯格认为，公司政策和行政管理是最主要的保健因素之一，缺乏该因素会引起员工的“不满意”；在戴维斯和罗佛肯斯特等人开发的MSQ量表中，公司政策及实施也是影响员工满意感的重要因素之一。

4．同事关系。本次研究中，同事关系包括“同事之间的互相帮助和鼓励”、“工作配合默契”、“交流和沟通顺畅”和“同事工作态度”。研究结果表明同事关系是宾馆员工十分看重的因素之一。员工不仅是“经济人”，更重要地还是“社会人”，个人需要融入组织之中，获得社交需要的满足。根据ERG理论，宾馆在满足员工低层次生存需要的同时，更要重视高层次即关系和成长的需要，因为对高层次需要的满足将会产生持久的激励动力。因而，营造良好的人际关系和群体气氛、培育员工的团队精神是能够极大地调动广大员工积极性的。

5．宾馆经营。该影响因素包含3个指标：“清楚宾馆经营状况”、“清楚宾馆远景和发展目标”和“宾馆短期经营目标能够有效的实施”。冉斌认为企业经营是影响员工满意感的因素之一。管理人员向员工说明、展示宾馆远景和发展目标，可使员工了解宾馆的价值观和今后规划，了解自己的工作与宾馆目标之间的关系，理解自己可为宾馆作出的贡献，认识自己在整个宾馆运作中所处的位置，增强主人翁意识，从而提高工作满意感。宾馆短期目标能够有效执行，并且管理人员能够将经营情况告知基层员工，可以增强员工的自信心。有学者的研究结果表明，员工愿意把自己与经营实绩优良的企业联系在一起，以增强自信心；避免将自己与经营实绩差的企业联系在一起，以保持已有的自信心。因此，当企业经营实绩越优良时，其员工感到满意和有良好工作表现的可能性越大。

6．个人能力发挥。该影响因素包括“工作起来得心应手”和“在工作中能充分发挥自身能力”。在戴维斯和罗佛肯斯特等人开发的MSQ量表中，把个人能力发挥看作是影响员工满意感的首要因素。科特(JohnP．Kotter，1998)在《变革的力量》一书中指出：管理者应努力使工作安排的性质与个人能力的发挥相一致，把德才兼备的人用到适当的和关键的位置上去。当工作性质和工作岗位与自己的能力相符、达到自己的期望时，员工就会感到满意。

7．培训与晋升。该影。向因素包括“宾馆用人提拔主要是重学历”、“用人提拔时不是重经验”、“提供的培训不够系统深入”和“能够看到自己的晋升前景”。拉姆(Lam)和张(Zhang)在香港对从事快餐业的员工进行工作满意感研究时指出，培训对于新进入这个行业的员工来说是很重要的，并且在刚进入的时候对其进行与工作有关方面的培训，会有很重要的激励作用。从我们收集到的样本情况来看，此次调查对象在宾馆行业工作1年以上的占73．2％，这些员工的工作经验比较丰富，而宾馆能够提供的培训又只是些基础的东西，因此员工不是很看重宾馆的培训。而晋升对于普通的员工来说是遥不可及的：这些员工的学历一般较低(本次研究中有80．2％的调查对象是大专以下学历)，而实际中宾馆往往又是根据学历，而不是根据工作经验来提拔员工，因此晋升制度对于这些员工来说是虚无的，也就不予以重视。

8．工作报酬。本次研究中，工作报酬包括“部门里，不同岗位之间工资差距过大”、“与付出相比，我所得的工资太少”、“发放的绩效奖金合理”和“与其他同星级宾馆同等职位相比，本宾馆工资偏低”。本次研究结果表明，这个因素对员工满意感影响最小，这个结果与汪纯孝等人的研究结果相反。阿讷特(Dennis B Ar-nett)和拉维勒(Debra A Laverie)在一项研究中发现，员工认为工作报酬不会影响他们的工作满意感(报酬与满意感之间的回归系数不显著)，但他们同时也认为，这并不能说明员工不重视工作报酬这个因素，而是说明了其它因素(如对管理人员的评估等)对员工满意感的影响更为重要。在本次研究中，衡量工作报酬的主要变量(Q9、Q10、Q14)的平均值小于均值(均值为4)，说明员工对工作报酬不满意；但是，有60．3％(453份有效问卷中，对问题41选择“是”答案的百分比)的员工认为总的来说在本宾馆工作是满意的，这说明还有其它对工作满意感的影响更重要的因素，例如工作本身、主管管理风格等等。布鲁斯(Bruce)和布莱克苯(Black-bum)的一项研究结果表明，经济因素并不会增强员工长期性的工作满意感。对于宾馆来说，看重的应该是员工长期性的工作满意感。

(二)两种方法的比较

人工神经网络方法与回归方法的比较结果如下(见表7和表8)。

从表7、表8可以得出，人工神经网络方法在模型的拟合方面和预测方面都要优于回归方法。而且，在使用Logistic回归方法对两个模型进行数据分析时，均存在不具有统计意义的因子，为了与人工神经网络方法进行对比，才采用强制的方法把这些因子加入回归模型。从这个角度看，人工神经网络方法也优于Logis-tic回归方法。

五、研究贡献与局限性

(一)研究贡献

1．迄今为止，我们尚未发现国内外学者用人工神经网络方法对宾馆员工满意感的影响因素进行实证研究，因而本次研究具有填补空白的意义。此外，我们建立了人工神经网络模型，可供学术界进一步深入应用人工神经网络参考借鉴。

2．本次研究得出的8个主要影响因素多为定性评价，但对宾馆来说仍有较大的参考价值，因为在实际中，宾馆在参考实证研究的结果时并不一定需要具体的数据，而应更注重于对各个因素的改进和完善。因此，本次研究具有一定的实践贡献。

3．本次研究结果表明，工作本身是最能影响员工满意感的。这些研究结果对宾馆管理人员更好地管理员工、制定人力资源战略、实施更有效的内部营销有着重要的意义。

(二)研究的局限性

1．本次研究只调查了广州的星级宾馆，因此研究结果(例如工作报酬对满意感的影n向较弱)是否在其它地区(例如欠发达地区)也适用，还有待于进一步检验。

2．本次研究在比较人工神经网络方法和回归分析方法时，只对模型的拟合优度和预测正确率两个指标进行了比较，没有考虑其它的指标。

3．在建立人工神经网络结构方面，目前还没有一个放之四海而皆准的原则，故本次研究采用8―18―166模型结构是否获得了最佳的训练速度和最好的预测正确率，是否避免了过度匹配，还有待于进一步检验。

4．神经网络模型属于黑箱模型，是利用网络结构和部分参数来反映满意度变化与其主要影响因素之间的关系，模型的建立比较简单；神经网络模型中的参数一般没有具体的物理意义，不能反映满意度与其影响因素之间的物理关系。

篇4

摘要:针对电力安全事故，提出要加强电力安全文化建设，并指出对电力企业安全文化进行科学、全面地评估具有重要意义。电力企业安全文化的丰富内涵决定了电力企业安全文化评估系统是一个复杂的非线性系统，传统的评估方法不易于操作和实现。由于人工神经网络具有良好的非线性逼近能力，为评估系统的实现提供了新的思路和方法。该系统从安全意识、安全价值观、安全行为、安全现状四个方面出发，确立了电力企业安全文化的评价指标，并采用人工神经网络中的BP算法，在VisualBasic610平台上研制开发而成。通过泛化能力测试，该系统具有良好的可行性和有效性，并建立模糊综合评价模型进行验证，评估结论一致。

随着社会经济的进步，电力行业正在向大电网、大系统的方向飞速发展，与之相对的电力科学技术也得到了相应的提高和改善，但电力系统的安全问题始终不能更好地预测和控制。从1996年北京的“1119”停电事故到2003年8月14日的北美大停电、2005年8月18日印度尼西亚的电网稳定失控，相关的法规制度和技术装备已基本齐全，但事故却依然还会发生。1986年4月，前苏联的切尔诺贝利核电站发生爆炸，从而发生极其严重的核泄漏事故，损失惨重。事后，在全面分析事故原因时，国际核安全组织首次提出安全文化的概念，并认为安全文化的欠缺是导致这次事故的主要原因。对事故的控制实践表明，软对策的效果优于硬技术。如今安全保障所缺的正是这样一种软对策，安全文化正是保证安全的最持久因素。安全文化是从属于组织文化的子概念，是在市场经济发展基础上形成的一种管理思想和理论，是在经验主义管理、科学管理的基础上逐步产生的，是占企业主导地位并为绝大部分员工所接受的一种管理理论。由此可见，加强电力企业的安全文化建设，有着十分重要的必要性和现实意义，这对电力行业乃至整个社会经济的稳定发展有着深远的影响。

一、电力企业安全文化状况需要评估

谈及安全文化，人们的普遍态度是比较抽象，甚至空泛。这也恰恰反衬了某些生产人员安全文化意识的淡漠，凸现了安全文化建设的紧迫性。国家首批注册安全工程师、安全专家徐德蜀先生曾强调说安全文化教育是提高全民的安全文化素质的最深刻、最根本的方法和途径；国家安全生产监督管理局也在2002年发出倡导:安全文化建设是预防企业事故的基础性工程，对保障安全生产具有战略性意义。电力企业安全文化的定义和内容可以表述为:以创造一个安全、舒适、高效的人文环境和生产条件为目标，以“以人为本”的理念为指导，以已有的安全生产经验为基础，以被激发出来的职工的内在潜能为动力，以系统工程思想为整合方法，使企业变为一个有扎实安全基础因而有市场竞争力的实体，这是一个系统工程，由此而积累和创造的安全精神财富和安全物质财富就是电力企业安全文化。电力企业安全文化的作用如下。a1导向作用。是指正确的安全生产的指导思想和健康的精神气氛。b1激励作用。人们越能认识安全生产的行为的意义，就越能产生安全生产的行为的推动力。c1凝聚作用。积极向上的安全生产的价值观，信念和行为准则使员工的安全行为更加自觉。d1协调作用。企业与员工、领导与员工、员工之间的利益融为一体，员工的需要与企业的安全生产目标一致，部门之间相互协调。电力企业安全文化的主体平台由安全知识、安全信仰、安全行为三大支柱构建支撑而成，缺一不可。根据马斯洛的需求层次理论，再结合这三大支柱的实现程度，电力企业的安全文化发展可分为三个阶段:要我安全(被动约束)我要安全(主动管理)我会安全(自律完善)。通过这一过程的完成，员工在电力生产过程中，不仅会产生对生产对象的认识和情感，而且还能意识到生产对象和生产过程中自我的安全，从而主动地对不安全因素进行改造，表现出一系列的安全行为，最终达到我能安全。当前，比较系统的电力企业安全文化建设才刚刚起步，更是没有形成一套科学的明确的评价方法。对电力企业的安全文化状况进行全面客观地评估，就能从整体上把握电力企业的安全文化建设状况，了解其处于安全文化发展的哪个阶段，把握住企业安全文化建设进行的广度和深度。然后，就可以对电力企业目前的安全文化建设方案采取相对应的改进措施，促进电力企业安全文化的进一步持久发展，提高电力企业的安全文化发展水平和生产效率，达到和谐、稳定、发展。

二、电力企业安全文化的评估方法

电力企业的安全文化评估是电力安全文化建设的一个重要环节。对安全文化进行评估又不等同于一般的安全性评估，现有的安全评估多是从生产设备、作业环境、安全管理三个领域进行，还没有更广地涉及到安全文化的领域。进行电力安全文化评估必须要遵循科学性、实际性和全面性的原则。安全文化内涵丰富，它的基本要素包括安全生产价值观、安全生产信念、安全生产行为准则、安全生产行为方式、安全生产物质表现、安全生产形象等，进而还可以再细分解成众多的构成部分。根据电力安全文化的特点，本文从安全意识、安全价值观、安全行为、安全现状四个方面出发，对某大型电力企业下属的9个不同电厂进行了问卷调查作为评估的取样，问卷设计过程采用专家谈话法，将安全文化的四个方面又更深入地分解成为500个小方面，做到了层层分解、细致分解、完全分解。进行安全文化评估可采用的方法有以下几种。a1目标管理法。确定安全文化建设所要达到的目标，对照目标对安全文化建设效果进行评价，看是否达到或在何种程度上达到了预期的目标。b1“知行”统一法。既看员工在安全意识和安全技能上了解的知识状况，又看其在安全实践中的行为表现。c1过程分析法。把安全文化建设的效果放在一个发展的过程中来考察，从发展的趋势、长远的时效来看待效果。d1比较鉴别法。通过比较对照来考察企业安全文化建设的效果。纵向的比较就是把同一对象在参加某项安全建设活动前后的情况加以对比，横向的比较就是在不同的主体间进行比较。e1个体评价和群体评价法。对安全文化建设在个体和群体中产生的效应分别作出评价和估量。f1单项评价和综合评价法。安全文化建设的诸多效果之间既有独立性又相互联系。以上对电力企业的安全文化评估方法均行之有效，但考虑到安全文化的内容丰富，评估结果和评价元素之间存在复杂的非线性关系，上述评估方法在实际操作中有的过于简单，考虑不够全面，致使各评价指标欠缺准确性，有的稍显主观，客观性不足，作出的评估结论不够科学；有的不具有明显的可比性，不能形成明确的概念；有的过于复杂，不便于操作，难以广泛推广。

三、人工神经网络原理

电力安全文化的丰富内涵和评价元素的多样性决定了这一评价系统会是一个复杂的非线性系统，评价起来不易实现。近年来迅速发展起来的人工神经网络(Artifi2cialNeuralNetwork，ANN)具有学习功能、联想记忆功能、非线性分布式并行信息处理功能，具有很强的非线性逼近能力，为电力企业安全文化评估系统的实现提供了新的思路和方法。人工神经网络是由大量处理单元广泛互连而成的网络，是对人脑的抽象、简化和模拟，反映人脑的基本特征，是根植于神经科学、数学、统计学、物理学、计算机科学及工程等学科的一种技术。BP网络(BackPropagationNetwork，BPNet2work)是神经网络的重要模型之一，由于其克服了简单感知器所不能解决的XOR等问题而得到了广泛应用。本评估系统采用的是三层BP网络(输入层、隐层、输出层)。激发函数采用非线性连续可导的Sigmoid函数:f(x)=11+e-x假设共有k个输入样本，每个样本的网络期望输出和实际输出的偏差为Ek=∑q(ykt-ckt)2/2式中:ykt为期望输出，ckt为实际输出。输入层和隐层之间权值为wij，隐层和输出层之间的权值为vjt，BP算法中权值的修正量与误差对权值的偏微分成正比:Δvjt=α9Ek9vjtΔwij=β9Ek9wij展开可得:Δvjt=αdktbkjΔwij=βekjαki其中:bkj=f(skj)skj=∑ni=1wijαki+ojdkt=(ykt-ckt)ckt(1-ckt)ckt=f(lkt)lkt=∑pj=1vjtbkj+rtekj=(∑qt=1dkjvjt)bkj(1-bkj)式中:αki是各输入样本，oj是隐层各神经元的阈值，rt是输出层各神经元的阈值。同理，可推导出阈值的修正量:Δrt=αdkt，Δoj=βekjk个输入样本的全局误差为E=∑mk=1Ek当全局误差满足给定的精度要求E<ε时，学习过程结束。基于此BP算法，在VisualBasic610平台上研制开发了电力企业安全文化评价系统，其中BP算法的流程。

四、网络训练需要考虑的问题

411评价指标的确立将安全文化的评估内容划分为安全意识、安全价值观、安全行为、安全现状四大方面，其下又分解为500个小的组成元素，这些小元素即为调查问卷的答案选项。取9个电厂中的6个作为训练样本，3个作为待检测样本。将6个电厂的员工对这些选项所做的答案作为BP网络的输入元素进行评测训练。为此，将员工对这500个备选选项的答案全部统计成百分比的形式，实现了评测指标的标准化。412网络结构的设定基于确立的评价指标，设定BP网络的输入节点为500个。因为三层的神经网络可以任意精度地逼近任意的连续函数，所以评价系统只采用了一个隐层，经过多次实验网络的收敛情况，设定隐层的节点数为14个。输出节点设定了3个，输出范围分别在0和1之间。BP网络的各个初始权值和初始阈值随机确定，学习速率取为016，网络的全局误差设定为0101。413学习过程中系统的调整为了能更精确地计算梯度向量，使误差收敛条件简单化，输入样本时可以采取批处理方式，让组成一个训练周期的全部样本都输入给网络之后，再用总的平均误差作为目标函数来调整权值和阈值。

五、训练过程及结果

将选用的6个电厂的问卷答案作为输入样本训练网络，输入指标值构成了一个6×500阶输入向量矩阵。再采用非神经网络的安全文化评价方法对这些问卷答案进行专家分析，给出评价，并作为有导师向导的BP网络的期望输出，构成输出向量:E=(e1，e2，e3，e4，e5，e6)T=100100010010001001其中(1，0，0)代表电厂的安全文化已处于了高级阶段，(0，1，0)代表电厂的安全文化处于中级阶段，(0，0，1)代表电厂的安全文化还处于较初级阶段。训练结束后，保存权值和阈值。正向测试，可得到BP网络的实际输出值:F=(f1，f2，f3，f4，f5，f6)T=019820115701163019940113701118011360196901125011720198501164011450115301928011180112901953对照E和F发现，BP网络得到的结果跟事前的期望值基本保持一致，可见所设计的电力企业安全文化评估系统能够反映企业的实际情况。将另3个电厂的指标数据输入到系统中来验证网络的泛化能力，得到结果为F=(f7，f8，f9)T=011720190301096010990114501925011610112601977电厂7处于安全文化发展的中级阶段，电厂8处于初级阶段，电厂9处于初级阶段。结果表明，所应用的BP神经网络在学习后具有存储经验并进行判断的专家功能。为了更进一步验证该BP网络的判断功能的准确性，构造了一个模糊综合判断模型，采用相同的样本来对这3个电厂进行安全文化状况的评估。考虑到电力企业安全文化内涵的丰富性和复杂性，在进行具体评估时依然采用四个一级指标来反映(安全意识指标、安全价值观指标、安全行为指标、安全现状指标)，将问卷中的500个答案选项(对安全文化的影响因素)，按照对四个一级指标的属性进行分类归属，作为模糊评估模型的二级评价指标。将3个电厂各一级指标下的二级指标属性值矩阵转换成下列矩阵形式:A(i)=A1(i)，A2(i)，A3(i)=a11(i)a12(i)a13(i)a21(i)a22(i)a23(i)………an1(i)an2(i)an3(i)(i=1，2，3，4)n个属性值的权系数值集为B(i)=(b1(i)，b2(i)，b3(i)，…，bn(i))(i=1，2，3，4)其中各权系数值由专家直接给出，并经过归一化处理而得到。通过运用广义的Fuzzy算子，可计算得到二级评价指标上的模糊综合评价集为R(i)=B(i)•A(i)=(r1(i)，r2(i)，r3(i))(i=1，2，3，4)将得到的R(i)作为更高一层的评价矩阵行，采用相同的算法，逐层进行评价，最终可得到模糊综合评价结果集:R=B•A=(r1，r2，r3)经过专家分析，该模型的模糊综合评价值的结果范围同安全文化所处阶段的关系为高级阶段[01666，1]中级阶段[01333，01666]初级阶段[0，01333]通过实验，可得到这3个电厂的模糊综合评价值为R=(016251，012978，013152)数据证明，3个电厂在模糊综合判断模型下进行的安全文化评估同采用BP神经网络所得到的评估结论相同。

篇5

摘 要：随着现代生活水

>> 浅谈室内环境检测与居住舒适度的评判 室内环境舒适度与能源消耗调查 基于SBR/Image方法室内环境电波传播特性的研究 室内环境检测及净化方法研究 医院室内环境的设计研究 对室内环境检测的研究 基于积极教育理念的小学室内环境设计方法探究 打造室内环境　舒适和谐之家 基于云计算的室内环境监测系统的研究 基于情感需求的室内环境设计研究 浅谈室内环境色彩设计方法 室内环境质量及其检测方法 探析室内环境评价方法现状 室内环境安全性设计研究 甲醛室内环境检测采样布点研究 室内环境检测能力验证工作研究 酒店室内环境装饰设计研究 室内环境防治与检测问题研究 幼儿园室内环境创设研究 一种基于物联网的室内环境监测系统研究 常见问题解答 当前所在位置：.

[2] 褚毅.室内空气环境及污染问题分析与研究[D].长春：吉林大学，2006.

[3] 杨鸿翥.基于GA_BP的住宅室内空气品质评价研究[D].武汉：华中科技大学，2007.

[4] 赵博，连之伟，周湘江.基于神经网络的室内热舒适评判模型[J].哈尔滨工业大学学报，2003，35（12）：1436-1438.

[5] 许红波，端木琳，金权，等.基于BP神经网络的过渡环境热舒适评判模型[J].建筑热能通风空调，2011，30（4）：28-31.

篇6

人类顶尖围棋选手竟然输给了计算机，一时之间，引发舆论热议，关于人工智能的讨论不断引爆人们的眼球。

实际上，这并非历史上第一次人机大战。自从1956年“人工智能”这一概念被提出来后，人和计算机之间就有过数次博弈，每一次博弈，都见证了人工智能的跨越发展。

“硬算高手”深蓝

1996年，卡斯帕罗夫与IBM超级国际象棋计算机RS/6000 SP（即“深蓝”）展开对决。经过一个多星期的PK，卡斯帕罗夫最终赢得比赛，但深蓝也在比赛中取胜一局，这是电脑首次在世界锦标赛中单局战胜世界冠军。

此前，卡斯帕罗夫是国际象棋英杰榜上的NO.1，自1985年成为世界冠军后，11年间，他一直打遍天下无敌手。

赛后，卡斯帕罗夫说：“我能感觉，甚至能‘闻到’桌子对面是一位高智慧的选手。”但他认为，深蓝所拥有的只是一种“畸形的智能”，效率低且缺少韧性。他甚至预言：计算机如果要打败人类棋手，至少要等到2010年！

言犹在耳，然而仅仅一年后，他便以2负1胜3平被深蓝升级版打败。

“这是人工智能发展史上的一个里程碑。”赛后，德国人工智能研究中心负责人登格尔如是评价。

创造这个“里程碑”记录的深蓝升级版，重1270公斤，有32个“大脑”（微处理器），其计算能力当时在全球超级计算机中排名第259。比赛前，IBM研发小组向深蓝输入了100年来所有国际特级大师开局和残局的200多万局下法。

深蓝取胜的法宝，是依靠强大的计算能力穷举所有路数，并选择最佳策略――深蓝每秒可运算2亿步，靠硬算可预判12步，卡斯帕罗夫只能预判10步――所谓兵贵神速，深蓝的获胜也就不那么让人意外了。

当然，深蓝取胜还有另一个秘诀――每场对局结束后，IBM研发小组都会根据卡斯帕罗夫的下棋情况相应地修改深蓝的参数，深蓝虽然不会思考，但这实际上起到了“强迫”它学习的作用。这种“被动学习”的方式，让深蓝不断强化了对对手的了解并最终获胜。

在深蓝问世之前，“人工智能之父”图灵在1950年曾提出衡量计算机智能水平的“图灵测试”――如果一个具有正常思维的人C使用正常人能理解的语言，去询问一面墙后的两个看不见的对象A和B任意问题，对象中A是机器、B是人，如果经过若干询问以后，C不能在实质上区别A与B的不同，便意味着机器A通过了图灵测试。

虽然，深蓝并没有进行图灵测试，但它在人机大战中的胜利，至少意味着计算机已经向着智能化发展迈出了重要一步。

“百晓生”沃森

2011年2月14至16日，深蓝获胜4年后，又一次人机大战在其同门师弟“沃森”与人类冠军之间展开。当时，沃森参加美国老牌智力问答节目《危险边缘》，并与该节目最高奖金得主布拉德・鲁特尔和连胜纪录保持者肯・詹宁斯展开了一场万众瞩目的人机智力大赛。

《危险边缘》采取三人竞答方式进行，通常以答案形式提供各种线索，参赛者必须以问题的形式做出简短正确的回答。因而参赛者需具备历史、文学、艺术、科技、体育、地理、政治及流行文化等知识，还得会解析隐晦含义、反讽与谜语等，而普通电脑并不擅长进行这类“深度问答”。

在比赛中，沃森表现极为突出，尽管在“回答”问题时，它的互联网功能被中断，只能“自己想”――从内存的资料中寻找并组合答案，它却总是能在3秒内迅速作答，还能分析出题目线索中的微妙含义、讽刺口吻及谜语等。此外，它还能根据比赛奖金的数额、自己的比分与对手的差距、自己擅长的题目领域来“自主决定”是否要抢答某一题。最终，沃森以77147分的总成绩轻松获胜。

那么，沃森为什么这么聪明？

首先，沃森“肚里有货”――它内存了2亿页数据，各种百科全书、词典、新闻、维基百科的全部内容以及其他可以建立知识库的参考材料都被它“收入囊中”，堪称是计算机领域的“百晓生”。

其次，它能“秒读万册”――它由90台IBM服务器（相当于90个“大脑”）、360个芯片驱动组成，每秒能处理500GB的数据，相当于1秒阅读100万本书。 01 2016年3月，阿尔法狗与李世石之间展开人机大战。 02 对人工智能来说，爱是一种可以被特征化的程序，但它却不可能像人一样非理性地爱得死去活来、魂萦梦牵。 03 分辨猫和狗，从阅读或娱乐中获取快乐，拥有爱或恨……这些问题能让计算机分分钟死机。

最重要的是，沃森还会“深度问答”――这一法宝是IBM研发团队为它量身定制的，该技术赋予了它较高的自然语言理解能力。在拿到一个问题后，依靠内置的100多种算法，沃森会在3秒内解析问题并检索数百万条信息，包括语法语义分析、对各个知识库进行搜索、提取备选答案、对备选答案证据的搜寻、对证据强度的计算和综合等。

比如，当被问及“哥伦比亚广播公司《60分钟》节目首次播出时，当时的美国总统是谁”，“沃森”首先会对“首次播出”进行语言理解，然后检索出《60分钟》节目首次播出的日期，之后再成功搜索出当时的美国总统。

在取得这场众所瞩目的胜利后，沃森开始向医疗卫生业进军。在美国，机器人医生沃森从2011年就开始坐诊，通过询问病人的病征、病史，对患者的个性化数据、大量病例和医疗文献进行“学习”，它能迅速提出最佳诊疗方案，诊断准确率甚至高达73%。

从深蓝到沃森，从硬算能力到自然语言理解能力，从“被动学习”到“深度问答”， 计算机的“智能”向前迈进了一大步。

自学成才的“学霸”阿尔法狗

围棋一直被看作是人类最后的智力竞技高地，据估算，围棋的可能下法数量多达10的171次方。这个数字，甚至远远高于可观测宇宙中的原子总数（该总数为10的80次方）。

因此，人们普遍认为计算机无法在类似围棋这样高度复杂的项目比赛中战胜人类，但2016年阿尔法狗与李世石的人机大战，颠覆了这一认知。

阿尔法狗之所以能取胜，法宝就在于它的核心系统属于“深度学习”。

“深度学习”是时下最火的一种基于神经网络的模拟人脑的神经网络，它通过模仿人脑的机制来解释数据，例如图像、声音和文本等。

为了让计算机学会像人一样“思考”，一个重要的条件是：它必须拥有计算速度可媲美人脑的高性能计算集群，来快速完成海量数据的“学习”。而在这方面，阿尔法狗不联网时的“单机版”性能至少是当年“深蓝”的1000倍。

为了使阿尔法狗变得更“聪明”，谷歌还专门为其设计了两个神经网络，其中，“策略网络”会根据棋局选择下一步走法；“价值网络”会在下子后分析对手会怎么走，并预测进行数值性的估计。

比赛前，阿尔法狗“深度学习”用了人类围棋高手对弈的3000万局围棋走法进行“自我对弈”训练，并进行大规模的数据运算，这些运算用了两三千个CPU。对人来说，如此大规模的运算训练，即使每局只要15分钟，可能也要800多年才能下完，阿尔法狗的运算能力之强由此可见一斑。

此外，阿尔法狗还能自行研究新战略，在它的神经网络之间运行数千局围棋，利用反复试验调整连接点，这个流程也称为“巩固学习”。因此，阿尔法狗的“逆天”棋艺并不是开发者教给他的，而是“自学成才”。从这个意义上来说，阿尔法狗堪称是计算机中的“学霸”。

人工智能，还有多远？

阿尔法狗的胜利，很大程度上体现了近年来人工智能领域“深度学习”技术的快速提升。特别是随着GPU图形处理器、超级计算机、云计算和大数据的迅猛发展，“深度学习”如同火箭升空般飞速发展。早在2011年，谷歌用1000台机器、16000个CPU处理的“深度学习”模型就已经有了10亿个神经元――当然，这仍远远低于人脑100亿～10000亿个的神经元总数。

现在，“深度学习”技术在语音识别、计算机视觉、语言翻译等领域，都战胜了传统的机器学习方法，甚至在人脸验证、图像分类上还超过了人类的识别能力。专家预计，在不久的将来，我们甚至可以在手机上运行像人脑一样复杂的“深度学习”神经网络。

那么，这是否意味着计算机已经和人一样“聪明”了？

答案是否定的！

因为在更复杂的认知层面，例如对于语言和图像的深度理解、逻辑推演、情感选择等方面，计算机距离人类还有很大差距。

比如说，对普通人而言，分辨猫和狗，从阅读或娱乐中获取快乐，分辨爱或恨、激动或愤怒，都是很寻常的事情，但对计算机而言，这些问题会让它分分钟死机。

举个例子，当你和朋友一起外出就餐时，两人都抢着买单。对于这种推搡的过程，计算机很难准确判断出这是为了买单的友善行为，还是恶意的争执。更进一步来说，计算机也许可以根据人的面部表情和肢体动作，在一定程度上辨别出人的喜怒哀乐等情绪，但对于人类的那种“只可意会，不可言传”的情感，在进行辨识时，它就只能交“白卷”了。

篇7

1、首先打开趣头条APP，切换到“任务”页面。

2、然后向下滑动屏幕，即可看到“走路赚金币”选项。用户点击该选项后，页面就会显示当天的行走步数。一般情况下，50步数等于1金币，连续兑换7天就会有500金币。

“趣头条”是一款上海基分文化传播有限公司开发的APP。团队致力通过大数据算法和云计算等技术，为用户提供内容及服务。趣头条致力于打造一款新形式的资讯阅读软件，以平台、媒体和共赢的方式。以移动应用为载体进行内容创造、资讯阅读，提供更多有用、有趣、有益的内容给大家。

篇8

关键词:学习策略;策略培训;联结主义

中图分类号:H0 文献标志码:A 文章编号:1673-291X(2010)05-0224-03

一、学习策略的定义与分类

不同的学者从不同的角度为学习策略下定义。Stern(1983)指出,学习策略是语言学习者采用方法的总的倾向和总体特征。Rubin(1987) 则认为,学习策略是指有助于学习者自我建构的语言发展的策略。Weinstein 和Mayer(1986:35)从认知心理学的角度定义学习策略为:学习语言时的做法或想法,这些做法或想法旨在影响学习者的编码过程。Oxford(1990)把学习策略定义为:学习者为促进习得,储存、提取和使用信息而采用的手段。她强调学习策略使用的目的是“提高学习者的语言能力水平、自信心和积极性。”并且认为“语言学习策略是以解决问题为导向的,语言学习策略是可以经由传授而获得的”。综上所述,学习策略是指学习者在学习语言时的做法和想法,是以发展语言能力为目的的,可以大大提高学习者学习语言的积极性和主动性。

不仅在学习策略的定义上有不同的意见,在对策略的分类上同样存在不同的看法。Oxford(1990)把策略分为直接策略和间接策略。而O Malley 和Chamot(1990)根据信息处理的理论把策略分为“元认知策略,认知策略和社会/情感策略三种”。Cohen(1998)又根据策略运用的目的,把学习策略分为学习语言的策略和运用语言的策略两大类。国内的学者文秋芳(1993)把策略分为管理策略和语言学习策略。并且认为语言学习策略具有学科的独特性,只适用于语言学习,而管理策略则具有跨学科、跨专业、跨时空的特性,具有迁移性。管理策略相当于O’Malley 和Chamot的元认知策略和社会/情感策略;语言学习策略相当于认知策略。

二、策略培训的认知理论基础

1.信息处理理论认为,学习就是从对知识的控制阶段向自动阶段过渡的过程。在二语学习过程中,学习者首先借助于控制的过程,这个控制的阶段要求学习者付出大量的注意力,这个阶段会受到短期记忆有限空间的限制,通过不断的刺激和激活,控制的阶段逐渐向自动的阶段转化。自动化的程序在长期记忆中是以单元的形式储存的。当知识自动化之后,学习者需要付出很少的注意力。当需要这些自动化的知识时,它们会被很快激活。一旦知识或技能自动化之后,很难在记忆中清除或改变。学习被认为是通过练习知识从控制阶段向自动化阶段过渡的过程,这种过渡会导致外语学习者语言知识体系的再塑造。根据O Malley 和Chamot(1990)意见,学习策略也是一种知识和技能,策略的习得与其他复杂的认知技能的习得方式一样,成功的语言学习者是把策略程序化的学习者。学习策略在学习的初期阶段可以是有意识的,后期就可以自动执行了,无需学习者的意识。因为短时记忆的空间有限,因此,还没有程序化的技巧有可能在需要的时候不能得到适当的激活。因为策略也是技巧,通过传授这种策略知识,可以使策略技巧被迅速地程序化,因而也就可以为短时记忆让出空间处理其他信息。

2.联结主义是与符号主义针锋相对的认知理论的一个学派。联结主义在学术界有不同的说法,有的学者称之为“连接主义”、“连通主义”或“联通主义”。该理论利用人工神经网络解释人类大脑的认知活动(刘晓玲,张其云,2009)。联结主义认为,认知的基本单位是神经元,认知的过程由神经网络构成,表现为信息在神经网络的有关单元中的并行分布和特定的连接方式。信息在神经网络上是同时进行加工的。各单元与其他单元之间有许多连接通道,起激活或抑制其他单元的作用。单元之间的联系通过启动而被加强,或因不被启动而弱化(王初明,2001)。网络对信息的每一次加工,都会使单元之间的联结得到巩固。学习的过程就是不断修正网络的权重分布形式,就是建立新的联结或者改变联结的启动模式(叶浩生,贾林祥,2003)。人的大脑天生就有寻求和建立事物之间联系的倾向,而且人的知识、智慧是以网络的形式互相连接在一起的。这种连接可以通过不断地激活从而得到加强。人们也可以通过学习不断地改变神经元之间的连接方式。学习策略的输入使网络增加了新的单元节点,并且通过不断地练习使网络单元之间的权重得到了巩固,因而策略被激活的可能性也就更大。

3.文秋芳(1995)曾经比较过一个英语学习成功者和一个不成功者。她们采用的策略是有区别的,也就是成功者更善于运用学习方法、学习策略。成功者不仅对语言学习策略有选择,而且能够评估自己的学习过程,一旦发现问题能够及时调整策略。从她的自述中可以看出来,她的某些学习方法、某些策略是通过学习而获得的。有些是老师教的,有些是跟同学学习的。因此,策略是可以通过培训及传授而获得的,策略知识的学习是更高层次知识的学习。

三、策略培训的内容选择

除了对策略的定义及分类上存在分歧之外,在对策略是否有意识上也存在不同的看法。Oxford(1990)认为策略仅指外部活动,而Weinstein 和Mayer(1986:35)则认为策略既可以指外部活动又可以指内部活动。Ellis(1994)和Wen(1993)支持后者的观点。Macaro(2001)认为策略的分类应该在一个连续轴上。无意识的、直接的策略位于轴的一端,而有意识的、间接的策略位于另一端,中间没有一个明显的分界线。轴的一端和学习任务紧密相连,是对教学内容或是书面的或是口头的任务的一种直接的反映;而另一端则为学习任务做准备,与直接的学习任务有一定的距离,更近于学习者控制自己学习过程,因此,这些策略的意识性更强一些。Macaro(2001)列举了学习者认为意识性更强、更间接的策略,和更直接、意识性不强的策略,以及处于中间状态的策略。

根据Macaro的理论,教师应该如何传授策略呢?笔者认为侧重点应该放在元认知策略和社会/情感策略的培训上。因为学习者更容易掌握这些策略,而且这些策略具有很强的迁移性。这些策略的掌握将会对学习者一生产生积极的影响。正如文秋芳(1995)指出的那样,学习成功者与不成功者在学习方法上最重要的区别体现在管理策略上。成功者使用策略的意识性更强,而且能够分析和评价自己的学习方法和过程;而不成功者在策略的使用上比较盲目和随意。

有些学者认为外语专业的学生患有“思辨缺席症”,其思辨能力远远低于其他文科专业的学生,也有的学者认为外语专业的学生由于学习并掌握了另一门语言,其眼界更开阔,思辨也更应灵活。那么到底什么是思辨能力呢?文秋芳(2009)提出了思辨能力的层级模型。将思辨能力分为两个层次:元思辨能力和思辨能力。第一层次元思辨能力是指对自己的思辨计划检查、调整与评估的技能;第二层次思辨能力包括与认知相关的技能和标准,以及与思辨品质相关的情感特质。处于第二层次的思辨能力受第一层次元思辨能力的管理与监控。而元认知策略及社会/情感策略是元思辨能力的重要体现,因此,根据构建的思辨能力框架,元认知策略及社会/情感策略方面的培训效果是值得肯定的。

文秋芳和王立非(2004)曾对国内外关于策略的研究进行过综述,认为:策略培训对提高英语学习策略有明显的效果,对中等水平或中等偏下水平学生的帮助更加明显。也曾对策略培训的效果提出质疑,认为目前的培训使学生在某些方面的成绩有了显著提高,但这只是短期效应,策略培训能否产生长期效应仍然是个未知数。但是笔者认为管理策略或者元认知策略、社会/情感策略一经被学习者掌握,是可以产生长期效用的,因为它们具有迁移性。而语言学习策略虽然只是产生了短期效用,但一种知识技能能否对学习者产生长期效用取决于学习者本身的思维能力,取决于是否具有创新思维,是否能活学活用。文秋芳主张在策略培训方面采用个案研究和微变化研究,这需要很长的时间,特别是探求认知发展的轨迹与机制。而策略培训的目的是提高学习者的语言水平及自主学习能力。短期效用如果可以持续4年或是6年也是不错的结果,而管理策略的掌握是可以受用一生的,因此,我们对策略培训应该持乐观的态度,它的可行性和有效性是值得肯定的。

四、策略培训的模式探究

Oxford(1990)提出了策略培训的三种形式,即策略意识培训、集中短期培训和长期培训。意识培训不需要与具体的学习任务相联系,而后两者需要与具体的学习任务相结合。他提出了培训模式的八个具体步骤,并指出这八个步骤的顺序不是固定的,可以几个步骤同时进行,也可以调换顺序。把模式和步骤综合起来,笔者认为,在策略培训的不同阶段可以采用不同的形式,并且应该把提高策略意识放在第一步,在这个阶段不仅可以使学习者了解并熟悉语言学习策略及它们的效用,而且可以传授给学习者策略的重要性及迁移性,这个告知阶段是非常必要和有用的。第二步是应该是让学生完成一项任务,之后讨论学习者所用的策略。第三步是教师讲解新的策略,告知学习者什么时候使用,怎样使用以及如何迁移等,并通过练习让学习者掌握新策略。第四步总结、评估策略的有效性。在策略培训过程中教师应该考虑以下问题:

1.让学习者参与选择策略。在培训时,教师可以把许多策略呈现给学习者,然后让学习者决定这些策略的重要性及可学性,并根据学习者对这些策略的排序进行教授,这样可以大大提高学习者的学习主动性和学习热情。

2.考虑学习者之间的差异。在进行策略教学时要考虑到与语言教学有关的各种因素,包括学习者的文化背景、年龄、教育背景、生活阅历、情感因素以及学习者和教师对语言学习的认识等。

3.考虑策略的种类。在选择策略上,一定要选择对大多数学习者有用的策略,而且是可以迁移的策略。策略的难易度也应该适中,难易搭配。

五、结语

学习策略的研究始于上个世纪70年代,近30年来研究很多。由于学习策略本身的复杂性,还有很多问题无法得出答案, 比如,教师在教授策略时,应该使用学习者的第一语言还是第二语言;教师的教学风格对学习者策略选择及使用有什么影响;学习者的认知水平,认知能力与策略使用之间的关系;如何评价策略培训的效果及相关评价体系的建立,等等。许多问题需要学者们作进一步的研究。

参考文献:

[1] Cohen,A.D. Strategies in Learning and Using a Second Language. 北京:外语教学与研究出版社,2000.

[2] Macaro,E. Learning Strategies in Foreign and Second Language Classrooms. 世界图书出版公司,2008.

[3] O'Malley,J &Chamot,A.U. Learning Strategies in Second Language Acquisition. Cambridge University Press,1990.

[4] Oxford,R.L. LanguageLearning Strategies :What Every Teacher Should Know. 世界图书出版公司,2008.

[5] 常乐,李家坤,赵红兵.外语学习策略训练研究综述[J].沈阳建筑大学学报,2008,(7).

[6] 纪康丽.外语学习中元认知策略的培训[J].外语界,2002,(3).

[7] 华维芬.外语学习者策略训练诌议[J].外语界,2002,(3).

[8] 刘晓玲,张其云.二语习得的新联结主义认知视角及新的认知取向[J].内蒙古农业大学学报,2009,(2).

[9] 李莹,曹艳春.大学英语学习策略训练研究[J].沈阳工程学院学报,2009,(4).

[10] 苏远连,张耀冰.西方外语学习策略训练研究综述[J].国外外语教学,2003,(3).

[11] 文秋芳.构建我国外语类大学生思辨能力量具的理论框架[J].外语界,2009,(1).

[12] 文秋芳. 英语成功者与不成功者在学习方法上的差异[J].外语教学与研究,1995,(3).

[13] 文秋芳,王立非.英语学习策略培训与研究在中国[J].外语界,2003,(6).

[14] 文秋芳,王立非. 对外语学习策略有效性研究的质疑[J].外语界,2004,(2).

[15] 文秋芳,王立非. 影响外语学习策略系统运行的各种因素述评[J].外语与外语教学,2004,(9).

[16] 文秋芳,王立非. 中国英语学习策略实证研究20年[J].外国语言文学,2004,(1).

[17] 文秋芳.大学生英语学习策略变化的趋势及特点[J].外语与外语教学,1996,(4).

[18] 文秋芳.口语教学与思维能力的培养[J].国外外语教学,1999,(2).

[19] 文秋芳,王海啸.大学生英语学习观念与策略的分析[J].外语学院学报,1996,(4).

[20] 王立非.第二语言学习策略研究:问题与对策[J].国外外语教学,2001,(4).

篇9

本文从探讨人工智能的定义出发，阐述了对“智能”的理解在研究中的地位，指出结合计算机对人脑认知过程进行建模研究的重要性。简要介绍了人工智能的三个阶段的发展简史、当前的研究与应用热点，并分析其在21世纪中的发展趋势，主要包括模糊处理、机器情感、神经网络等等，并指出人工智能的进一步发展依赖于更先进的数学工具。对这些问题的研究有助于进一步推动人工智能的发展。

关键词 人工智能 自然智能 计算机模拟 认知模型 模糊处理 机器情感 多值模糊逻辑

论文结构与主要内容

1 讨论人工智能定义，对“智能”的理解在研究中的重要性，指出“智能”具有综合性的特点，而这是人工智能研究的弱点。

2 指出人类的认识过程可以抽象为一个符号操作系统，而计算机同样也可作为一个符号操作系统，因此可以使用计算机对人脑认识模型进行建模研究。

3 简要介绍人工智能的发展史及研究热点

4 分析人工智能的发展趋势，并指出人工智能的进一步发展依赖于数学工具的进一步发展。

：5600多字

有中文摘要、参考文献

200元

篇10

关键词数据挖掘网络营销市场营销

计算机网络与数据库技术的发展和广泛应用，信息日益成为企业的一种重要资源，人们利用信息技术生产和搜集数据的能力大幅度提高，在这些数据背后隐藏着极为重要的商业知识，但是这些商业知识是隐含的、事先未知的。面对“人们被数据淹没，人们却饥饿于知识”的挑战，数据挖掘技术应运而生，越来越显示出其强大的生命力。

1数据挖掘技术

数据挖掘（DataMining）就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。还有很多和这一术语相近的术语，如从数据库中发现知识、数据分析、数据融合以及决策支持等。数据挖掘是一门交叉学科，它把人们对数据的应用从低层次的简单查询，提升到从数据中挖掘知识，提供决策支持。常用的数据挖掘技术主要有以下几种：

1.1人工神经网络

仿照生理神经网络结构的非线性预测模型，主要由“神经元”的互联，或按层组织的节点构成，通常由输入层、中间层和输出层三个层次组成，在每个神经元求得输入值后，再汇总计算输入值；由过滤机制比较输入值，确定网络的输出值。

1.2决策树

决策树是一个类似流程图的树型结构，其中每个内部节点表示在一个属性上的测试，每个分枝代表1个测试输出，而每个树叶点代表类或类分布。树的最顶层节点是根节点。目前，在数据挖掘中使用的决策树方法有多种，典型的在国际上影响较大的决策树方法是Quinlan研制的ID3算法。

1．3遗传算法

遗传算法是模拟生物进化过程的计算模型，是自然遗传学与计算机科学相互结合渗透的计算方法。遗传分析应用搜索技术，先找出两个合适的父样本，通过“交叉”“变异”等带有生物遗传特点的操作产生下一代样本，对子样本反复“交叉”“变异”操作直到子样本收敛为此，再找另外两个合适的父样本重复上述过程，就能得到下一代的样本集。由此得到当前样本集较可能的发展方向。

1.4近邻算法

用该方法进行预测的基本概念就是相互之间“接近”的对象具有相似的预测值。如果知道其中一个对象的预测值后，可以预测其最近的邻居对象。

1.5规则推导

根据统计意义上对数据中的规则“如果条件怎么样、怎么样，那么结果或情况就怎么样”，对给定的一组项目和一个记录集合，通过分析记录集合，推导出项目间的相关性。

1.6聚类方法

聚类分析方法按一定的距离或相似性测度将数据分成系列相互区分的组，它是不需要预定义知识而直接发现一些有意义的结构与模式。可采用拓扑结构分析、空间缓冲区及距离分析、覆盖分析等方法，旨在发现目标在空间上的相连、相邻和共生等关联关系。

1.7可视化技术

可视化技术在数据挖掘过程中的数据准备阶段是非常重要的，它能够帮助人们进行快速直观地分析数据。利用可视化方法，很容易找到数据之间可能存在的模式、关系和异常情况等。

2数据挖掘技术在营销中应用的理论假设

随着数据量的急剧增长，现在的用户很难再像以前那样，自己根据数据的分布找出规律，并根据此规律进行分析决策。因此必须借助于相应的数据挖掘工具，自动发现数据中隐藏的规律或模式，为决策提供支持。随着市场经济国际化、区域经济全球化、业务处理数字化、消费需求个性化的市场竞争环境的形成，企业将面临更多的竞争对手和不确定的信息，需要借助于数据挖掘技术对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据，来控制成本、提高效益。

数据挖掘技术在企业市场营销中得到了比较普通的应用，它是以市场营销学的市场细分原理为基础，其基本假定是“消费者过去的行为是其今后消费倾向的最好说明”。通过收集、加工和处理涉及消费者消费行为的大量信息，确定特定消费群体或个体的兴趣、消费习惯、消费倾向和消费需求，进而推断出相应消费群体或个体的下一步的消费行为，然后以此为基础，对所识别出来的消费群体进行特定内容的定向营销。这与传统的不区分消费者对象特征的大规模营销手段相比，大大节省了营销成本，提高了营销效率，从而为企业带来更多的利润。3数据挖掘技术在企业网络营销中的应用

网络营销作为适应网络经济时代的网络虚拟市场的新营销理论，是市场营销理念在新时期的发展和应用。从本质上来说，网络营销与传统市场营销的目标都是一致的，都是为了实现企业的营销目标。

3.1客户关系管理

网络营销的企业竞争是一种以顾客为焦点的竞争形态，争取顾客、留住顾客、扩大顾客群、建立亲密顾客关系、分析顾客需求、创造顾客需求等，都是最关键的营销课题。因此，如何与散布在全球各地的顾客群保持紧密的关系并能掌握顾客的特性，再经由教育顾客与企业形象的塑造，建立顾客对于虚拟企业与网络营销的信任感，是网络营销的关键。基于网络时代的目标市场、顾客形态、产品种类与以前有很大的差异，如何跨越地域、文化、时空差距再造顾客关系，发掘网络客户，了解并掌握网络客户的愿望并利用互动服务与客户保持良好的关系，是众多企业需要考虑的首要问题。相关研究表明：一个企业如果将其客户流失率降低5%的话，其利润就能增加25%～85%。因此，企业必须要加强与客户之间的紧密联系和提高客户忠诚度。数据挖掘技术为客户关系管理提供了便利，企业可以将从各种渠道收集的客户信息组合后，应用超级计算机、并行处理、神经元网络、模型化算法和其他信息处理技术手段进行处理，提炼出有用信息。一方面是根据客户行为进行聚类。另一方面是从所建立的数据仓库中挖掘出为企业创造利润的这部分客户，从而与创造利润的优良客户建立长期关系。

3.2企业经营定位

通过挖掘出消费者的相关数据，可以找出其共性和个性，并对消费者进行分类，来制定企业的经营目标和市场定位，以利于企业利用网络优势，与客户进行积极有效的信息交流与情感沟通，一对一地向客户提供个性化的产品与服务。例如，利用关联分析，可以发现客户的关联购买需要。有些客户在购买某种商品时，会同时购买其他的产品，企业就可以针对这种情况，采取积极的营销策略，扩展客户购买的产品范围或提供相关的服务，吸引更多的客户；通过挖掘客户的个人特征以及消费数据，可以将客户群体进行细分，根据不同的客户群，实施不同的营销和服务方式，从而提高客户的满意度；可以通过分类技术，根据顾客的消费水平和基本特征对顾客进行分类，找出对本企业有较大贡献的重要客户的特征，通过对其进行个性化服务，提高他们的忠诚度。企业只能找准了顾客的真正需求和特征，才能有的放矢，提供个性化、多样化、差异化的富有成效的网络营销方案，从而找准企业的营销定位。

3.3客户信用风险控制

企业在实施网络营销过程中经常经受来自买方的信用风险：个人消费者可能在网络上使用信用卡进行支付时恶意透支，或使用仿造的信用卡骗取卖方的货物；集团购买者有拖延货款的可能。卖方需要对此承担风险。利用数据挖掘技术可以解决企业经常面临的诈骗行为或延付货款行为。通过数据挖掘，企业可以得到这样的判断：“什么样的人使用信用卡属于什么样的模式”，而且一个人在相当长的一段时间内，其使用信用卡的习惯往往是较为固定的。因此，一方面，通过判断信用卡的使用模式，可以监测到信用卡的恶性透支行为；另一方面，根据信用卡的使用模式，可以识别“合法”用户。如此得到诈骗行为的一些特性，当某项业务符合这些特征时，就可以向决策人员提出警告，从而提高企业应对客户信用风险的能力。

3.4客户信誉分析

企业开展网络营销后，由于客户的不确定性、匿名性和虚拟性，增加了企业的经营风险。风险与效益并存，分析客户的信用等级对于降低风险、增加收益是非常重要的。利用数据挖掘工具，可以对客户信誉进行分析，以加强营销的安全性和针对性。通常的做法是：从已有的数据中分析得到信用评估的规则或标准，即得到“满足什么样条件的客户属于哪一类信用等级”，并将得到的规则或评估标准应用到对新的客户的信誉分析。对不同客户的信誉划分等级，不同等级的客户采取不同的营销策略，制定不同的付款方式和交货方式，降低营销风险，提高营销效益。

3.5消费需求预测

在网络营销中，每一个消费者首先是一个不断变化的虚拟网络环境中的“冲浪者”，他一方面扮演个人购买者的角色，另一方面则扮演着社会消费者的角色，起着引导社会消费的作用。从事电子商务活动的网络营销人员要想成功地行销在因特网上，他所构思的网络营销计划除了需要考虑传统市场中顾客的各种需求外，还必须照顾到网民对兴趣、聚集和交流的需求，分析他们需求变化的表现、趋势和原因，采用多种行销方法，启发、剌激网络消费者的需求，唤起他们的购买兴趣，诱导网络消费者将潜在的需求转变为现实的需求。

3.6企业交叉营销

交叉营销是指企业通过发现一位已有顾客的多种需求，并满足其需求而实现多种相关产品或服务的各种策略和方法，其实质是用户资源在各产品及服务间的共享，是在拥有一定市场资源的情况下向自己的顾客或合作伙伴的顾客进行的一种业务推广手段。交叉营销现已扩展到两个电子商务企业/网站之间开展联盟合作的交叉网络营销，有利于企业资源互补、互惠互利，吸引更多的网络顾客，应用网络合作伙伴所形成的资源规模创造竞争优势。利用数据挖掘工具，了解顾客在网上购买商品或接受服务时的选取习惯、链接习惯、商品组合习惯，通过关联分析，找出其中的规律，用来指导本企业应捆绑销售的商品，提高消费者的消费价值，提高交叉营销效果，提高顾客的满意度和忠诚度。

参考文献

1马妮娜．数据库新的应用技术———数据挖掘技术［J］．中国电子商务杂志，2003（4）