圖1 大賽產(chǎn)業(yè)命題賽道部分命題

?????????如圖1所示，產(chǎn)業(yè)命題賽道就好比命題作文，選題都是一些真實企業(yè)（如華為）提前定好的，參賽選手必須在命題要求的范圍內(nèi)按照要求進行準備。

? ? ? ? 這些命題直觀上令人感覺到十分前沿，大部分都要求應(yīng)用新技術(shù)，如區(qū)塊鏈等，頗具難度。

? ? ? ? 作者對命題方向的分布十分感興趣，于是爬取了所有命題題目，并對其進行分詞，然后計算詞頻，并進行可視化呈現(xiàn)，直觀準確地獲得了命題方向的大概分布情況。

1 整體思路

?

?圖2 整體思路流程圖

?2 項目實施

2.1 爬取題目

import requests from lxml import etree import pandas as pd import jieba import matplotlib.pyplot as pltword_list = [] # 用來儲存分好的詞 stopword_list = [] # 停用詞列表，用來排除分好的詞中虛詞等無意義的詞for i in range(8):url = 'https://cy.ncss.cn/mtcontest/mingtilist?pageIndex='+str(i)+'&pageSize=30&companyName=&name='headers={'User-Agent':'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.100 Safari/537.36','Host':'cy.ncss.cn'}text = requests.get(url = url, headers = headers).texthtml = etree.HTML(text)title = html.xpath('//div[@class="cyyq-title"]//text()')

? ? ? ? 需要注意的是，目標網(wǎng)頁通過ajax加載數(shù)據(jù)，需要通過chrome瀏覽器分析出發(fā)送ajax請求后的新url進行請求，不然無法獲得目標數(shù)據(jù)。

2.2 分詞操作

for item in title: # 接上面的代碼段for word in jieba.lcut(item,cut_all = False, HMM=True):word_list.append(word) with open('stopword.txt', encoding='utf-8') as f:for line in f.readlines():stopword_list.append(line.strip('\n')) word_list = [w for w in word_list if w not in stopword_list]

? ? ? ? 利用jieba庫進行中文分詞，分詞后導(dǎo)入停用詞表刪除無效的虛詞、標點符號等無意義詞。

2.3 詞頻統(tǒng)計

df = pd.DataFrame(word_list) table = pd.DataFrame(df.iloc[:,0].value_counts())

? ? ? ? 轉(zhuǎn)化為DataFrame格式，利用其自帶的方法進行詞頻統(tǒng)計。

2.4 畫條形圖

plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False plt.bar(range(50),table.iloc[0:50,0].values.tolist(), align='center', color='b') plt.xticks(range(50),table.iloc[0:50,0].index, rotation=45,fontsize=13) plt.xlabel('關(guān)鍵詞',labelpad=10) plt.ylabel('頻次',labelpad=20) plt.title('產(chǎn)業(yè)賽道命題關(guān)鍵詞頻次',pad=30) plt.show()

? ? ? ? 最后進行可視化操作，以條形圖展現(xiàn)詞頻最高的前五十個詞。

3 結(jié)果展示

3.1 詞頻最高的前五十個詞條形圖

圖3??詞頻最高的前五十個詞條形圖

? ? ? ? 如圖所示，詞頻超過20頻次的詞分別是智能、智慧、技術(shù)、AI。由此可見產(chǎn)業(yè)命題賽道非常重視技術(shù)，尤其是人工智能方向的新技術(shù)，現(xiàn)階段具體而言包括但不限于自然語言處理，知識表現(xiàn)，智能搜索，推理，規(guī)劃，機器學習，知識獲取，組合調(diào)度問題，感知問題，模式識別，邏輯程序設(shè)計軟計算，不精確和不確定的管理，人工生命，神經(jīng)網(wǎng)絡(luò)，復(fù)雜系統(tǒng)，遺傳算法等。

? ? ? ? 詞頻在10到20之間的詞分別是系統(tǒng)、平臺、創(chuàng)新、新、設(shè)計、解決方案、方案、工業(yè)、開發(fā)、識別、材料。首先，系統(tǒng)、平臺、解決方案、方案是結(jié)果形式，這說明產(chǎn)業(yè)命題賽道大多要求參賽選手最終結(jié)果以這些方式呈現(xiàn)。創(chuàng)新、新是原則要求，說明參賽選手最終結(jié)果應(yīng)該要有創(chuàng)新點。設(shè)計、開發(fā)是方法，指設(shè)計程序，開發(fā)系統(tǒng)、平臺等，對應(yīng)結(jié)果形式。工業(yè)、識別、材料是方向，其中識別屬于人工智能技術(shù)中的深度學習領(lǐng)域，工業(yè)主要指工業(yè)4.0，主要內(nèi)容一是“智能工廠”，重點研究智能化生產(chǎn)系統(tǒng)及過程，以及網(wǎng)絡(luò)化分布式生產(chǎn)設(shè)施的實現(xiàn)；二是“智能生產(chǎn)”，主要涉及整個企業(yè)的生產(chǎn)物流管理、人機互動以及3D技術(shù)在工業(yè)生產(chǎn)過程中的應(yīng)用等。該計劃將特別注重吸引中小企業(yè)參與，力圖使中小企業(yè)成為新一代智能化生產(chǎn)技術(shù)的使用者和受益者，同時也成為先進工業(yè)生產(chǎn)技術(shù)的創(chuàng)造者和供應(yīng)者；三是“智能物流”，主要通過互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、物流網(wǎng)，整合物流資源，充分發(fā)揮現(xiàn)有物流資源供應(yīng)方的效率，而需求方，則能夠快速獲得服務(wù)匹配，得到物流支持。也指向新技術(shù)，重點在于技術(shù)的遷移和應(yīng)用。材料是材料科學與工程方向，主要研究一是粉末冶金新理論、新技術(shù)；二是相圖研究與材料設(shè)計；三是粉末冶金特種新材料；四是有色、稀有金屬材料的合金化理論及新材料開發(fā)；五是現(xiàn)代高性能符合材料；六是有色金屬功能材料。 六個研究方向的共同特色是：研究內(nèi)容隸屬學科前沿課題和國際熱點研究課題，具有創(chuàng)新性；緊密結(jié)合國民經(jīng)濟建設(shè)主戰(zhàn)場，實用性強；每個研究方向都有國家級或省部委級重點項目的支撐，實施過程可靠性高；有一支結(jié)構(gòu)合理的高水平學術(shù)隊伍和良好的研究條件，可實現(xiàn)預(yù)期研究目標，并具有可持續(xù)發(fā)展的良好前景

? ? ? ? 10以下詞頻較高的詞中，數(shù)據(jù)、云、互聯(lián)網(wǎng)等均體現(xiàn)大賽對信息技術(shù)的要求。區(qū)塊鏈作為近年來比較火的領(lǐng)域也榜上有名，此外鄉(xiāng)村振興作為關(guān)鍵詞也占據(jù)一席之地，可以體現(xiàn)國家政策的作用。而振興鄉(xiāng)村的最有利武器仍然是新技術(shù)，因為新技術(shù)具有高效率，往往成本低。

3.2 詞頻最高的前三十個詞表格

表1

	詞頻
智能	26
智慧	24
技術(shù)	23
AI	20
系統(tǒng)	19
平臺	19
創(chuàng)新	18
新	16
設(shè)計	16
解決方案	16
方案	14
工業(yè)	11
開發(fā)	11
識別	10
材料	10
檢測	9
數(shù)據(jù)	9
場景	8
云	7
研發(fā)	7
互聯(lián)網(wǎng)	7
管理	7
鄉(xiāng)村	6
區(qū)塊	6
產(chǎn)業(yè)化	6
鏈	6
能力	6
方向	6
自動	6

?

?

總結(jié)

以上是生活随笔為你收集整理的“互联网+”大学生创新创业大赛产业命题赛道命题方向分析的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。