有直接貨幣薪酬、間接貨幣薪酬和其他的貨幣薪酬。其中直接薪酬包括工資、福利、獎金、獎品、津貼等;間接薪酬包括養(yǎng)老保險、醫(yī)療保險、失業(yè)保險、工傷及遺屬保險、住房公積金、餐飲等;其他貨幣性薪酬包括有薪假期、休假日、病事假等。
窄帶薪酬,是通過崗位定薪的方式來確定薪酬級別，這種薪酬制度級別多、幅度小，薪酬制度的靈活性和適應(yīng)性不足，適合層級組織結(jié)構(gòu)，傳統(tǒng)的勞動密集型企業(yè)。而寬帶薪酬是以員工績效和技能為驅(qū)動來設(shè)定薪酬水平的，這種薪酬制度級別少、幅度大，薪酬制度的靈活性和適應(yīng)性強，適合現(xiàn)代企業(yè)組織結(jié)構(gòu)扁平化的趨勢，適合知識型企業(yè)。
寬帶薪酬，是一種新型的薪酬結(jié)構(gòu)設(shè)計方式，是對傳統(tǒng)的帶有大量等級層次的垂直型薪酬結(jié)構(gòu)的一種改進(jìn)或替代。
薪酬體系是指薪酬的構(gòu)成，即一個人的工作報酬由哪幾部分構(gòu)成。一般而言：員工的薪酬包括以下幾大主要部分：基本薪酬（即本薪）、獎金、津貼、福利四大部分。 薪酬管理是指在組織發(fā)展戰(zhàn)略指導(dǎo)下，對員工薪酬支付原則、薪酬策略、薪酬水平、薪酬結(jié)構(gòu)、薪酬構(gòu)成進(jìn)行確定、分配和調(diào)整的動態(tài)管理過程。 薪酬體系是人力資源管理六大板塊薪酬管理中的一部分。
薪酬等級表是薪酬設(shè)計的基礎(chǔ)文件，公司所有員工崗位工資必定對應(yīng)某個等級，3PM薪酬設(shè)計薪酬等級表有3種形式：等比薪酬等級表、等額薪酬等級表、系數(shù)薪酬等級表。
等比薪酬等級表即各薪級之間崗位工資是按比例增長的，這種薪酬等級表適合薪酬等比調(diào)整需要。
等額薪酬等級表即同一職等內(nèi)不同薪級之間薪酬差距是等額的，這種薪酬等級表適合薪酬等額調(diào)整需要。
薪酬等級表中數(shù)據(jù)用一系列系數(shù)來表示，這個系數(shù)再乘以薪酬基數(shù)就得到每個崗位的薪酬數(shù)額，薪酬基數(shù)根據(jù)公司效益情況及時調(diào)整，可增可減。
（一）等比薪酬等級表
設(shè)計等比薪酬等級表的過程如下：
（1）根據(jù)薪酬調(diào)查結(jié)果以及公司制定的薪酬策略，估算企業(yè)在未來較長時間內(nèi)，崗位工資可能的最高值和最低值。
（2）根據(jù)最高值和最低值的差距、外部薪酬調(diào)查數(shù)據(jù)以及公司擬采取的薪酬策略，確定不同職等薪酬差距，一般情況下，職等之間薪酬增長在30%～60%之間，本案例職等薪酬增長率為50%。
（3）選定某一基準(zhǔn)等級，比如第5級，確定各職等對應(yīng)的薪酬數(shù)據(jù)，如表中一職等第5級至八職等第5級分別是：1200、1800、2700、4000、6000、9000、13500、20000。
（4）根據(jù)公司薪酬調(diào)整策略，確定薪級增長率，一般為3%～6%，較小的增長率可以實現(xiàn)頻繁晉級激勵，但需要更多的薪級來保證相鄰職等的重合度。本表中薪級增長率為3%。
(5)根據(jù)薪級增長率，將各薪級向上、向下進(jìn)行數(shù)據(jù)填充，考慮到不同職等應(yīng)有一定的重合度（20%～50%），確定足夠的薪級數(shù)目。本案例薪級數(shù)目是22個，職等重合度30%左右。
經(jīng)過上述過程，就可以得到等比薪酬等級表。
（二）等額薪酬等級表
等額薪酬等級表薪級增長是一個固定值，但不同職等增長數(shù)額不一樣，職等越高增長數(shù)值越大。這種薪酬等級表適合同層級崗位薪酬的等額調(diào)整需要。
等額薪酬等級設(shè)計過程與等比薪酬等級設(shè)計過程類似，在此不做贅述。
薪酬的英文是salary，沒有縮寫形式，縮寫適用于詞組和較長的單詞。
薪酬 - 拼音xīn chóu
薪酬是員工因向所在的組織提供勞務(wù)而獲得的各種形式的酬勞。狹義的薪酬指貨幣和可以轉(zhuǎn)化為貨幣的報酬。廣義的薪酬除了包括狹義的薪酬以外，還包括獲得的各種非貨幣形式的滿足。
進(jìn)行薪酬調(diào)查，比較常用的方式有以下幾個方面：
1. 企業(yè)之間的相互調(diào)查。根據(jù)要調(diào)查的崗位，了解同行業(yè)或其他行業(yè)存在同類崗位的企業(yè)的薪酬信息，在實施的過程中可以向保持良好關(guān)系的外部企業(yè)直接獲取相關(guān)信息，或通過非官方的渠道了解信息。一些企業(yè)為了實現(xiàn)信息資源的共享，還會在企業(yè)間建立一些非正式的組織，定期進(jìn)行包括薪酬信息在內(nèi)的信息交換和共享，實現(xiàn)信息的互通。
2. 通過招聘獲得薪酬數(shù)據(jù)。人力資源管理者在招聘過程中，必然會接觸到求職者以往任職企業(yè)的薪酬信息，可以將該信息進(jìn)行收集，甄別參考使用。另外，各大招聘網(wǎng)站上各信息發(fā)布的招聘信息中，對于薪酬定位和區(qū)間的描述信息也有很好的可借鑒意義，如果信息收集的數(shù)據(jù)比較多，采用頻率分析法進(jìn)行分析后，我們也會看到對于調(diào)查的崗位其薪酬區(qū)間的分布情況。
3. 通過專業(yè)的機構(gòu)進(jìn)行薪酬調(diào)查。當(dāng)通過其他渠道很難獲得系統(tǒng)性強、可信度高的數(shù)據(jù)時，委托專業(yè)的人力資源咨詢公司進(jìn)行調(diào)查也是常用的方式，這種方式需要一定的花費，但相對來說獲得數(shù)據(jù)的專業(yè)度和系統(tǒng)性都會更好。除了付費方式，一些機構(gòu)也會定期發(fā)布免費的薪酬報告，可以注意收集使用。
4. 采集社會的公開信息。政府部門、有關(guān)協(xié)會、學(xué)會等也會定期提供薪酬調(diào)查數(shù)據(jù)，這些信息往往在公開渠道就能夠獲得，但這種方式針對性不強。
5. 發(fā)放調(diào)查問卷方式進(jìn)行薪酬信息的調(diào)查。面向特定崗位的群體，發(fā)放薪酬調(diào)研問卷，對收集到的信息進(jìn)行分析，獲得較為準(zhǔn)確的薪酬信息。
在實際的操作過程中，往往是多種方式結(jié)合使用的，通過不同渠道采集的信息也起到互相印證、參照的作用，增加信息的可信度和參考價值。
? 一、在薪酬設(shè)計時，首先要進(jìn)行薪酬調(diào)研。（詳見上述方法）
? 二、確定薪酬設(shè)計的目的和策略
? 1、薪酬設(shè)計的目的是為了吸引和保留優(yōu)秀員工，還是鼓勵員工提高能力？激勵員工高效率工作？或者是平衡企業(yè)發(fā)展與薪酬成本的關(guān)系。不同的目的應(yīng)設(shè)計不同的薪酬體系。
? 2、確定企業(yè)的薪酬策略，包括核心的薪酬價值觀、薪酬總量目標(biāo)、重點激勵人群、本次薪酬改革的目標(biāo)、水平策略、結(jié)構(gòu)策略等。依據(jù)薪酬設(shè)計的目的和策略進(jìn)行薪酬設(shè)計。
? 三、崗位序列劃分和價值評估
? 1、首先需要將企業(yè)所有的崗位劃分為不同的序列，如經(jīng)營序列、管理序列、生產(chǎn)序列、研發(fā)序列、營銷序列等，不同的崗位序列其薪酬結(jié)構(gòu)不同、激勵方式不一樣，如經(jīng)營層一般實行年薪制，激勵周期長，而營銷人員可實行低底薪、高提成方式，激勵其作出業(yè)績。
? 2、然后對所有崗位進(jìn)行崗位價值評估，目的是確定崗位在企業(yè)的相對價值，并據(jù)此建立崗位價值序列。一般是根據(jù)崗位在組織中的影響范圍、職責(zé)大小、工作強度、工作難度、任職條件、崗位工作條件等維度進(jìn)行評價。
? 四、薪酬體系設(shè)計
? 1、薪酬體系文件有哪些？
? 包含兩類，一是薪酬制度性文件，二是本次調(diào)薪的說明文件。
? 1.1制度文件包括總的薪酬管理制度，再分別設(shè)計不同群體的具體薪酬發(fā)放辦法。辦法中規(guī)定工資、獎金、津貼、福利各部分具體的核算方法、計算公式、發(fā)放辦法。
? 1.2調(diào)薪說明文件是本次調(diào)薪的說明性文件。內(nèi)容包括本次調(diào)薪原則及方法、調(diào)薪前后薪酬總量對比、各層面人員收入水平對比、與市場薪酬的對比、關(guān)鍵崗位調(diào)薪前后對比、個人二次歸位的方法、特殊人員及特殊情況的處理方法等。
? 2、薪酬結(jié)構(gòu)設(shè)計即要考慮薪酬的保障性，保障員工基本生活需求；又要考慮薪酬的激勵性，通過薪酬設(shè)計激勵員工做出業(yè)績、提高能力。薪酬一般分三類：一是基本薪酬，如基本工資、崗位工資、職務(wù)工資、技能工資；二是激勵薪酬，如績效工資、計件計時工資、獎金等；三是間接薪酬，如補貼津貼、社保公積金、年假、過節(jié)費等。通過這幾類薪酬的組合，設(shè)計不同的薪酬結(jié)構(gòu)，一般有崗位薪酬體系、技能薪酬體系、績效薪酬體系。
? 3、不同層級、不同崗位序列的激勵重點不一樣，比如生產(chǎn)員工關(guān)注產(chǎn)量，可以用計件工資，有的企業(yè)對質(zhì)量或安全非常重視，可以加一塊質(zhì)量獎或安全獎。高中基層激勵的重點和周期不同，高層激勵周期長，關(guān)注企業(yè)長期持續(xù)盈利，可以用年薪、超額利潤分享、期股權(quán)激勵等形式；而基層員工一般采用月薪。
? 4、注意薪酬設(shè)計的公平性，充分考慮到老員工和新員工、高層和基層、不同序列崗位之間、不同地域的單位之間薪酬的平衡，不要讓員工感到不公平、不合理。
? 5、對薪酬水平做好定位，處理好薪酬的市場競爭性和企業(yè)人工成本之間的關(guān)系，既能保持薪酬水平在區(qū)域和行業(yè)的競爭力，又不能使企業(yè)承擔(dān)過高的人工成本。
? 6、平衡員工薪酬增長與企業(yè)效益增長、勞動績效增長之間的關(guān)系，三者應(yīng)保持一致，企業(yè)效益提高了，勞動生產(chǎn)率提高了，員工的薪酬才能相應(yīng)增長。
? 7、公司利潤與員工共享，對重要崗位、骨干員工和有良好業(yè)績的員工進(jìn)行分享。
? 企業(yè)是個利益共同體，利潤大家創(chuàng)造，收益共同分享。因此，企業(yè)利潤要拿出少部注意分配適度。分享過少，不利于激勵員工，過多則影響企業(yè)發(fā)展。
一、性質(zhì)不同
1、薪酬體系：薪酬的構(gòu)成和分配方式。
2、薪酬制度：企業(yè)整體人力資源管理制度與體系之重要組成部分。
二、影響因素不同
1、薪酬體系影響因素：
（1）公平性
根據(jù)職責(zé)的大小、所需知識的水平以及工作要求的不同性質(zhì)，工資合理地反映了企業(yè)內(nèi)不同層次、不同等級、不同崗位的價值差異。
（2）外部競爭性
保持行業(yè)薪酬和福利的競爭力可以吸引人才加入。
（3）績效性
薪酬必須與企業(yè)、團隊和個人的績效成就密切相關(guān)。不同的績效考核結(jié)果應(yīng)準(zhǔn)確反映在工資中，實現(xiàn)員工的自我平等，以保證企業(yè)整體績效目標(biāo)的實現(xiàn)。
（4）激勵性
薪酬是以提高薪酬激勵為導(dǎo)向，通過動態(tài)薪酬、獎金等激勵性工資單位的設(shè)計，激發(fā)員工的積極性。此外，還應(yīng)設(shè)計和開放不同的薪酬渠道，使不同職位的員工獲得平等的晉升機會。
2、薪酬制度影響因素：
（1）薪酬的制定是否依據(jù)職位分析進(jìn)行；
（2）薪酬的制定是否與員工的績效掛鉤；
（3）薪酬的制定是否與員工能力掛鉤；
（5）薪酬是否做到公平公正。
之前看了Mahout官方示例 20news 的調(diào)用實現(xiàn)；于是想根據(jù)示例的流程實現(xiàn)其他例子。網(wǎng)上看到了一個關(guān)于天氣適不適合打羽毛球的例子。
訓(xùn)練數(shù)據(jù)：
Day Outlook Temperature Humidity Wind PlayTennis
D1 Sunny Hot High Weak No
D2 Sunny Hot High Strong No
D3 Overcast Hot High Weak Yes
D4 Rain Mild High Weak Yes
D5 Rain Cool Normal Weak Yes
D6 Rain Cool Normal Strong No
D7 Overcast Cool Normal Strong Yes
D8 Sunny Mild High Weak No
D9 Sunny Cool Normal Weak Yes
D10 Rain Mild Normal Weak Yes
D11 Sunny Mild Normal Strong Yes
D12 Overcast Mild High Strong Yes
D13 Overcast Hot Normal Weak Yes
D14 Rain Mild High Strong No
檢測數(shù)據(jù)：
sunny，hot，high，weak
結(jié)果：
Yes=》 0.007039
No=》 0.027418
于是使用Java代碼調(diào)用Mahout的工具類實現(xiàn)分類。
基本思想：
1. 構(gòu)造分類數(shù)據(jù)。
2. 使用Mahout工具類進(jìn)行訓(xùn)練，得到訓(xùn)練模型。
3。將要檢測數(shù)據(jù)轉(zhuǎn)換成vector數(shù)據(jù)。
4. 分類器對vector數(shù)據(jù)進(jìn)行分類。
接下來貼下我的代碼實現(xiàn)=》
1. 構(gòu)造分類數(shù)據(jù)：
在hdfs主要創(chuàng)建一個文件夾路徑 /zhoujainfeng/playtennis/input 并將分類文件夾 no 和 yes 的數(shù)據(jù)傳到hdfs上面。
數(shù)據(jù)文件格式，如D1文件內(nèi)容： Sunny Hot High Weak
2. 使用Mahout工具類進(jìn)行訓(xùn)練，得到訓(xùn)練模型。
3。將要檢測數(shù)據(jù)轉(zhuǎn)換成vector數(shù)據(jù)。
4. 分類器對vector數(shù)據(jù)進(jìn)行分類。
這三步，代碼我就一次全貼出來；主要是兩個類 PlayTennis1 和 BayesCheckData = =》
package myTesting.bayes;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.util.ToolRunner;
import org.apache.mahout.classifier.naivebayes.training.TrainNaiveBayesJob;
import org.apache.mahout.text.SequenceFilesFromDirectory;
import org.apache.mahout.vectorizer.SparseVectorsFromSequenceFiles;
public class PlayTennis1 {
private static final String WORK_DIR = "hdfs://192.168.9.72:9000/zhoujianfeng/playtennis";
/*
* 測試代碼
*/
public static void main(String[] args) {
//將訓(xùn)練數(shù)據(jù)轉(zhuǎn)換成 vector數(shù)據(jù)
makeTrainVector();
//產(chǎn)生訓(xùn)練模型
makeModel(false);
//測試檢測數(shù)據(jù)
BayesCheckData.printResult();
}
public static void makeCheckVector(){
//將測試數(shù)據(jù)轉(zhuǎn)換成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"testinput";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失?。?#34;);
System.exit(1);
}
//將序列化文件轉(zhuǎn)換成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件轉(zhuǎn)換成向量失敗！");
System.out.println(2);
}
}
public static void makeTrainVector(){
//將測試數(shù)據(jù)轉(zhuǎn)換成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"input";
String output = WORK_DIR+Path.SEPARATOR+"tennis-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失敗！");
System.exit(1);
}
//將序列化文件轉(zhuǎn)換成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件轉(zhuǎn)換成向量失??！");
System.out.println(2);
}
}
public static void makeModel(boolean completelyNB){
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-vectors"+Path.SEPARATOR+"tfidf-vectors";
String model = WORK_DIR+Path.SEPARATOR+"model";
String labelindex = WORK_DIR+Path.SEPARATOR+"labelindex";
Path in = new Path(input);
Path out = new Path(model);
Path label = new Path(labelindex);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
if(fs.exists(label)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(label, true);
}
TrainNaiveBayesJob tnbj = new TrainNaiveBayesJob();
String[] params =null;
if(completelyNB){
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow","-c"};
}else{
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow"};
}
ToolRunner.run(tnbj, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("生成訓(xùn)練模型失??！");
System.exit(3);
}
}
}
package myTesting.bayes;
import java.io.IOException;
import java.util.HashMap;
import java.util.Map;
import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.fs.PathFilter;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.mahout.classifier.naivebayes.BayesUtils;
import org.apache.mahout.classifier.naivebayes.NaiveBayesModel;
import org.apache.mahout.classifier.naivebayes.StandardNaiveBayesClassifier;
import org.apache.mahout.common.Pair;
import org.apache.mahout.common.iterator.sequencefile.PathType;
import org.apache.mahout.common.iterator.sequencefile.SequenceFileDirIterable;
import org.apache.mahout.math.RandomAccessSparseVector;
import org.apache.mahout.math.Vector;
import org.apache.mahout.math.Vector.Element;
import org.apache.mahout.vectorizer.TFIDF;
import com.google.common.collect.ConcurrentHashMultiset;
import com.google.common.collect.Multiset;
public class BayesCheckData {
private static StandardNaiveBayesClassifier classifier;
private static Map<String, Integer> dictionary;
private static Map<Integer, Long> documentFrequency;
private static Map<Integer, String> labelIndex;
public void init(Configuration conf){
try {
String modelPath = "/zhoujianfeng/playtennis/model";
String dictionaryPath = "/zhoujianfeng/playtennis/tennis-vectors/dictionary.file-0";
String documentFrequencyPath = "/zhoujianfeng/playtennis/tennis-vectors/df-count";
String labelIndexPath = "/zhoujianfeng/playtennis/labelindex";
dictionary = readDictionnary(conf, new Path(dictionaryPath));
documentFrequency = readDocumentFrequency(conf, new Path(documentFrequencyPath));
labelIndex = BayesUtils.readLabelIndex(conf, new Path(labelIndexPath));
NaiveBayesModel model = NaiveBayesModel.materialize(new Path(modelPath), conf);
classifier = new StandardNaiveBayesClassifier(model);
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("檢測數(shù)據(jù)構(gòu)造成vectors初始化時報錯。。。。");
System.exit(4);
}
}
/**
* 加載字典文件，Key: TermValue； Value：TermID
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map<String, Integer> readDictionnary(Configuration conf, Path dictionnaryDir) {
Map<String, Integer> dictionnary = new HashMap<String, Integer>();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
String name = path.getName();
return name.startsWith("dictionary.file");
}
};
for (Pair<Text, IntWritable> pair : new SequenceFileDirIterable<Text, IntWritable>(dictionnaryDir, PathType.LIST, filter, conf)) {
dictionnary.put(pair.getFirst().toString(), pair.getSecond().get());
}
return dictionnary;
}
/**
* 加載df-count目錄下TermDoc頻率文件，Key: TermID； Value：DocFreq
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map<Integer, Long> readDocumentFrequency(Configuration conf, Path documentFrequencyDir) {
Map<Integer, Long> documentFrequency = new HashMap<Integer, Long>();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
return path.getName().startsWith("part-r");
}
};
for (Pair<IntWritable, LongWritable> pair : new SequenceFileDirIterable<IntWritable, LongWritable>(documentFrequencyDir, PathType.LIST, filter, conf)) {
documentFrequency.put(pair.getFirst().get(), pair.getSecond().get());
}
return documentFrequency;
}
public static String getCheckResult(){
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String classify = "NaN";
BayesCheckData cdv = new BayesCheckData();
cdv.init(conf);
System.out.println("init done...............");
Vector vector = new RandomAccessSparseVector(10000);
TFIDF tfidf = new TFIDF();
//sunny，hot，high，weak
Multiset<String> words = ConcurrentHashMultiset.create();
words.add("sunny",1);
words.add("hot",1);
words.add("high",1);
words.add("weak",1);
int documentCount = documentFrequency.get(-1).intValue(); // key=-1時表示總文檔數(shù)
for (Multiset.Entry<String> entry : words.entrySet()) {
String word = entry.getElement();
int count = entry.getCount();
Integer wordId = dictionary.get(word); // 需要從dictionary.file-0文件（tf-vector）下得到wordID，
if (StringUtils.isEmpty(wordId.toString())){
continue;
}
if (documentFrequency.get(wordId) == null){
continue;
}
Long freq = documentFrequency.get(wordId);
double tfIdfValue = tfidf.calculate(count, freq.intValue(), 1, documentCount);
vector.setQuick(wordId, tfIdfValue);
}
// 利用貝葉斯算法開始分類,并提取得分最好的分類label
Vector resultVector = classifier.classifyFull(vector);
double bestScore = -Double.MAX_VALUE;
int bestCategoryId = -1;
for(Element element: resultVector.all()) {
int categoryId = element.index();
double score = element.get();
System.out.println("categoryId:"+categoryId+" score:"+score);
if (score > bestScore) {
bestScore = score;
bestCategoryId = categoryId;
}
}
classify = labelIndex.get(bestCategoryId)+"(categoryId="+bestCategoryId+")";
return classify;
}
public static void printResult(){
System.out.println("檢測所屬類別是："+getCheckResult());
}
}
1. 請介紹一下WebGIS的概念和作用，以及在實際應(yīng)用中的優(yōu)勢和挑戰(zhàn)。
WebGIS是一種基于Web技術(shù)的地理信息系統(tǒng)，通過將地理數(shù)據(jù)和功能以可視化的方式呈現(xiàn)在Web瀏覽器中，實現(xiàn)地理空間數(shù)據(jù)的共享和分析。它可以用于地圖瀏覽、空間查詢、地理分析等多種應(yīng)用場景。WebGIS的優(yōu)勢包括易于訪問、跨平臺、實時更新、可定制性強等，但也面臨著數(shù)據(jù)安全性、性能優(yōu)化、用戶體驗等挑戰(zhàn)。
2. 請談?wù)勀赪ebGIS開發(fā)方面的經(jīng)驗和技能。
我在WebGIS開發(fā)方面有豐富的經(jīng)驗和技能。我熟悉常用的WebGIS開發(fā)框架和工具，如ArcGIS API for JavaScript、Leaflet、OpenLayers等。我能夠使用HTML、CSS和JavaScript等前端技術(shù)進(jìn)行地圖展示和交互設(shè)計，并能夠使用后端技術(shù)如Python、Java等進(jìn)行地理數(shù)據(jù)處理和分析。我還具備數(shù)據(jù)庫管理和地理空間數(shù)據(jù)建模的能力，能夠設(shè)計和優(yōu)化WebGIS系統(tǒng)的架構(gòu)。
3. 請描述一下您在以往項目中使用WebGIS解決的具體問題和取得的成果。
在以往的項目中，我使用WebGIS解決了許多具體問題并取得了顯著的成果。例如，在一次城市規(guī)劃項目中，我開發(fā)了一個基于WebGIS的交通流量分析系統(tǒng)，幫助規(guī)劃師們評估不同交通方案的效果。另外，在一次環(huán)境監(jiān)測項目中，我使用WebGIS技術(shù)實現(xiàn)了實時的空氣質(zhì)量監(jiān)測和預(yù)警系統(tǒng)，提供了準(zhǔn)確的空氣質(zhì)量數(shù)據(jù)和可視化的分析結(jié)果，幫助政府和公眾做出相應(yīng)的決策。
4. 請談?wù)勀鷮ebGIS未來發(fā)展的看法和期望。
我認(rèn)為WebGIS在未來會繼續(xù)發(fā)展壯大。隨著云計算、大數(shù)據(jù)和人工智能等技術(shù)的不斷進(jìn)步，WebGIS將能夠處理更大規(guī)模的地理數(shù)據(jù)、提供更豐富的地理分析功能，并與其他領(lǐng)域的技術(shù)進(jìn)行深度融合。我期望未來的WebGIS能夠更加智能化、個性化，為用戶提供更好的地理信息服務(wù)，助力各行各業(yè)的決策和發(fā)展。
