XiaoMi-AI文件搜索系统
World File Search SystemFSVM
使用模糊支持向量机的情感分析...
The Ministry of Communication and Information and the Ministry of BUMN of The Republic of Indonesia designed a mobile app “Peduli Lindungi” to be used to help the public and related government agencies in carrying out screening and tracing people's movement to stop the spread of Corona Virus Disease (Covid-19).The existence of a mobile app, “Peduli Lindungi” triggers abundant different sentiments from the Indonesian community, either positive or负面情绪。基于积极的情绪，印度尼西亚共和国政府可能会对该应用程序的各个方面有一些反馈。相比之下，负面的情感可以用作移动应用程序潜在改进的初始点。本研究应用模糊支持向量机（FSVM）模型来对用户对Peduli Lindungi应用程序的评论进行分类。FSVM可以将客户的评论分为两个或多个类别，并且比其他分类方法相对更高的准确性。这项研究的结果表明，使用FSVM的评论分类可产生良好的准确性，值为77％。完全正确的预测是2813个评论中的2192个评论。
科技赋能下的供应链金融计算机化风险评估模型构建及应用
本研究旨在帮助中小企业摆脱传统融资模式的束缚，降低供应链金融风险。首先分析了供应链金融业务模式及信用风险，随后探讨了区块链在供应链金融信用风险管控中的应用原理，接下来探讨了解放个体、将金融科技应用于供应链金融风险管理。在计算机化风险评估模型开发的最后阶段，对模糊支持向量机（FSVM）进行了优化，并通过引入可变惩罚因子C来提高风险分类的有效性和效率。为检验C-FSVM风险评估模型的有效性，以中国汽车行业为研究对象。研究结果显示，C-FSVM模型对整个样本的分类准确率为96.35%，对信誉良好的企业分类准确率为96.45%，对违约企业的分类准确率为95.34%。 C-FSVM模型的训练时间为473.9s，远低于SVM和FSVM模型的训练时间1631.6s和1870.2s。综上所述，C-FSVM供应链财务风险评估模型是有效的，在银行实际中具有较大的应用价值。