基于元学习的财务舞弊识别研究

本研究基于多元化数据挖掘和机器学习集成方法改进两个方面，对于如何识别财务舞弊并提高识别效率问题提供了系统性预测方法.在多元化数据方面，不仅对传统财务因子进行了重构，而且引入公司治理层面因子并利用文本分析构建了语言类因子.在机器学习集成方法改进方面，以9种不同特质的机器学习算法作为基学习器，套用元学习框架对上市公司财务舞弊进行系统性识别.研究发现：1)元学习框架能够显著提升舞弊样本召回率和预测精确度，提高整体学习器预测性能，并且对于大部分行业都有效果；2)接近真实场景的滚动预测方法下，元学习框架依然能显著提高基学习器的财务舞弊识别能力；3)公司治理因子、语言类因子对于财务舞弊识别有一定的帮助.     

汽车零部件供应商关系二维定量甄别研究

针对目前供应商关系识别以定性为主的现状,结合汽车零部件供应特征,建立了汽车零部件供应商关系二维定量甄别模型,从关系的类型和生命周期2个维度上对供应商关系进行定量甄别。在类型维度上将供应商关系分为合作伙伴、一般供应和临时采购3种关系类型,分类量化指标是价值比例、数量比例、到货及时率和潜在供应商数量,并采用Fisher判别分析法对其进行定量判别。生命周期维度上将供应商关系分为考察期、发展期、成熟期和衰退期4个阶段,将交易发展指数作为其量化指标。实证分析表明,所提出的供应商关系定量甄别指标和方法,能够有效地识别供应商关系的状态及其变化。     

基于影评数据的在线评论有用性影响因素研究

面对互联网上海量的在线客户评论,如何能快速有效地进行识别和选择从而发现和利用其中有用的评论,已经成为人们关注的重要问题.以体验型商品电影的在线评论为研究对象,结合文本挖掘技术和实证研究方法,从文本特征出发探索影响在线评论有用性的因素,建立在线评论有用性影响因素模型,并利用该模型对评论有用性进行分类预测.与现有相关研究相比,提出的模型总体拟合效果显著提高,并发现在线影评中积极的情感倾向、较高的正负情感混杂度、较高的主客观表达混杂度以及较长的平均各句长度,对评论的有用性具有显著的正面影响.最后预测结果表明,该模型对在线影评的有用性具有较强的判别能力.     

机器学习视域下网络舆情公开渠道精准化治理研究

机器学习作为人工智能技术的一种,能够建立起多情境模型用于舆情特征因素分类,帮助决策者选择最优舆情公开渠道。现阶段机器学习类型主要有监督学习、无监督学习、半监督学习三类学习算法,其实质就是寻找各种事物间的异同,再根据相关特征变量对事物进行精准分类,从而使舆情渠道引导更加科学、高效。当然,其技术不可避免地存在诸多缺陷,因而在具体操作中应克服其局限性。具体而言,要健全指标体系,规范影响因子;提高规律认知,规避算法"黑匣子";考量开发过程,缩减时间成本;配合人工辅助,提高识别准确率。     

在线学习系统应用效果研究

本文描述的中国移动广东公司在线学习U-learning系统,构建了包含价值定位、价值创造和价值传递在内的在线学习价值链研究模型,并选取中国移动服务厅营销经理为例,采用柯氏四级评估的方法对在线学习的应用效果进行了研究分析;同时,结合效果评估的情况,对在线学习的策略进行了详细的分析,明确了移动学习、社交学习、碎片学习等现在和将来企业在线学习领域需要重点把握的方法。     

在线口碑传播的意见领袖识别方法研究

Web2.0技术应用的不断深化,使得越来越多的用户在网络上发布对产品、服务、品牌或企业的评价,这些在线口碑极大影响着消费者的购买决策和企业的声誉、利润,如何识别出在线口碑传播中的意见领袖对企业有着重要价值。本文结合RFM模型和情感词自动判别方法,考虑情感(S)这一个新的指标,提出了RFMS模型来测量在线口碑发布者的影响力,应用人工神经网络识别出意见领袖,以程度中心性来评估识别结果的有效性。本文采用网络上获取的大众点评网的美食评论语料,对所提出的方法进行了数据实验,实验结果表明,该方法能够精确识别出意见领袖。     

基于在线算法的改进指数梯度投资组合策略

弱集成算法是对专家意见进行动态加权平均的在线学习算法。近年来,机器学习和人工智能等方法被用来研究在线投资组合问题。该文从弱集成算法的在线学习及其序列决策性角度出发,设计改进的指数梯度在线投资组合策略,以弥补指数梯度在线投资组合策略不能结合交易费用进行分析的缺陷。首先根据指数梯度在线投资组合策略的更新方法构建代表投资策略的专家意见池,并以此为基础应用弱集成算法加权集成专家意见得到改进的指数梯度在线投资组合策略,证明了该策略可与最优专家策略(基准策略)相媲美。其次将交易费用引入到改进的指数梯度在线投资组合策略中,进一步给出对应的投资策略,重要的是理论上证明了该策略实现的平均累积收益与最优专家策略实现的平均累积收益之间的差值存在渐进式下界,从而提高了指数梯度在线投资组合策略的实用性。最后利用国内外股票市场的历史数据进行实证分析,说明了改进的指数梯度在线投资组合策略的可行性和有效性。     

基于在线课程开展混合式教学的实践研究

在线教育是当前针对教学进行信息化改革的一大举措。在信息化教学的背景下,研究在线课程与传统教学相结合的混合式教学,是教育者关注的焦点问题。近年来,各地区已经在教学工作中引入了信息化教育,教师也依托在线教育平台探索创设了新的教学方式。目前,随着实践的深入,人们对在线课程如何开展已进入理性探索阶段,混合式教学已成为当前在线教育的主要模式,也是学校教学工作未来的发展趋势。     

随机RFM模型及其在零售顾客价值识别中的应用

对顾客进行价值识别是以顾客价值为导向进行差异化营销管理的基础和前提.本文通过建立随机RFM模型,提供了一种对未来顾客价值进行识别的模型方法,并利用一家购物中心的顾客交易数据对该方法进行了实证分析.结果表明随机RFM模型不仅是进行顾客价值识别与分析的有效工具,也是研究分析顾客购买行为的有效模型方法.该模型方法对于零售企业加强顾客价值分析,提高基于顾客价值的管理水平具有积极的实践意义.     

破产风险的测定与控制

破产风险同一般意义上的风险具有明显的差异,其研究对象涉及企业、个人等组成的社会群体,影响因素具有定性、定量相结合的特征.本文在文[1]基础上,做了如下改进工作采用定性识别与模型定量计算相结合的方式,研究了破产风险的识别、衡量和控制.采用基于参数分布和模糊识别方法对破产风险进行分类,提出破产概率推断方法,建立了企业寿命分布函数,最后给出破产风险控制的规划模型及仿真计算的案例.     

突发公共卫生事件下的在线社交媒体公众情绪挖掘

在线社交媒体是突发公共卫生事件中传播信息和表达情感的重要渠道,洞察公众对新闻的情绪反应可以帮助公共卫生部门制定有效的风险沟通策略。本研究应用自然语言处理方法,对在线社交媒体新闻进行内容分类,并识别公众评论所表达的情绪,提出了适用于突发公共卫生事件的在线社交媒体公众情绪挖掘方法。具体而言,本文以新冠疫情为案例,以微博平台为数据载体,分析三个具有代表性的官方媒体微博账号中有关疫情的新闻,识别出了8类内容,包括官方新闻发布、国内疫情进展、情感支持、新冠肺炎诊疗信息等。本文基于普拉切克(Plutchik)情绪框架,通过众包问卷和情绪词典构建了用户评论情绪的判别模型,进一步分析了不同新闻内容在疫情生命周期各阶段(发作期、遏制期、恢复期)对公众情绪的影响。研究发现,通过强调特定类型的风险信息可以调节公众情绪、提高公众风险意识,为风险沟通策略分析提供了实证基础。     

基于FNN的软件项目绩效评价模型研究

从分析软件项目绩效评价指标体系不完善、评价方法不规范和模型考虑因素过于单一入手,应用统计分析理论建立软件组织状态、软件项目自身特征的指标体系;以文献研究的方式,界定软件项目绩效的内涵;提出了一种新的网络拓扑结构设计方法,建立了基于模糊神经网络的软件项目绩效评价模型;引入改进粒子群学习算法,准确高效地解决了评价模型连接权系数的确定问题。实证研究表明,该模型能够有效地评价软件项目绩效和识别项目风险因素,对软件组织制定风险规避策略、改善项目绩效水平、提供了决策支持信息。     

基于知识采纳模型和多层感知机神经网络的评论有用性识别研究

移动互联网、社交媒体平台及电子商务的迅速发展，产生了大量的用户评论，其商业价值凸显，如何有效识别用户评论的有用性成为重要研究主题。本文提出基于知识采纳模型(Knowledge Adoption Model，KAM)理论和多层感知机(Multilayer Perceptron, MLP)神经网络的分类算法对评论文本进行有用性识别。该算法根据知识采纳模型理论从评论质量和评论来源可信度两方面进行评论有用性识别的特征提取：利用先验领域知识词典构造领域词占比、停用词占比等评论质量方面的特征,有效解决了特定领域评论存在的领域知识壁垒问题；根据评论作者的粉丝数、作者获赞数等信息构建评论来源可信度方面的特征。为了验证本文所提方法的识别效果，本文采用知乎论坛中医相关评论数据进行实验；实验结果表明，本文提出的方法能有效提高在线评论有用性的分类效果，提高了可解释性。     

基于CW-RNNs网络的手势识别算法

该文在分析表征手势特征和神经网络理论基础上,根据手运动轨迹的连续性规律来研究适用于手势识别的关键技术——基于手势轨迹模型的新型神经网络算法。针对手势识别的模糊性和准确性问题,基于手势局部区域跟踪结果,采用一种新型神经网络算法,实现用于人机交互的动态手势识别。手势识别部分的研究是采用一种新型的循环神经网络(CW-RNNs)对手势运动的轨迹进行识别。根据跟踪部分提取的手指运动轨迹坐标,定义手势模版,采用该方法对手势模版进行学习。首先定义连续动态手势模版,采用时间频率循环神经网络对手势模版进行学习,对每组孤立的动态手势模版进行学习,形成手势识别模型。对影响CW-RNNs模型的因素进行了实验验证和深度分析,通过与多层RNNs、三层RNNs的识别效果进行比较,论证了本文模型对手势轨迹模版识别的优越性。     

信息化背景下高职院校微课教学模式研究

当今世界进入飞速发展的信息时代,学校课本上的知识已经不能满足学习者的需求,网络教育和在线学习应运而生。微课可以带给学生全新的学习方式,成为高职院校一种新兴的辅助教学模式。本文从高职院校建立多媒体教学系统的必要性,微课教学存在的问题,完善微课教学激励措施,以及建立适当的评价反馈机制几方面进行论证,为深化信息化背景下的高职院校微课教学提出建议。     

高职工科学生自主学习能力的调查与对策研究

自主学习能力是指学习者在自主学习过程中表现出的一种能力倾向。这种能力具体表现在学习者自己确立学习目标、决定学习内容和进度、选择学习方法和策略、监控学习过程、评价学习效果等方面。本文将就高职工科学生的自主学习现状进行调查,探索提高自主学习能力的对策。     

考虑完成期限的电子商务在线订单分批模型及算法

在电子商务在线订单拣选系统中,订单到达时间和订购商品等信息未知。针对拣选设备容量、员工人数等资源有限约束情况,研究在何时、对多少订单进行分批优化,以保证在订单完成期限前以最短的时间拣出最多的订单。构建考虑订单完成期限的在线订单分批混合整数规划模型,以最小化平均有效订单服务时间,采用改进的固定时间窗订单分批启发式规则求解模型,定义剩余操作时间在[前置时间,配送准备时间]内的订单为紧急订单,构建综合考虑紧急程度和相似度因素的在线订单分批算法。采用某配送中心14：00～18：00时间段内以泊松分布（λ＝17）随机生成的订单进行数据实验,将实验结果与传统固定时间窗在线订单分批算法进行比较。研究结果表明,考虑完成期限时,系统拣选配送的订单数量更多,总服务时间和平均有效订单服务时间更短,且出现延迟订单的数量更少,延迟时间更短。拣选员工人数的增多在不同程度上提高配送率,且考虑完成期限时,配送率提高幅度要大于传统算法;但随着人数的增加,配送率的提高幅度呈降低趋势。     

基于模糊识别模型的品牌生命周期测评方法研究

品牌处于不同的生命周期阶段,其发展的战略侧重点不同,管理策略也相应不同。因此,准确划分品牌生命周期对于企业进行品牌管理、实现品牌可持续发展具有非常重要的指导意义。本文从品牌生命周期阶段的划分入手,选取反映品牌生命周期特征的指标,并建立模糊识别模型,对品牌生命周期阶段的测评方法进行研究,最后选取搜索引擎网站品牌对建立的品牌生命周期模糊识别模型进行了应用与验证。     

创业者非正式学习成果认证与转换研究

非正式学习成果的认证与转换有助于使成人学习者依靠工作经历、生活经历等途径获得的知识与能力得到认证,得到社会的认可,提高其利用价值,使其与学历教育、非学历教育成果更好地衔接与沟通,为提高成人学习者的学历水平与职业能力提供帮助。对于创业者这一群体来说,将其在先前学习经历中获得的行业经验及创业经验等非正式成果进行认证,不仅有助于创业者进一步明确自我的知识能力水平、认识自我的强项与不足、提升创业的成功率,也能为其学历的进一步提升建立通道。     

在合作学习中提高学生的自主性

自主学习在语言教学领域已经不是一个陌生术语了,然而对其定义和怎样提高自主性对中国很多学习者来说还不是很明确.本文在分析自主学习的定义的基础上指出影响其发展的因素有学习者的动机,信心,认知和学习策略,从而提出合作学习是提高学生自主性的一个有效方式,因为在合作学习中这些因素都能得到改变.