【正文】 建立CPI構(gòu)成中各類別價(jià)格權(quán)重的定期調(diào)整制度在歐、美等發(fā)達(dá)國家中，為及時(shí)反映變化了的居民消費(fèi)結(jié)構(gòu)和生活水平，CPI構(gòu)成中各類別價(jià)格權(quán)重的調(diào)整平均每兩年左右進(jìn)行一次；而我國目前的調(diào)整頻度還比較低，不能及時(shí)反映當(dāng)前經(jīng)濟(jì)的變化，形成一定的偏差。房價(jià)上漲會(huì)削弱老百姓的購買力，但CPI又無法反映房價(jià)漲跌的影響，這會(huì)導(dǎo)致低估包括CPI在內(nèi)的物價(jià)水平從而誤導(dǎo)政府決策。將購房價(jià)格納入到CPI盡管我國的統(tǒng)計(jì)部門已經(jīng)開始對住房這類商品編制國房景氣指數(shù)，以此來監(jiān)控我國房地產(chǎn)市場價(jià)格變化。但是，就目前CPI統(tǒng)計(jì)指數(shù)來看，這幾類居民最大的消費(fèi)不僅所占權(quán)重低，而且其基數(shù)小，甚至許多價(jià)格上漲快的消費(fèi)品根本就沒有統(tǒng)計(jì)，這也直接導(dǎo)致了我國CPI的變化與我國居民消費(fèi)支出壓力變化并沒有呈現(xiàn)出明顯的一致性。因此，我國CPI中食品類商品所占權(quán)重不應(yīng)與歐美發(fā)達(dá)國家看齊，而是應(yīng)該與我國經(jīng)濟(jì)結(jié)構(gòu)以及所處經(jīng)濟(jì)發(fā)展階段綜合考慮后作出相應(yīng)的調(diào)整。但也不能過低：雖然人們的收入在提高，食品類消費(fèi)支出占總收入比例明顯下降，但與發(fā)達(dá)國家相比，仍然很高，加上我們的習(xí)慣：民以食為天。我國CPI構(gòu)成調(diào)整的建議 很明顯，我國的金融調(diào)控很有必要關(guān)注更廣泛意義上的物價(jià)穩(wěn)定，進(jìn)而尋求到衡量我國物價(jià)總體水平的更好方式與方法。因此，我們有必要適當(dāng)下調(diào)CPI中食品類所占權(quán)重、降低由農(nóng)產(chǎn)品價(jià)格上漲引致的CPI上漲幅度，只有這樣才能減輕運(yùn)用政策手段抑制農(nóng)產(chǎn)品價(jià)格上升的程度，更真實(shí)的反應(yīng)我們的物價(jià)水平。為了使CPI緩和變動(dòng)，同時(shí)為了保障城鎮(zhèn)居民的正常生活不受影響，國家在抑制CPI高漲時(shí)采取的政策措施往往首先也是從食品類商品著手。在這種背景下，食品類商品在CPI中權(quán)重過高不僅無法反映經(jīng)濟(jì)運(yùn)行和城鄉(xiāng)居民生活的真實(shí)狀況，同時(shí)與其它國家相比也不具有直接的可比性。房價(jià)上漲削弱老百姓的購買力，但CPI又無法反映房價(jià)漲跌的影響，這是導(dǎo)致低估CPI誤導(dǎo)管理者進(jìn)行決策的一個(gè)重要原因?？梢哉f中國老百姓的購房需求要遠(yuǎn)大于其他國家，如果我們完全采用歐美國家的規(guī)定，將房價(jià)排斥在CPI之外，導(dǎo)致的結(jié)果就是物價(jià)指數(shù)遠(yuǎn)離老百姓的真實(shí)感受。將這些相加得出一個(gè)結(jié)論：在美國CPI構(gòu)成中，居住類占比重最大，％。另外，在發(fā)達(dá)國家CPI構(gòu)成中，和居住相關(guān)的費(fèi)用在整個(gè)CPI中的權(quán)數(shù)是比較高的。盡管按照其他國家的慣例，購房屬于投資行為而非消費(fèi)行為，所以不應(yīng)計(jì)入消費(fèi)物價(jià)指數(shù)。從這信息中我們可以得出一個(gè)基本的結(jié)論：我們的資金有很大一部分流向了樓市，進(jìn)一步抬高了我國的房地產(chǎn)價(jià)格。但從這一部分的整體趨勢來看，現(xiàn)在的CPI并不能真正反應(yīng)。另外占權(quán)重比較大的是家庭設(shè)備及維修、醫(yī)療、娛樂教育等。而我們知道，由于我國傳統(tǒng)的經(jīng)濟(jì)增長模式以及2008年以來我國出臺(tái)的大規(guī)模刺激內(nèi)需計(jì)劃，我國工業(yè)品的產(chǎn)能過剩問題日益突出，如果以美國為首的世界經(jīng)濟(jì)依然持續(xù)衰退，如果世界主要經(jīng)濟(jì)國家繼續(xù)他們目前已經(jīng)表現(xiàn)出的保護(hù)貿(mào)易政策，我國工業(yè)品產(chǎn)能過剩問題在短期內(nèi)根本無法解決。由于農(nóng)產(chǎn)品的供給具有典型的季節(jié)性特點(diǎn)，因此，以農(nóng)產(chǎn)品為主的食品類價(jià)格也會(huì)跟著發(fā)生相應(yīng)的波動(dòng)。根據(jù)我國CPI，食品類商品的權(quán)數(shù)為34%,所以食品類商品價(jià)格變動(dòng)會(huì)在很大程度上決定CPI數(shù)值的大小。每個(gè)基本分類又有兩個(gè)到十多個(gè)不同數(shù)量的規(guī)格品，共計(jì)700多個(gè)規(guī)格品種的商品和服務(wù)項(xiàng)目。我國目前采用的CPI商品分類目錄和編制方法始于2000年。通過考察CPI的變動(dòng)，我們不僅可以衡量一國物價(jià)水平變動(dòng)狀況，同時(shí)可以觀察和分析消費(fèi)品的零售價(jià)格和服務(wù)價(jià)格變動(dòng)對城鄉(xiāng)居民實(shí)際生活費(fèi)支出的影響程度，因此CPI重要的是宏觀經(jīng)濟(jì)分析和決策的指標(biāo)。然而近日國家統(tǒng)計(jì)局發(fā)布的數(shù)據(jù)，CPI有所回落；甚至，%,遠(yuǎn)遠(yuǎn)小于人們預(yù)期。1985年1987年的高通脹期間，1987年12月，%；M119921996年的高通脹期間，M1同比增速高達(dá)30%，2007年2008年期間，M1同比增速高達(dá)20%。而根據(jù)中國人民銀行發(fā)布的數(shù)據(jù)，2011年年末，廣義貨幣（M2），%，；狹義貨幣（M1），%，；流通中貨幣（M0），%。關(guān)鍵詞：CPI；購房價(jià)格；權(quán)重調(diào)整引言：日常的生活中，我們?nèi)找娓惺艿轿飪r(jià)上漲所帶來的壓力了，我們也常常感到我國CPI并沒有真實(shí)反映出我們的切身感受，但如果僅僅通過感覺就判斷我國CPI存在問題也過于草率。但是從我們平時(shí)的了解和接觸中，我國CPI并沒有真正反映我國的物價(jià)變動(dòng)情況。然而，傳統(tǒng)向量空間模型中相似度的計(jì)算沒有很好地考慮到特征詞之間的相互關(guān)聯(lián)與共現(xiàn)，使分類結(jié)果不甚理想。向量空間中，每一個(gè)元素對應(yīng)一個(gè)經(jīng)過提取之后的文本特征，可以認(rèn)為它就是語義鏈的一個(gè)組成部分。語義鏈中不僅有規(guī)范的詞匯，而且有規(guī)范的次序。顯然，它沒有非常顯別地考慮特征屬性關(guān)聯(lián)及其現(xiàn)等因素對文本相似度的影響，可以認(rèn)為北京理工大學(xué)軟件學(xué)院商務(wù)智能恰當(dāng)?shù)目紤]關(guān)聯(lián)與共現(xiàn)等因素，KNN的效果應(yīng)當(dāng)更好。為了分類合理，應(yīng)當(dāng)選定一個(gè)閾值，可以認(rèn)為測試文本屬于越過閾值的所有類。然后在此基礎(chǔ)上給每一個(gè)文本類打分，分值是k個(gè)訓(xùn)練文檔中屬于該類的文本與測試文本之間的文檔相似度之和。KNN方法是一種基于實(shí)例的方本分類方法。文檔向量中的各個(gè)維對應(yīng)于用于表征文檔的各個(gè)特征屬性。 改進(jìn)的KNN方法及其在文本分類中的應(yīng)用 文本分類的KNN方法在向量空間模型中，文本的內(nèi)容被形式化為多維空間中的一個(gè)點(diǎn)，通過向量的形式給出。WilSon 的Editing 算法和Devijver 的MultiEdit 算法,Kuncheva 使用遺傳算法在這方面也進(jìn)行了一些研究O 在訓(xùn)練樣本庫中每增加或刪除一個(gè)樣本時(shí), 都要對樣本進(jìn)行一次測試,反復(fù)迭代直到樣本庫不再變化,這對于有成百上千的訓(xùn)練樣本來說,其工作量是非常巨大的O 在本文的裁減訓(xùn)練樣本庫的方法中,首先利用CURE 聚類算法獲得樣本數(shù)據(jù)庫S 的代表樣本庫S1, 然后再用基于Tabu 算法的方法對新的訓(xùn)練樣本庫S1進(jìn)行一步維護(hù)(增加或刪除訓(xùn)練樣本),以得到一個(gè)分類性能較優(yōu)。在KNN 分類算法中,確定待分類樣本類別需要計(jì)算其與訓(xùn)練樣本庫中所有樣本的相似度,才能求得與其距離最近的I個(gè)樣本眾所周知,文本的特征向量空間具有很高的維數(shù), 這樣對于一個(gè)有成千上萬的訓(xùn)練樣本的文本分類系統(tǒng)而言,龐大的計(jì)算量將嚴(yán)重阻礙分類速度,難以達(dá)到用戶的實(shí)際需求,甚至導(dǎo)致KNN 算法在文本分類中失去實(shí)用性本文通過樣本庫的裁減來減少樣本相似度的計(jì)算量, 提高KNN 的分類速度,以提高KNN 在文本分類中的實(shí)用價(jià)值降低樣本相似度計(jì)算量, 加快KNN 算法分類速度的主要改進(jìn)辦法之一就是通過使用小樣本庫代替原來的大樣本庫進(jìn)行分類。 用于文本分類的改進(jìn)KNN算法在文本分類中,KNN 方法通常是建立在VSM 模型上的,其判斷樣本相似度的樣本距離測度通常使用歐氏距離在傳統(tǒng)的歐氏距離中,各特征的權(quán)重相同,也就是認(rèn)定各個(gè)特征對于分類的貢獻(xiàn)是相同的,顯然這是不符合實(shí)際情況的同等的權(quán)重使得特征向量之間相似度計(jì)算不夠準(zhǔn)確, 進(jìn)而影響分類精度。改進(jìn)算法中有領(lǐng)域半徑r，指定鄰域內(nèi)最小文本數(shù)m，選取簇類個(gè)數(shù)k，從k簇中選取距離最小的n個(gè)文本這幾個(gè)參數(shù)。第二步：根據(jù)評分結(jié)果進(jìn)行排序，選取前k個(gè)簇。sim(x,t)是