排序方式： 共有5条查询结果，搜索用时 15 毫秒
1
1.
2.
3.
<正>1引言大数据已成为国家基础性战略资源和数字经济时代的新引擎。随着技术与应用的成熟,大数据与人工智能的结合已成为新的趋势,大数据管理与应用领域将成为大数据与智能化的桥梁。当前,大数据技术已广泛应用于情报服务[1]、个性化推荐[2]、医疗保健[3]、金融[4]等领域,驱动社会经济创新发展。与此同时,大数据技术的广泛应用带来了大数据杀熟、个人信息泄露以及数据安全等问题[5],因此亟需通过数据治理对数据管理的权力进行控制,在增加数据价值的同时将与数据相关的成本和风险降至最小化[6]。 相似文献
4.
[目的/意义]开展全国大数据管理与应用专业本科教育的发展状况调查研究,以期反映其发展趋势并提出相应的建议。[研究设计/方法]以开设院校、师资、招生、就业、课程体系和培养目标为六大维度,系统地剖析了我国大数据管理与应用本科教育的现状,并通过与往年数据的比较反映该专业的发展态势。[结论/发现]截至2022年12月,该专业的培养单位数量达到183所。大多数培养单位针对社会需求和自身定位调整其教学,在注重专业实践性的同时,逐步形成自身特色。大多数培养单位的课程体系和培养目标不完全匹配,需要增加对大数据管理和大数据应用方面的课程。[创新/价值]通过全国范围内大数据管理与应用本科专业全面调查和深入分析,反映该专业当前发展现状和存在问题,为此类专业持续发展提供有价值的参考。 相似文献
5.
[目的/意义]随着生成式人工智能的快速发展和广泛应用,信息空间结构也随之发生深刻的变革。以往以用户生成内容(UGC)为主的信息空间开始逐渐被生成式人工智能生成内容(AIGC)所影响,生成式人工智能治理的重要性愈发凸显。文章旨在从主题视角比较AIGC与UGC,揭示两者在内容与结构特征上的差异,并为生成式人工智能治理提供创新参考。[方法/过程]收集了金融、法律、医疗和开放问答4个领域的多个在线平台上的问题和用户回答,并借助gpt-turbo-3.5模型生成每个问题的人工智能回答,最终构建了包含65260条问答数据的语料集,并采用BERTopic主题模型分别对AIGC与UGC进行主题提取,并从主题间关系、主题与文档关系以及主题与主题词关系3个角度对两者进行综合对比。[结果/结论]研究结果揭示了AIGC和UGC在主题分布、主题内文档一致性和主题词权重结构等方面的差异。通过深入了解两者之间的特征差异,能够更好地观察生成式人工智能的行为规律,并为AIGC的治理策略完善提供参考。 相似文献
1