检索结果-内蒙古大学图书馆

知识管理论坛 2022年第3期7卷 314-331页

作者：刘勘赵帅彭虎锋黄漫宇中南财经政法大学信息与安全工程学院武汉430073 中南财经政法大学工商管理学院武汉430073

[目的/意义]明确我国营商环境政策发展态势,揭示政策重点的时序演化规律,为后续政策的制定与完善提供数据支撑。[方法/过程]基于2001-2020年中央及各地方政府发布的营商环境政策文本,以两年为一个时间片,通过动态主题模型得到30个营商... 详细信息

[目的/意义]明确我国营商环境政策发展态势,揭示政策重点的时序演化规律,为后续政策的制定与完善提供数据支撑。[方法/过程]基于2001-2020年中央及各地方政府发布的营商环境政策文本,以两年为一个时间片,通过动态主题模型得到30个营商环境主题的时序演化分布,然后将主题归纳到市场环境、政务环境、人文环境和法律环境4个维度下,进而研究营商环境政策中各维度的主题强度及重点发展趋向。[结果/结论]营商环境政策主要集中于政务环境和市场环境建设,政策力度分配不均,且各维度强度在不同经济地区下差异显著,由此针对营商环境政策提出的建议包括:强化市场导向,减弱政务干预,引入法制规范,等等。

关键词：营商环境政策文本挖掘动态主题模型主题演化

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的多语言跨领域主题对齐模型

引用

清华大学学报（自然科学版） 2020年第5期60卷 430-439页

作者：余传明原赛胡莎莎安璐中南财经政法大学信息与安全工程学院武汉430073 中南财经政法大学统计与数学学院武汉430073 武汉大学信息管理学院武汉430072

在主题深度表示学习的基础上,该文提出了一种融合双语词嵌入的主题对齐模型(topic alignment model, TAM),通过双语词嵌入扩充语义对齐词汇词典,在传统双语主题模型基础上设计辅助分布用于改进不同词分布的语义共享,以此改善跨语言和跨... 详细信息

在主题深度表示学习的基础上,该文提出了一种融合双语词嵌入的主题对齐模型(topic alignment model, TAM),通过双语词嵌入扩充语义对齐词汇词典,在传统双语主题模型基础上设计辅助分布用于改进不同词分布的语义共享,以此改善跨语言和跨领域情境下的主题对齐效果;提出了2种新的指标,即双语主题相似度(bilingual topic similarity, BTS)和双语对齐相似度(bilingual alignment similarity, BAS),用于评价辅助分布对齐的效果。相比传统的对齐模型MCTA, TAM在跨语言主题对齐任务中双语对齐相似度提升了约1.5%,在跨领域主题对齐任务中F1值提升了约10%。研究结果对于改进跨语言和跨领域信息处理具有重要意义。

关键词：跨语言主题对齐跨领域主题对齐深度学习双语词嵌入知识对齐

来源：评论

学校读者我要写书评

暂无评论

突发公共卫生事件中的应急政策知识图谱

引用

软件导刊 2023年第9期22卷 113-123页

作者：管雨涵刘勘华中科技大学管理学院湖北武汉430074 中南财经政法大学信息与安全工程学院湖北武汉430073

构建面向突发公共卫生事件的政府应急管理政策知识图谱,利用知识互联及可视化优势,分析梳理各管理部门的应急政策发布、传递及部署措施,建立多元输入协调联动机制,提高突发公共卫生事件的应急治理效率。以新冠疫情为例,通过本体模式构建... 详细信息

构建面向突发公共卫生事件的政府应急管理政策知识图谱,利用知识互联及可视化优势,分析梳理各管理部门的应急政策发布、传递及部署措施,建立多元输入协调联动机制,提高突发公共卫生事件的应急治理效率。以新冠疫情为例,通过本体模式构建、BiLSTM+CNN-CRF算法进行实体关系抽取、数据填充,基于规则和表示进行知识推理,以及基于Neo4j进行可视化图谱构建。对图谱的抽检结果表明,图谱构建质量良好,推理情况均符合逻辑。基于该图谱,可以构建出信息传递网络,改进突发公共卫生事件中政策信息传递混乱无序、政策措施缺少关联、政策发布部门缺少协调等常见问题,提供应急管理政策制定、发布与流转的快速应急通道,为克服特殊时期应急管理的不足带来新的途径。

关键词：突发公共卫生事件知识图谱应急管理可视化图谱构建

来源：评论

学校读者我要写书评

暂无评论

基于ECM和D&M模型的社区团购用户持续使用意愿研究

引用

时代经贸 2023年第1期20卷 103-107页

作者：何东辰邓斌刘启川中南民族大学管理学院湖北武汉430074 中南财经政法大学信息安全与工程学院湖北武汉430073

随着价格红利的逐渐消失以及社区团购App同质化问题日益严重,如何提高满意度和持续使用意愿对于社区团购的发展至关重要。通过文献回顾发现,用户对于信息系统的感知会对其持续使用意愿产生影响。为了探究其内在的影响机制,本文根据期望... 详细信息

随着价格红利的逐渐消失以及社区团购App同质化问题日益严重,如何提高满意度和持续使用意愿对于社区团购的发展至关重要。通过文献回顾发现,用户对于信息系统的感知会对其持续使用意愿产生影响。为了探究其内在的影响机制,本文根据期望确认理论和信息系统成功理论,建立基于ECM和D&M的研究模型,检验研究提出的各项假设。研究结果表明,信息质量对满意度和感知有用有显著的正向影响,消费者更能感知到信息质量的差异,对信息质量有着更高要求。研究还发现,消费者在购买社区团购产品前内心对产品有所预期,收到商品后是否满足预期会对持续使用意愿产生影响。

关键词：社区团购持续使用意愿期望确认理论信息系统成功模型

来源：评论

学校读者我要写书评

暂无评论

基于激励相容契约的ATO式供应链交叉协调研究

引用

中国管理科学 2021年第6期29卷 125-135页

作者：李毅鹏马士华袁开福中南财经政法大学信息与安全工程学院湖北武汉430073 华中科技大学管理学院湖北武汉430074 贵州财经大学工商管理学院贵州贵阳550025

考虑由两个零部件供应商与单个制造商组成的按订单装配式供应链中的信息不对称问题。以完全信息下各成员的利润作为基准,分析了成本类型信息占优的单个供应商"信息伪装"对纵向制造商和横向互补供应商所造成的损失,提出了基于... 详细信息

考虑由两个零部件供应商与单个制造商组成的按订单装配式供应链中的信息不对称问题。以完全信息下各成员的利润作为基准,分析了成本类型信息占优的单个供应商"信息伪装"对纵向制造商和横向互补供应商所造成的损失,提出了基于激励相容的供应商-制造商纵向契约和横向互补供应商参与下的交叉协调契约。通过数学建模和仿真数据分析,研究表明:制造商主导的针对单个信息不对称供应商的激励契约,会产生"低端向下扭曲"现象,降低了横向供应商的最优订单量;制造商与横向的信息对称供应商分担信息租金而形成的交叉协调,在显示真实成本信息的同时,还可以提高最优订单量和整个供应链的全局利润。

关键词：信息不对称激励相容交叉协调按订单装配

来源：评论

学校读者我要写书评

暂无评论

中部六省视域下河南省装备制造企业绿色竞争力评价及提升对策

引用

河南工学院学报 2022年第5期30卷 50-55页

作者：毛强苏梦然徐敏睿王维靖河南工学院管理学院河南新乡453003 中南财经政法大学信息与安全工程学院湖北武汉430073

为测度河南省装备制造企业的绿色竞争力水平,构建了装备制造企业绿色竞争力的评价指标,选取了绿色竞争力评价模型,对中部六省装备制造企业的绿色竞争力进行了评价。对比六省,河南省装备制造企业在转型升级、绿色改造过程存在自主创新能... 详细信息

为测度河南省装备制造企业的绿色竞争力水平,构建了装备制造企业绿色竞争力的评价指标,选取了绿色竞争力评价模型,对中部六省装备制造企业的绿色竞争力进行了评价。对比六省,河南省装备制造企业在转型升级、绿色改造过程存在自主创新能力不强、缺乏资金投入、高层次人才比例较低问题,这要求政府要完善科技创新政策体系,用好财政资金,改善营商环境,健全人才引进、培育制度;企业也要提升创新能力,淘汰落后产能,革新经营理念,大力引进、培育专业人才。

关键词：装备制造企业绿色竞争力河南

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的知识表示研究:网络视角

引用

数据分析与知识发现 2020年第1期4卷 63-75页

作者：余传明李浩男王曼怡黄婷婷安璐中南财经政法大学信息与安全工程学院武汉430073 中南财经政法大学统计与数学学院武汉430073 武汉大学信息管理学院武汉430072

【目的】从知识网络视角探究如何更好地表示知识对象的语义关系。【方法】在已有网络表示学习算法的基础上,借助于集成学习和深度学习思想,提出组合式知识网络表示学习模型(Combined Knowledge Network Representation Learning,CKNRL)... 详细信息

【目的】从知识网络视角探究如何更好地表示知识对象的语义关系。【方法】在已有网络表示学习算法的基础上,借助于集成学习和深度学习思想,提出组合式知识网络表示学习模型(Combined Knowledge Network Representation Learning,CKNRL)。【结果】在中英文新闻平行语料的知识网络链接预测任务上,CKNRL模型的AUC取值为0.929,高于单一的网络表示算法DeepWalk(0.925)、Node2Vec(0.926)和SDNE(0.899),验证了CKNRL模型的有效性。【局限】实证研究仅建立在共词网络的基础上,尚未检验CKNRL模型在更多类型的知识网络链接预测中的效果。【结论】通过建立融合模型能够更好地表示知识对象之间的语义关系。

关键词：知识表示深度学习网络表示学习链接预测

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的词汇表示模型对比研究

引用

数据分析与知识发现 2020年第8期4卷 28-40页

作者：余传明王曼怡林虹君朱星宇黄婷婷安璐中南财经政法大学信息与安全工程学院武汉430073 中南财经政法大学统计与数学学院武汉430073 武汉大学信息管理学院武汉430072

【目的】系统揭示传统深度表示模型与最新预训练模型的原理,探究其在文本挖掘任务中的效果差异。【方法】采用对比研究法,从模型侧和实验侧分别比较传统模型与最新模型在CR、MR、MPQA、Subj、SST-2和TREC六个数据集上的效果差异。【结... 详细信息

【目的】系统揭示传统深度表示模型与最新预训练模型的原理,探究其在文本挖掘任务中的效果差异。【方法】采用对比研究法,从模型侧和实验侧分别比较传统模型与最新模型在CR、MR、MPQA、Subj、SST-2和TREC六个数据集上的效果差异。【结果】在六个任务中,XLNet模型取得了最高的平均F1值(0.9186),优于ELMo(0.8090)、BERT(0.8983)、Word2Vec(0.7692)、GloVe(0.7576)和FastText(0.7506)。【局限】由于篇幅限制,实证研究以文本挖掘中的分类任务为主,尚未比较词汇表示学习方法在机器翻译、问答等其他任务中的效果。【结论】传统深度表示学习模型与最新预训练模型在文本挖掘任务中的表现存在较大差异。

关键词：词汇表示学习知识表示深度学习文本挖掘

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的热点事件主题表示研究

引用

数据分析与知识发现 2020年第4期4卷 1-14页

作者：余传明原赛朱星宇林虹君张普亮安璐中南财经政法大学信息与安全工程学院武汉430073 中南财经政法大学统计与数学学院武汉430073 武汉大学信息管理学院武汉430072

【目的】探究如何针对热点事件进行主题表示学习,检验主题表示模型在主题分类和主题相关度等任务上的效果。【方法】融合LDA2Vec方法构建主题表示学习模型W-LDA2Vec,通过联合训练初始化后的文档向量和词向量以预测中枢词的上下文向量,... 详细信息

【目的】探究如何针对热点事件进行主题表示学习,检验主题表示模型在主题分类和主题相关度等任务上的效果。【方法】融合LDA2Vec方法构建主题表示学习模型W-LDA2Vec,通过联合训练初始化后的文档向量和词向量以预测中枢词的上下文向量,获得含有主题信息的词表示和包含上下文信息的主题表示。【结果】在热点事件主题分类任务上,本文模型取得了最高的F1值(0.893),较4种基线模型LDA、Word2Vec、TEWV和Doc2Vec分别提升0.314、0.057、0.022和0.013;在热点事件主题相关度任务上,当主题数为10时,本文模型取得了较高的相关性分数(0.462 5),较LDA模型提高0.067 8。【局限】实验语料库仅限于中英文两种语言。【结论】本文方法通过将主题信息嵌入到词表示、文档表示中,能够有效提升在热点事件主题分类和主题相关度等任务上的效果。

关键词：知识表示主题表示主题模型热点事件深度学习

来源：评论

学校读者我要写书评

暂无评论

基于网络表示学习的作者重名消歧研究

引用

数据分析与知识发现 2020年第2期4卷 48-59页

作者：余传明钟韵辞林奥琛安璐中南财经政法大学信息与安全工程学院武汉430073 武汉大学信息管理学院武汉430072

【目的】消除文献系统中的作者重名歧义,以解决其导致的文献错误聚合问题。【方法】通过结构化文献数据建立作者网络、文献网络以及作者-文献网络,融合不同网络表示学习方法获得文献节点表示,并采用无监督学习方法,将文献节点表示作为特... 详细信息

【目的】消除文献系统中的作者重名歧义,以解决其导致的文献错误聚合问题。【方法】通过结构化文献数据建立作者网络、文献网络以及作者-文献网络,融合不同网络表示学习方法获得文献节点表示,并采用无监督学习方法,将文献节点表示作为特征,使用层次凝聚聚类按照真实作者对文献进行正确划分。【结果】在ArnetMiner、CiteSeerX和DBLP三组数据集上进行实证研究,本文方法在网络稀疏的情况下仍然具有较好的效果,Macro-F1值在次优模型基础上最高提升6%。【局限】仅研究英文情境下的作者重名消歧。【结论】基于网络表示学习的方法能够有效解决作者重名消歧问题,实验结果对于改进科研合作推荐、引文推荐以及知识网络相关研究具有重要意义。

关键词：网络表示学习异构网络作者重名消歧无监督学习

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：