AR-Grams:一种应用于网络舆情热点发现的文本聚类方法

网络舆情热点发现是一种常用且处理速度要求较高的应用.针对网络舆情热点发现这一特殊应用场合,本文提出了一种基于随机N-Gram的文本聚类方法AR-Grams.该方法通过随机N-Gram的文本相似度计算方法,确立待聚类文档集中各个初始聚类的标志文档并完成初步的聚类操作,继而通过聚类元素数阈值来确定初始聚类,并可根据实际情况确定是否执行聚类合并.该方法生成的聚类内聚性好,准确率高.另外,为了便于评估整体的聚类效果,提出了聚类的整体覆盖率和正确覆盖率.实验结果表明:与对比方法DR-Grams相比,在低阈值时,AR-Grams的准确率、召回率、F-score、正确覆盖率分别提高了11.9％、9.1％、10.2％和9.2％,提升效果尤为明显;在高阈值时,效果基本相当;在整体上,前述4项指标则分别提高了4.5％、2.9％、3.5％和3.0％,优于对比方法DR-Grams.     

社会资源参与精准扶贫的动机与激励路径研究

在精准扶贫的过程中存在政府资源有限、资金不足的问题,对于这个问题,需要吸引更多的社会资源的广泛参与,才能更好的实现精准扶贫的目标。为了调动社会资源参与精准扶贫的积极性,必须了解社会资源参与精准扶贫的动机及其影响因素,才能充分调动社会资源的参与积极性。本文在当前社会资源参与模式进行简单的总结,进而分析社会资源参与精准扶贫可能的动机,包括:盈利动机、慈善动机以及介于两者之间的社会责任动机,并分析影响社会资源参与精准扶贫的因素,包括:激励机制、社会认知能力和社会环境。结合参与动机及其影响因素,提出激励社会资源参与精准扶贫的路径。     

基于动态博弈的补贴模式对机场群航线网络结构的影响研究

为探讨不同补贴模式对机场群航线网络结构的影响，本文构建了关于机场、航空公司和乘客之间的动态博弈模型，通过逆向归纳法得到了纳什均衡条件. 研究结果发现：（1）不同的补贴模式对多机场航线网络结构产生重要影响，低补贴模式促使机场群倾向于形成点对点航线网络结构，反之，在高补贴模式下机场群易于形成枢纽辐射航线网络； （2）在较低的空铁联运总运营成本环境下，补贴竞争使得航空公司倾向于选择系统内的大型机场作为枢纽机场；反之，如果空铁联运总运营成本相对较高，补贴竞争使得航空公司倾向于选择小机场作为枢纽节点； （3）随航班固定成本和空铁联运总运营成本的增大，大型机场作为枢纽节点的概率逐渐减少，而小机场被选为枢纽节点的概率将逐渐增大. 随着机场群内大型机场腹地服务人口比例的增大，航空公司选择点对点航线网络的概率在减小. 研究结论能够为民航管理部门科学制定和应用航线补贴政策提供决策依据.     

论凝视视角下女性性别的建构与对抗

社会性别是在生理差异基础上社会后天建构的一套制度安排,是代代相传的社会期待的建构。女性性别的建构背后藏匿着对于女性的权力限制,父权制社会中的男性凝视使女性性别的建构得以完成并持续。在当今新媒体时代,女性主体意识逐渐觉醒,在对男性凝视的抗争中出现了"男色消费"与女性凝视现象。但女性凝视是一种戏谑化的对抗,如何在抵抗、拆解父权制建构的具有限制性的性别秩序之后,提供一个有别于父权逻辑的新编码与架构,以发挥出女性主体的生命经验及真正的女性力量,依旧需要继续探索。     

论新时代学生体质健康多元治理的现代化

经济发展推动了社会结构的变化和学校教育的进步，导致了不同时期学生健康的问题表现和治理重点的变化。健康价值观和治理结构的稳定以及法治的加强保障了治理的基本成效。但健康的复杂性导致了学生体质健康治理中的政策边缘化和行动协同、知行合一、监督问责等新困境。新时代学生体质健康多元治理现代化是针对当前学生体质健康方面出现的新问题，构建政府主导、学校为主、家庭抚育、社会共建和个人负责的治理格局，实施系统性、多元化的健康干预，以保障学生健康权利、强化学校健康促进、培养健康生活型态、净化社会健康环境、增强健康自律意识，是治理理念、治理格局、治理环境和治理法治等多要素的现代化。     

基于GAN的通信干扰波形生成技术

现有通信干扰方法, 通常基于通信侦察中获取的目标信号特征进行干扰决策, 选取合适的干扰波形实施干扰, 难以应对目标信号特征未知或参数动态变化的情况。为此, 提出一种基于生成对抗网络(generative adversarial networks, GAN)的通信干扰波形生成技术, 运用GAN直接提取目标信号的潜在特征, 并生成与目标信号特征相似的干扰波形。在介绍GAN原理的基础上, 首先设计网络模型, 并对学习率进行优化, 使GAN更适用于时间序列通信干扰波形的生成。然后通过对不同类型和参数的通信信号进行干扰波形生成实验, 验证了该技术的泛化性。最后进行干扰效果对比试验, 结果表明, GAN生成的干扰波形干扰效果能够逼近最佳干扰效果。     

基于深度神经网络的高环境 适应性水声通信系统研究

深度神经网络中的自动编码器(Autoencoder,AE)通过收发端两个神经网络模块进行全局优化,利用端到端的训练方式以提高通信系统的可靠性.然而,现有对AE的研究未针对信道进行特殊设计,尤其对于时变的水声信道的多径效应,难以进行灵活调整,降低了该方法的实用性.本文提出一种提高水声通信系统信道环境适应性的Attention-Autoencoder网络模型,基于Attention网络可以高效地从大量信息中筛选出关键信息的特点,设计了一种针对水声信道的Attention机制,该机制能够增加网络提取水声信道特征的能力,使系统的适应性大大提高.仿真验证和湖试实验结果表明,基于Attention-Autoencoder网络模型的通信系统与基于文献中AE模型和没有引入神经网络的水声通信系统相比,具有更高的信道环境适应性.     

基于CWD和残差收缩网络的调制方式识别方法

针对低信噪比时莱斯信道下特征提取准确性难以保证、识别准确率偏低等问题, 提出一种基于Choi-Williams分布(Choi-Williams distribution, CWD)和深度残差收缩网络(deep residual shrinkage network, DRSN)的通信辐射源信号调制方式识别方法。利用CWD将时域复信号转换为二维时频矩阵, 对深度残差网络添加软阈值化得到DRSN, 将时频矩阵样本用于对DRSN的训练, 最终构建不同信噪比下的调制方式识别网络。仿真实验表明, 基于RadioML2016.10a数据集, 利用部分先验信息的情况下, 该分类识别方法具有较高的识别准确率和噪声鲁棒性。在0 dB时, 对11类信号的总体识别准确率达到了89.95%;在2 dB以上时, 总体识别准确率均超过91%, 优于其他深度学习识别方法。     

基于生成对抗网络的信号调制方式的开集识别

为解决信号调制方式的开集识别问题,基于生成对抗网络提出了一种适用于一维信号数据的重构判别网络模型,该模型由重构网络和判别网络组成,分别用来重构和判别输入信号。两个网络在相互对抗的训练过程中,对已知调制方式信号的数据分布形式充分学习,使得重构后的输出不仅能够呈现已知调制方式信号更多有用的信息,而且能够扰乱未知调制方式的信号,从而增强判别网络对输入信号调制方式的判别能力。仿真结果表明,该模型能够实现信号调制方式的开集识别,而且在信噪比大于0 dB时,对已知调制方式和未知调制方式信号的识别率均大于93%。     

人口流动如何影响主观幸福感——基于主观社会地位的中介效应

中国城镇化背景下的大规模人口流动行为一直都是学术界关注的焦点。但是关于人口流动行为与迁移个体的主观幸福感之间的关系依然鲜有研究。采用2014年中国劳动力动态调查（CLDS）数据，通过倾向得分匹配法研究迁移人群对幸福感认知的中介作用机制。研究结果发现：迁移行为显著影响了个体的主观幸福感水平；主观社会地位对于迁移行为-主观幸福感的关系具有明显的中介作用。最后，对于该研究的理论贡献和实践意义进行了讨论，并指出了未来的研究方向。