2021 2nd International Conference on Big Data Economy and Information Management (BDEIM 2021)
HCIS Articles
Home / HCIS Articles



Human-Centric Intelligent Systems 期刊推介&文章推荐

图片.pngHuman-Centric Intelligent Systems (eISSN 2667-1336) 是一本国际化的,经过严格同行评审的开放获取期刊,致力于传播 “以人中心的智能系统” 中所有相关理论和实际应用的最新研究成果,并提供以人中心的计算与分析领域的前沿理论和算法见解。HCIS由西南交通大学计算机与人工智能学院李天瑞教授与澳大利亚悉尼科技大学计算机科学学院徐贯东教授担任主编,由东京大学计算机科学学院Masaru Kitsuregaw教授与伊利诺伊大学芝加哥分校计算机科学学院Philip S. Yu 教授担任顾问委员。本刊将执行严格的单盲同行评审,采取开放获取(Open Access)模式出版发行,不收取任何费用。所有出版的文章作者保留版权,读者永久免费下载、阅读。



本刊征稿主题包括但不限于

  • 社群检测

  • 社会影响分析

  • 用户建模、个性化和推荐

  • 行为建模

  • 分类、排序、总结和推荐

  • 人工智能伦理:可解释性、公平、责任


图片.png

(扫码进入期刊主页)


文章列表

1. Human-Centric Intelligent Systems: A Welcome Note from Editor(s)-in-Chief

作者:Tianrui Li, Guandong Xu

原文链接:https://doi.org/10.2991/hcis.k.210624.001

摘要:《以人为中心的智能系统》期刊致力于发表有关智能技术与人类和谐发展关系的理论和实践方面的最新研究。由于人类的积极参与,各种围绕人类的智能系统在不断呈现人类与系统间有效体验的同时,获得了持续升级优化,因此,以人为中心的智能系统变得越来越重要。它打破了以前人工智能解决方案的界限,通过开发机器智能与系统,实现理解人类的语言、情感与行为以及人类与系统之间的有机交互,以弥合机器与人之间的鸿沟,推动人类社会文明进步。


2. Deep Visual Analytics (DVA): Applications, Challenges and Future Directions

作者:Md Rafiqul Islam, Shanjita Akter, Md Rakybuzzaman Ratan, Abu Raihan M. Kamal, Guandong Xu

原文链接:https://dx.doi.org/10.2991/hcis.k.210704.003

摘要:近年来,可视化分析(VA)在解决各类复杂问题方面得到了广泛关注。然而,设计和运用大规模数据的交互式可视化分析系统极具挑战性。虽然现有研究已经运用了各种数据分析技术,去分析和可视化有洞察力的信息,但深度可视化分析(DVA)作为一项有前景的技术,可以提供输入证据,解释系统结果。本研究提出了几种可视化数据分析的深度学习(DL)技术,综述了国内外针对以下几方面的研究现状 (i)大数据分析,(ii)认知与感知科学,(iii)客户行为分析,(iv)自然语言处理,(v)推荐系统,(vi)医疗保健分析,(vii)金融科技生态系统,(viii)旅游管理。本文提出了新兴DVA研究在可视化领域的开放式研究挑战。同时,探索了现有文献中有助于探索未来研究的关键主题。综上所述,本研究旨在帮助深入学习与可视化分析的读者和研究人员理解用于数据分析的交互式DVA的关键要点。

图片.png


3. An Empirical Study of Learning Based Happiness Prediction Approaches

作者:Miao Kong, Lin Li, Renwei Wu, Xiaohui Tao

原文链接:https://doi.org/10.2991/hcis.k.210622.001

摘要:当今社会,研究者们越来越关注幸福感。从大数据角度来研究幸福感是一项非常有趣的工作。在心理学领域,大数据的应用越来越广泛,其从一种全新的数据驱动的视角进行心理学分析。目前机器学习研究方面的进展,尤其是深度学习,为传统心理学研究提供了新的研究方法。本文通过实验对比分析了一系列基于机器学习的幸福感预测方法及其融合预测质量。利用“中国综合社会调查”(CGSS)项目提供的数据,本文给出了各种幸福感预测方法的实验结果并探究了影响幸福感的因素。从特征工程、预测建模和预测评价等三个阶段,本文讨论了影响幸福感的相关因素并研究了不同结果融合模型对幸福感预测的效果。实验结果表明对幸福度影响比较大的因素包括社会态度(公平性)、家庭变量(家庭资本)和个体变量(心理健康、社会经济状态以及社会地位)。此外,通过这五种特征建立的幸福感预测模型中,boosting在模型融合中效果最好。

<img src="https://fhk.ais. 加载更多