网络舆情及其应对与上市公司的信息效率

网络舆情的兴起给资本市场带来了深远影响,对监管层和上市公司的舆情管理工作也提出了新的挑战.借助于监管部门对深市上市公司网络舆情应对状况的调查,实证检验了网络舆情及其应对与上市公司的信息效率的关系.研究发现,网络舆情危机会造成当年度股价崩盘,且来自自媒体的转载会增大股价崩盘的幅度,网络舆情重视和应对程度良好的公司在面对舆情危机时的股价崩盘幅度更低.上市公司对网络舆情的重视及投入能够向资本市场传递公司特质信息,提高资本市场的信息效率,进而降低未来股价崩盘风险和股价同步性.结论表明,上市公司加强网络舆情应对并非是满足监管要求和投资者诉求的面子工程,而是一项切实有效的求是工作,结论对完善资本市场信息传播管理制度,提高资本市场信息效率具有一定的参考价值.     

人工智能背景下的配送网络优化方法研究

伴随着人工智能的快速发展,在配送领域内无人机得到广泛应用;针对卡车和无人机在配送中的特征,提出卡车与无人机联合配送模式下的路线网络规划问题;在假定该模式具体应用情境的基础上,分别以碳排放量以及配送效率为目标建立路径规划模型,根据模型的特征设计了相应的求解方法;最后通过算例论证联合配送模式的可行性与有效性。     

基于概率语言熵和交叉熵的多准则决策方法

概率语言术语集既包含语言术语,又包含语言信息的概率,使初始决策信息能够得到充分的利用,有利于提高语言术语集多准则决策的科学性.鉴于此,本文针对概率语言多准则决策问题,提出了一种基于概率语言熵和概率语言交叉熵赋权的多准则决策方法.首先考虑各准则下概率语言术语集的个体效应及其相互作用,利用概率语言熵和概率语言交叉熵计算准则的权重,然后采用将有向图和0-1优先关系矩阵相结合的概率语言术语集备选方案排序方法,更加直观地得到备选方案的排序结果并得到各方案之间的优劣程度.最后,以企业战略规划问题为例进行分析,通过对比分析验证了所提方法的有效性和优越性.     

技术创新国际化视阈下专利审查协作机制创新及中国路径选择

技术创新国际化促使创新主体更倾向于在全球范围内寻求专利权,专利申请量的激增增大专利审查机构的压力,进一步推动专利审查协作的产生和发展.技术创新的本质对专利审查协作提出高要求,专利审查协作的创新机制以提升专利审查质量为核心.协作检索与审查的新机制有利于促进创新主体国际专利战略的规划,增加创新主体对于国内专利授权的预判,提供良好的专利稳定性以推动创新国际化的开展.我国积极参与专利审查的国际合作,并由注重审查效率向提升审查质量的转变,以期用高质量的专利审查为技术创新国际化服务,支持创新驱动发展的目标的实现.     

一种基于类不平衡学习的情感分析方法

针对网络评论中普遍存在的负面评论较少而影响力却较大的类不平衡问题, 提出一种基于类不平衡学习的情感分析方法. 该方法利用深度学习训练过程中的概率输出, 以计算样例的信息熵作为影响因子构建交叉信息熵损失函数. 在IMDB公开数据集上进行实验验证的结果表明, 基于集成信息熵损失函数的双向长短期记忆网络能处理类不平衡问题; 对数据的统计分析结果表明, 该策略能提升基于双向长短期记忆网络的评论情感极性分类性能. 针对AUC(area under curve)指标, 使用集成信息熵损失函数的双向长短期记忆网络模型比未考虑类不平衡的深度学习模型在中位数上最多提升15.3%.     

一种标准件自动分拣机构设计

随着科学技术日新月异的进步,工业的发展在全球掀起一阵浪潮,各行各业对机械零件的需求也越来也大。但是,零件在加工过程中总是存在一定误差,所以一些达不到标准的零件需要挑拣出来。通常,零件挑拣采用人工流水线作业方式,但是由于人为因素的影响,随着工作时间的增长,人在操作的过程中难免会出现差错。为了解决标准件分拣目前存在的问题,提高零件分拣的效率和准确度,本文设计出一种自动分拣机构。研究表明,这种标准件自动分拣机构可以提高企业生产效率,降低人们的劳动强度。     

远场地震动作用下泛旗帜型模型的等延性弹塑性位移谱

为获得自复位结构泛旗帜型模型的等延性弹塑性位移谱,将269条隶属于3类不同场地的远场地震动分别输入自编的位移谱计算程序中,分析计算结果以获得与标准化周期、延性系数、场地类别、耗能系数相关的单自由度泛旗帜型模型的等延性弹塑性位移谱.研究结果表明,通过周期标准化,位移谱曲线更加平滑,离散性显著减小.当标准化周期在[0.10,0.75]内时,位移谱谱值与延性系数呈正相关关系,当标准化周期在[0.75,3.0]内时,两者呈负相关关系.延性系数大于4时,其对位移谱的影响可忽略.标准化位移谱中,Ⅱ、Ⅲ类场地地震动的位移谱值差异较小,而I、Ⅱ类场地地震动的位移谱值在周期较小时差异较大.位移谱谱值随耗能系数的增大而减小,综合考虑耗能能力与效率,耗能系数建议取值为0.5.     

信息理论框架下的神经网络构建

神经网络模型的构建方法是神经网络研究的重点和难点,传统的构建方法建立在实验和重复学习的基础上,本文提出了一种信息理论框架下的神经网络构建方法基于熵的神经网络(EBNN).EBNN借助于前馈网络与决策树的等价性,采用熵做为神经网络构造的准则,利用决策树的构造思想和方法,建立了一种系统的神经网络构造方法.实验表明EBNN方法学习速度比传统BP网络快,但又不降低神经网络性能.