International Journal of Data Science and Analytics

ESCI-ISI SCOPUS (2016-2023)

  2364-4168

  2364-415X

 

Cơ quản chủ quản:  Springer Nature Switzerland AG , Springer Nature

Lĩnh vực:
Computer Science ApplicationsModeling and SimulationApplied MathematicsInformation SystemsComputational Theory and Mathematics

Các bài báo tiêu biểu

Interpreting tree ensembles with inTrees
- 2019
Houtao Deng
Đo lường hạnh phúc khách quan và chủ quan: các chiều và nguồn dữ liệu Dịch bởi AI
- 2021
Vasiliki Voukelatou, Lorenzo Gabrielli, Ioanna Miliou, Stefano Cresci, Rajesh Sharma, Maurizio Tesconi, Luca Pappalardo
Tóm tắt

Hạnh phúc là một giá trị quan trọng đối với cuộc sống con người và có thể được coi là chỉ số tiến bộ xã hội. Các nhà nghiên cứu đã đề xuất hai cách tiếp cận chính để đo lường tổng thể hạnh phúc, đó là hạnh phúc khách quan và hạnh phúc chủ quan. Cả hai cách tiếp cận này, cùng với các chiều liên quan của chúng, đã được ghi nhận truyền thống thông qua các khảo sát. Trong những thập kỷ qua, các nguồn dữ liệu mới đã được đề xuất như là một lựa chọn thay thế hoặc bổ sung cho dữ liệu truyền thống. Bài viết này nhằm trình bày bối cảnh lý thuyết về hạnh phúc, bằng cách phân biệt giữa các cách tiếp cận khách quan và chủ quan, các chiều liên quan của chúng, các nguồn dữ liệu mới được sử dụng trong việc đo lường và các nghiên cứu liên quan. Chúng tôi cũng muốn làm sáng tỏ các chiều và nguồn dữ liệu vẫn còn chưa được khai thác nhiều, có thể góp phần như một chìa khóa cho chính sách công và phát triển xã hội.

Automatic emotion detection in text streams by analyzing Twitter data
- 2019
Maryam Hasan, Elke A. Rundensteiner, Emmanuel Agu
Introduction to the foundations of causal discovery
Tập 3 Số 2 - Trang 81-91 - 2017
Frederick Eberhardt
dLSTM: a new approach for anomaly detection using deep learning with delayed prediction
- 2019
Shigeru Maya, Ken Ueno, Takeichiro Nishikawa
Rủi ro tham nhũng trong các thị trường đấu thầu: cái nhìn từ khoa học mạng Dịch bởi AI
- 2021
Johannes Wachs, Mihály Fazekas, János Kertész
Tóm tắt

Chúng tôi sử dụng các phương pháp từ khoa học mạng để phân tích rủi ro tham nhũng trong một tập dữ liệu hành chính lớn với hơn 4 triệu hợp đồng mua sắm công từ các quốc gia thành viên Liên minh Châu Âu, bao gồm các năm 2008–2016. Bằng cách lập bản đồ các thị trường mua sắm dưới dạng các mạng lưới hai phía bao gồm các tổ chức phát hành và người thắng thầu hợp đồng, chúng tôi có thể hình dung và mô tả sự phân bố của rủi ro tham nhũng. Chúng tôi nghiên cứu cấu trúc của những mạng lưới này ở từng quốc gia thành viên, xác định các lõi của chúng và nhận thấy rằng những thị trường tập trung cao thường có rủi ro tham nhũng cao hơn. Ở tất cả các quốc gia EU mà chúng tôi phân tích, rủi ro tham nhũng được phân bố một cách đáng kể. Tuy nhiên, những rủi ro này đôi khi phát sinh nhiều hơn ở lõi và đôi khi ở ngoại vi của thị trường, tùy thuộc vào quốc gia. Điều này gợi ý rằng cùng một mức độ rủi ro tham nhũng có thể có các phân bố hoàn toàn khác nhau. Khung phân tích của chúng tôi vừa mang tính chuẩn đoán vừa mang tính đề xuất: Nó chỉ ra nơi mà tham nhũng có khả năng xảy ra phổ biến trong các thị trường khác nhau và gợi ý rằng các chính sách chống tham nhũng khác nhau là cần thiết cho các quốc gia khác nhau.

Improving predictions of pediatric surgical durations with supervised learning
Tập 4 Số 1 - Trang 35-52 - 2017
Neal Master, Zhengyuan Zhou, Delbert C. Miller, David Scheinker, Nicholas Bambos, Peter W. Glynn
Temporal betweenness centrality in dynamic graphs
Tập 9 Số 3 - Trang 257-272 - 2020
Ioanna Tsalouchidou, Ricardo Baeza–Yates, Francesco Bonchi, Kewen Liao, Timos Sellis
Learning from word semantics to sentence syntax by graph convolutional networks for aspect-based sentiment analysis
Tập 14 Số 1 - Trang 17-26 - 2022
Anan Dai, Xiaohui Hu, Jian‐Yun Nie, Jinpeng Chen