大规模指标下的环境效率评价方法研究

由于DEA模型的有效性识别能力随着指标变量的增加而减弱,文章针对环境效率评价问题中常常面临的不期望输出和大规模多重相关指标变量的问题,引入了一种基于主基底变量的数据降维方法,以提高DEA模型的有效性和判别能力;通过累计信息含量的测度,对主基底变量进行了有效筛选;在此基础上,提出了基于主基底变量的效率评价模型.实例分析说明了文章所提出方法的合理性和有效性.     

非合作博弈两阶段生产系统的环境效率评价

本文研究了环境效率评价中广泛存在的一类典型问题:两阶段非合作博弈的效率评价问题,该问题有两个明显的特点:(1)决策单元由经济生产子系统和污染物处理子系统两个阶段的子系统构成,(2)经济生产子系统产生的污染物由污染物处理子系统进行处理,且经济生产子系统居于主导地位,而污染物处理子系统居于从属地位.文章在分析各个决策单元整体效率与其子系统效率之间关系的基础上,提出一种能够同时评价决策单元整体效率和其子系统效率的DEA方法;然后引入非合作博弈思想,提出了基于两阶段非合作博弈的环境效率评价的DEA方法;最后采用中国各地区的工业系统的环境效率评价的实例分析说明了该方法的合理性和有效性.由于文章提出的方法能够有效地分析决策单元内部子系统的有效性水平,能够反映子系统之间的主从关系,能够发掘影响决策单元效率的关键因素,因而能够给出更为有效的环境管理信息,为决策者的决策提供科学的依据.     

社会学习视角下运营管理决策研究

随着电子商务的快速发展与广泛应用, 在线评论随处可及, 深刻地影响了消费者与企业的决策行为.基于社会学习视角, 介绍了相关概念及社会学习机理;深入分析了运营管理决策研究的现状、挑战与契机.在此基础上, 结合产品与服务管理实践, 从研究内容角度, 阐述了其延伸的4个方向, 即质量、服务与信息、产品类型、研究主体与社会学习平台;此外, 结合研究范式演变, 指出行为实验研究与数据驱动研究将成为不可或缺的研究范式, 形成多范式交叉融合的情形.文章旨在提炼社会学习视角下运营管理决策研究的未来发展方向, 为相关研究提供参考.     

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。