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%.     

完全市场中的Yaari对偶效用最大化问题

效用最大化问题是经济学和金融学中的最重要和最基本的问题之一.经典的von NeumannMorgenstern期望效用模型在实践中都受到诸多挑战.Yaari对偶效用理论是重要的非期望效用模型之一.本文研究完全金融市场中的Yaari对偶效用最大化问题.前人在某种单调性条件下得到了该问题最优解的显式刻画.而在本文中,无需任何单调性条件,我们得到了最优解的显式刻画.     

几乎无偏刘估计的不可容许性

考虑了线性回归模型中,在Fisherian和Mahalanobis损失函数下,几乎无偏刘估计对于最小二乘估计的不可容许性;结论表明:几乎无偏刘估计在Mahalanobis损失函数下是不可容的;最后进行了数值模拟来表明结果.     

基于分层贝叶斯模型的损失准备金估计

传统的准备金模型主要是通过加总个体数据得到聚合损失三角形数据建立的,然而,这种数据的加总对原始个体数据产生不可避免的信息浪费.虽然这种方法简单,但可导致准备金估计的较大偏差.近年来提出的个体数据准备金模型中大都没有考虑保单合同之间的相依性.本文假设相同事故年的保单产生的索赔具有某种共同效应导致的相依情形,通过建立个体数据准备金的分层贝叶斯模型,利用信度理论的思想,得到每个事故年的准备金估计,从而得到总准备金的估计.进而,讨论了发展因子和结构参数的估计及其相应的统计性质.最后,给出数值例子表明本文给出的准备金估计的计算方法,并且比较了个体数据和聚合数据下准备金估计的均方误差.     

一种消费者品牌偏好的模糊排序方法

为将消费者对品牌属性的模糊评判信息转化为消费者的品牌偏好信息,首先将模糊语义转化为三角模糊数,然后利用模糊数的广义加法、近似乘法及标量乘法计算,从而将消费者对属性的离散意见转化为对某一品牌的综合意见.然后通过定义一种模糊数综合排序指标来确定消费者的品牌偏好顺序.最后还通过一个算例来说明方法的实用性和有效性.     

干燥工艺对稻谷发芽率影响的研究

利用薄层干燥试验台，采用二次回归正交组合设计试验对辽宁省稻谷主要品种942进行研究。分析了热风温度、表现风速、初始水分、干燥时间对稻谷发芽率损失影响的规律，建立了稻谷发芽率损失回归方程，在干燥时应采用低温干燥，以保证其发芽率。利用贡献率法确定各因素在二次非线性模型中的主次关系为热风温度、初始水分、表现风速、干燥时间，为进行辽宁省稻谷深床干燥研究提供了理论依据。     

企业赊销的管理

如何有效适度赊销已成为企业管理的重要议题,赊销要有度关键是控制,本文从事前控制、事中管理、事后处置阐述对赊销的管理。     

随机控制序在保险决策中的应用

通过介绍随机控制序的概念和性质 ,从而探讨了随机控制序在保险决策问题中的应用 ,得到了很有意义的结果     

抗地震结构的服役费用函数及其建立方法

讨论了服股工程结构的经济性问题，包括：抗地震结构在服役过程中为完成预定功能所需要的经济花费，这些花费同结构抗震可靠度的函数关系以及它们的建立方法。形成的服役费用函数可以作为决策结构最佳抗震设防标准的依据。     

Linex损失下Pareto分布参数的Bayes估计

该文讨论了在Linex非对称损失函数下Pareto分布参数的Bayes估计及多层Bayes估计,并证明了相应的估计是可容许的.