网络购物陷阱分析

介绍了网上购物的流程以及网络购物过程中存在的诸多陷阱,并提出了一些解决问题的建议.     

考虑线下零售商服务成本差异的BOPS渠道整合北大核心CSCD

从线下零售商服务成本差异化的角度出发,研究现实中单位补偿和销量计入线下两类BOPS(buy-online-andpick-up-in-store)线上线下渠道整合问题.构建并求解制造商实施BOPS单位补偿和BOPS销量计入线下两类渠道整合模型,分析BOPS类消费者比例和服务成本差异程度对供应链利润及成员决策的影响,最后用数值分析验证并拓展结论.结果表明:欲实现供应链利润最优,企业须根据具体市场情形选择合适的整合策略,当市场中BOPS消费者很少时,对服务成本一致性高的行业如书籍、零食采取销量计入线下供应链更优,而对服务成本一致性较低的行业如眼镜、大型家具则单位补偿更优;同时,线下零售商可通过调整其对BOPS类、传统类消费者间的服务水平差异程度使供应链获利更多.     

基于主题相似性的在线评论情感分析北大核心CSCDCSSCI

从在线文本评论挖掘消费者情感信息,能够得到更加真实的消费者购买体验及其偏好。主题情感混合模型作为一类有效的无监督情感分类模型,正在成为这方面的重要文本挖掘工具,但该模型存在分类准确率和稳定性还不够高的问题,为克服这一不足,提出一种基于主题相似性的无监督在线评论情感分类模型。以潜在狄利克雷模型分析在线评论主题,结合情感词典计算主题情感极性;引入理想评论并构造理想评论代表集,通过计算评论和理想评论集的主题相似度,实现在线评论情感分类。实验结果表明,该模型能有效判别消费者在线评论情感倾向,稳定性较高,衡量分类结果的综合指标F_1值比现有主题情感混合模型提高3%～20%。同时,在计算机、酒店、图书及手机等不同领域评论数据集上的实验结果显示,该方法具有较好的领域可移植性。     

线上线下交互融合式教学模式的构建与实施

为实现互联网技术与高校教育教学模式的深度融合,提出线上与线下交互融合式教学模式的构建宗旨和具体实施环节。利用智慧云端作为线上线下学习的连接通道,实现学习与交互平台的有效结合。在有效激发教师主观能动性的同时,还能突出学生的主体性。教师通过课程宣传、资源投放、答疑指导、监督考核等环节实现既定教学目标;学生通过自主选课、自主学习、合作学习等环节,在全面掌握所学知识点的同时,加强了自主解决问题能力、知识推理能力和实践能力。为未来有效利用互联网技术来提高高校教育教学质量提供参考。     

MOOC在开放教育建设中的路径分析

MOOC即是大规模的网络开放课程,其所具有的大规模、在线和开放性的特点,有利于社会终身教育体系的建设。慕课以其适应社会发展的鲜明特征,已成为国内外互联网上的焦点之一,与之相关的学术与非学术研究文献纷纷呈现。慕课的发展,是对我国现有的教学模式的挑战。     

海上风电基础冲刷动力特性及在线监测

海上风电由于其风资源条件好，不受占地条件约束等优点，在全球能源战略中的地位不断提升。海上风电基础广泛存在冲刷问题，冲刷会导致基础承载力下降、结构固有频率变化和海底输电管缆暴露等风险，因此对基础冲刷的监测和预警至关重要。该文首先分析了基础冲刷的动力特性，建立了风机-塔筒-基础一体化仿真模型，研究了基础冲刷深度与基础固有频率的相关关系，并分析了冲刷对结构动力响应的影响；其次提出了基础冲刷低频振动监测方法，并研发了一套海上风电基础冲刷低频振动监测系统。通过该系统在江苏某海上风电场的运用实例分析，探讨了未来基础冲刷监测的改进方向，研究成果可为国内外海上风电工程提供参考。     

虚拟仿真实验平台的慕课设计

从课前准备、教学实施和评价总结等环节讨论了虚拟仿真实验慕课设计,结合数字电子技术给出了具体的虚拟仿真实验慕课设计结果,从而达到理论与实践相结合、推进基于慕课学习进程和提高学生学习效果的目的。     

在线科技咨询服务系统及其在科技查新服务中的应用

本文通过总结分析科技查新、咨询服务过程中凸显的问题,创新优化查新、咨询业务的委托、受理流程以及业务信息管理方法。介绍了网页版在线科技咨询服务系统的设计思路、主要架构与功能,建立了一个面向各类用户的智能化、人性化、高效化的科技咨询在线服务平台,并结合该系统在查新工作中的应用实践提出完善建议与应用前景展望。     

《科技创新导刊》编辑部 学术论文征集启事

<正>《科技创新导报》是经国家科技部、国家新闻出版总署批准,由中国宇航出版社和北京合作创新国际科技服务中心主办的国家综合科技期刊。国内统一刊号:CN 11-5640/N;国际标准刊号:ISSN 1674-098X;邮发代号:80-542。《科技创新导报》期刊坚持以传播科技理念,报道科技前沿、倡导科技创新、促进科技进步为办刊宗旨。本刊现面向各单位科研管理人员、科技企业科研开发人员、高等院校师生、科研院所工作人员和关心高科技转化的社会各界人士征集学术论文。     

协同过滤推荐算法研究: 考虑在线评论情感倾向

协同过滤推荐算法通常是基于兴趣相似的用户行为来实现个性化推荐, 其核心义用户之间的兴趣相似度. 本文在传统的协同过滤推荐算法基础上, 考虑在线评论对用似度识别的影响. 在混合商品推荐中, 粗粒度识别评论情感极性; 而在同类商品推荐中, 细粒别每个商品特征的情感极性. 如果用户对产品的某个特征评价次数大于平均次数, 表明用户对征较关注; 如果对产品的某个特征评价低于平均评价, 表明用户对该特征较挑剔. 进而根据用户评论来建立用户偏好模型, 用户在评论中反映出来的相似度越高, 表明用户之间的偏好越. 实验表明, 同传统的协同过滤算法相比, 基于在线评论情感分析的用户协同过滤算法在率和召回率指标上有显著提升.