大数据背景下基于社交网络的聚类随机游走抽样算法研究

数字经济时代,社交网络作为数字化平台经济的重要载体,受到了国内外学者的广泛关注。大数据背景下,社交网络的商业应用价值巨大,但由于其网络规模空前庞大,传统的网络分析方法 因计算成本过高而不再适用。而通过网络抽样算法获取样本网络,再推断整体网络,可节约计算资源, 因此抽样算法的好坏将直接影响社交网络分析结论的准确性。现有社交网络抽样算法存在忽略网络内部拓扑结构、容易陷入局部网络、抽样效率过低等缺陷。为了弥补现有社交网络抽样算法的缺陷,本文结合大数据社交网络的社区特征,提出了一种聚类随机游走抽样算法。该方法首先使用社区聚类算法将原始网络节点进行社区划分,得到多个社区网络,然后分别对每个社区进行随机游走抽样获取样本网 络。数值模拟和案例应用的结果均表明,聚类随机游走抽样算法克服了传统网络抽样算法的缺点,能够在降低网络规模的同时较好地保留原始网络的结构特征。此外,该抽样算法还可以并行运算,有效提升抽样效率,对于大数据背景下大规模社交网络的抽样实践具有重大现实意义。     

政府减排目标、产业结构与污染减排

政府是污染减排的重要主体,了解其行为对污染减排的作用对提升污染减排效果及实现中国绿色发展具有重要意义。创造性地将政府减排目标纳入研究框架,构建面板门槛模型,从工业污染排放总量的角度分析政府减排目标、产业结构、经济规模等因素对地方污染减排的影响,并用工业污染物强度进行稳健性检验。结果显示,政府减排目标对污染减排的作用存在阶段性不同:经济发展初级阶段,政府减排目标对污染排放总量的作用方向为正; 经济发展水平较高时,作用方向为负; 两者之间存在适应性调整阶段,作用方向具有不确定性,但总体由正向作用向负向作用转变。产业结构对工业污染排放总量的作用方向因污染物种类而异,经济规模对工业污染排放总量作用方向为正。     

理论确证的类比模型解释

理论确证是科学哲学主要讨论的一个问题,但是在传统的归纳和演绎解释框架中,这一问题并未得到 彻底解决,它的两种解决策略都有难以克服的“确证悖论”。而从新的角度给予理论确证以比较完善的解释是一种 策略,类比模型为这一策略的实现提供了现实可行的方案。     

农业高科技企业成长机会价值量化模型构建及其应用

农业高科技企业成长机会包括农业高新技术研发和市场推广,是一个系列递进买方期权。其价值是农业高科技企业价值的核心部分。本文利用二项式分布模型构建了时间和概率因素下成长机会的期权形式价值量化模型,总结了农业高科技企业的期权性质及其特点,并以此为基础,进一步讨论了成长机会价值量化模型在农业高科技企业价值评估中的应用。