一种基于特征偏移补偿的深度智能化教学评价方法

针对慕课(MOOC)评论中存在少数类特征偏移的问题, 提出一种基于特征偏移补偿的深度智能化教学评价方法. 该方法首先使用Glove预训练模型获取MOOC评论的分布式词向量; 然后采用浅层卷积神经网络, 通过多个卷积核学习教学评价的语义, 引入不同类别评论的数量设计影响因子, 归一化该影响因子并应用到交叉熵损失函数中; 最后基于Coursera平台的本科学生教学评论数据集, 通过与其他损失函数在F₁,gmean,balance,gmeasure等评价指标上进行性能对比实验. 实验结果表明, 基于归一法的特征偏移补偿损失函数在gmeasure指标上比基类损失函数得到了最多15.40%的性能提升, 并且采用该损失函数的分类模型也表现出较强的稳定性.     

不同主导模式下工业共生链的定价决策研究

工业共生链管理是提高不同链之间经济效益与环境可持续发展的有效手段。为研究不同主导模式下工业共生链中各企业的定价问题，建立一个由废弃物供应商和产品制造商组成的两级工业共生链模型，采用博弈论分析方法求得不同主导模式下废弃物供应商和产品制造商的最优定价和利润模型，在此基础上进一步分析了共生程度、废弃物利用率、单位利润值对工业共生链中各方收益的影响。研究发现：不同权利结构会导致各利益主体的最优价格和最大利润不同，当制造商处于主导地位时工业共生链总收益高于供应商主导；随着共生程度和废弃物利用率的增加,工业共生链中制造商和供应商均可获得更多的利润。最后，通过算例分析，验证了结论的有效性。