全文获取类型
收费全文 | 11169篇 |
免费 | 380篇 |
国内免费 | 164篇 |
专业分类
管理学 | 2614篇 |
劳动科学 | 99篇 |
民族学 | 45篇 |
人才学 | 380篇 |
人口学 | 151篇 |
丛书文集 | 1233篇 |
理论方法论 | 363篇 |
综合类 | 3771篇 |
社会学 | 914篇 |
统计学 | 2143篇 |
出版年
2024年 | 191篇 |
2023年 | 591篇 |
2022年 | 522篇 |
2021年 | 603篇 |
2020年 | 544篇 |
2019年 | 714篇 |
2018年 | 248篇 |
2017年 | 426篇 |
2016年 | 502篇 |
2015年 | 567篇 |
2014年 | 1101篇 |
2013年 | 676篇 |
2012年 | 687篇 |
2011年 | 673篇 |
2010年 | 629篇 |
2009年 | 655篇 |
2008年 | 684篇 |
2007年 | 389篇 |
2006年 | 255篇 |
2005年 | 275篇 |
2004年 | 121篇 |
2003年 | 167篇 |
2002年 | 128篇 |
2001年 | 102篇 |
2000年 | 92篇 |
1999年 | 41篇 |
1998年 | 31篇 |
1997年 | 16篇 |
1996年 | 26篇 |
1995年 | 19篇 |
1994年 | 9篇 |
1993年 | 7篇 |
1992年 | 7篇 |
1991年 | 5篇 |
1990年 | 1篇 |
1989年 | 3篇 |
1988年 | 4篇 |
1987年 | 2篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
391.
数据的确权对数据要素市场的发展至关重要。数据在不同场景下所衍生出的权利具有复杂性和差异性,很难使用一个统一的标准进行所有数据权利的确权。本文首次提出通过构建数据要素市场的分级授权机制来解决数据确权问题。通过构建经济学模型,本文发现政府可以通过设计有效的数据要素市场分级授权机制来促使平台企业自发地基于市场规则遵循数据分级授权的要求,一个有效的数据要素市场分级授权机制可有以下作用:(1)可以在遵守最小必要原则的同时,提升愿意授权数据的用户数和平台企业获得的数据总量;(2)可以提升用户福利,并增加用户福利份额;(3)可以在数据要素规模报酬递增水平增强时,更好地提升用户福利及用户福利份额;(4)可以通过制定合理的数据要素授权标准提升用户福利和用户福利份额。本文建议政府制定有效的数据要素市场分级授权指导文件,在促进数据要素市场健康发展的同时,提升数据要素市场的普惠性,从而实现数据要素市场的“共同富裕”。 相似文献
392.
393.
近年来 ,企业会计工作中出现的假发票、假收据、假凭证 ,甚至自制白条现象愈来愈严重 ,“假冒伪劣”会计报表日见其多 ,这不仅不利于企业的经营管理、效益提高 ,而且不利于国民收入的正确计算与分配 ,会造成经济决策失误 ,损害国家和社会公众的利益 ,直接为不正之风、贪污浪费、行贿受贿等腐败行为提供了方便与保护 ,为此必须对企业会计工作进行全面的整顿。一、会计虚假信息的表现形式1.经济业务失实失真。企业对不真实、不合理、不合法的经济业务按正常业务进行会计处理的行为屡见不鲜。具体表现为原始凭证上所反映的经济内容与实际情况不… 相似文献
394.
395.
396.
397.
398.
399.
提高工业取用水监测数据质量是目前国家水资源监控能力建设的重要内容,而奇异值问题已成为影响监测数据质量的关键短板。本文在解析现阶段工业取用水监测数据奇异值主要类型基础上,以国家水资源管理系统数据库中工业取用水监测数据为样本,利用小波变换模极大值模型提取工业取用水监测数据时频变化特征,并利用傅里叶函数对其残差序列进行修正,进而运用相对误差控制方法挖掘监测数据奇异值。在此基础上,采用混沌粒子群优化的最小二乘支持向量机模型重构填补奇异值数据。研究结果表明:小波变换模极大值模型能够较好地提取工业取用水监测数据序列的时频变化特征,但是同时容易导致监测数据的信息损失,利用傅里叶函数对小波变换进行残差修正则可进一步提升取用水监测数据序列的特征提取效果;以小波变换模极大值特征序列为基础,通过相对误差控制可实现对监测数据奇异值的高效挖掘;对于挖掘出的奇异值重构填补问题,可选取混沌粒子群优化的最小二乘支持向量机模型,其重构精度要优于多项式曲线拟合等传统统计学方法和普通最小二乘支持向量机模型。上述工业取用水监测数据奇异值挖掘重构策略为现阶段国家水资源监控能力建设的推进提供了重要技术方法支持。 相似文献
400.
随着大数据和网络的不断发展,网络调查越来越广泛,大部分网络调查样本属于非概率样本,难以采用传统的抽样推断理论进行推断,如何解决网络调查样本的推断问题是大数据背景下网络调查发展的迫切需求。本文首次从建模的角度提出了解决该问题的基本思路:一是入样概率的建模推断,可以考虑构建基于机器学习与变量选择的倾向得分模型来估计入样概率推断总体;二是目标变量的建模推断,可以考虑直接对目标变量建立参数、非参数或半参数超总体模型进行估计;三是入样概率与目标变量的双重建模推断,可以考虑进行倾向得分模型与超总体模型的加权估计与混合推断。最后,以基于广义Boosted模型的入样概率建模推断为例演示了具体解决方法。 相似文献