民主党派结构界别特色的智能大数据分析.doc

民主党派结构界别特色的智能大数据分析
该论文来源于网络，本站转载的论文均是优质论文，供学****和研究使用，文中立场与本网站无关，版权和著作权归原作者所有，如有不愿意被转载的情况，请通知我们删除已转载的信息，如果需要分享，请保留本段说明。
　　摘 要：本文采用大数据和人工智能技术手段，拟合规律公式，通过分析某省九三学社全体社员的数据样本发现：社员结构界别特色明显，存在主体界别占比缓慢下降、新的社会阶层界别发展迅速、科学研究界别发展人数下降较快、高层次人才发展困难4个主要特点。提升结构界别特色，应坚持主体界别和中高级知识分子特色，培养高层次人才;放缓新的社会阶层界别发展速度，改良新发展社员结构;加大发展科学研究界别人士力度，培育科技精英。
　　关键词：民主党派;结构界别特色;大数据;机器学****多项式拟合
　　中图分类号：D613 文献标识码：A 文章编号：2096-3378（2020）01-0092-12
　　《理论导报》（月刊）创刊于1987年，是中共江西省委宣传部主管、中共江西省委讲师团主办、全国公开发行的省级综合性政治理论月刊，已连续14年被评为全国省级讲师团系统优秀期刊。自创刊以来，始终坚持正确的理论导向，以经济建设为中心。
　　我国的各民主党派力图保持结构界别特色。然而，各民主党派在组织发展上试图保持长期坚持的结构界别特色时遇到了共性问题，如主体界别人数比例下降、新的社会阶层人士明显增多等[1]，导致有观点认为长期坚持的结构界别特色难以维系[2-3]。准确分析民主党派结构界别特色的发展状况，有助于发现问题，进而精准施策。目前，学界针对民主党派结构界别特色的分析，多采用简单传统的统计分析方法，尚未发现运用大数据及人工智能技术作此项研究。现状统计和未来趋势分析正是大数据及人工智能技术的长项[4]，运用先进信息技术和算法有助于探讨统战领域相关问题。本文运用大数据和人工智能技术，以某省九三学社全体社员数据为样本，对社员发展总量及界别特色作出量化分析。
　　一、研究路线和关键技术
　　（一）研究路线
　　。（1）准备1台开发用的PC服务器。采用云服务器，以便安装数据库服务软件并开展大数据、人工智能计算服务。（2）从九三学社某省委获取全省的社员数据。九三学社某省委在脱敏处理后，提供了屏蔽社员姓名的全省社员原始数据。（3）准备好大数据与人工智能的分析软件工具。采用TensorFlow作为软件工具，Anaconda3 Spyder作為集成开发工具。（4）准备好大型关系型数据库系统。采用SQL Server 2017作为数据库开发平台。
　　。研究工作重点包括3个部分，以下的第1个部分是其他两个部分的基础。（1）作数据分析。包括数据清洗、数据分析、结果呈现。（2）发现问题，描述问题的程度。（3）提出解决对策。对策可供统战部门和九三学社某省委组织发展工作决策参考。
　　。（1）研发SQL数据清洗程序。使用SQL Server数据导入工具获取社员Excel数据，生成SQL Server二维表格，建立ER（Entity Relationship，实体关系）;编制SQL代码消除异常数据的影响。处理的最为典型的问题是数据录入存在明显偏差（如社员入社时间在1944年以前或2019年启动研究的时间点以后等）、数据不规范（如界别字段为空、职称级别字段为空等）。（2）研发Python人工智能程序。主要包括获取数据的程序代码、分析数据的程序代码和展现数据的程序代码。其中分析数据的程序代码相对复杂，主要运用了多维数组、多项式拟合的机器学****算法，挖掘数据规律，开展数据预测。
　　（二）关键技术
　　研究用到的关键技术是人工智能中的多项式拟合机器学****算法，主要是运用TensorFlow中的Scikit-learn库的多项式拟合算法[5-7]。本文的做法是先将已获得的社员数据集分为训练数据集和测试数据集两部分，编制程序用流水线技术计算出1-10阶多项式的准确度，按比例设置测试数据集，通过10次交叉验证计算绘制学****曲线，选择准确度收敛的阶数，根据阶数拟合出多项式公式[8-10]。最后用得到的多项式公式作数据预测。
　　该多项式拟合算法采用公式（1）计算成本函数[11]：
　　拟合出的多项式应尽可能地使该成本函数更小，并且准确度收敛在60%以上[12]。由于本文的研究内容不涉及分类问题，不必作查准率和召回率的分析[13]。
　　二、数据分析
　　九三学社的章程写明社员“以科学技术界高、中级知识分子为主”，结合对九三学社历史、组织发展的通常做法及九三学社界别特色的理