大数据背景下青年学生创新创业的有效途径研究——以贵州财经大学为例

2018年,我国高校毕业生人数达到820万,比2017年多出25万,2019年全国高校毕业生人数再创新高,达到834万,面对日益严峻的就业形势,创新创业正逐步成为一种趋势。本文意在通过研究大数据背景下贵州财经大学青年学生创新创业的难点,从而探索出推动青年学生创新创业的有效途径。

贵州财经大学本科实践体验教学体系研究

贵州财经大学是贵州省委、省人民政府重点建设的省级经济管理人才培养基地,积极改革、探索人才培养模式,进一步强化实践育人,构建了本科实践体验教学体系,以提高学生动手实践能力,提高人才培养质量,全面实现建设有特色、高水平财经大学的目标。

“东数西算”背景下贵州省大数据产业发展现状、问题与对策

“东数西算”工程是基于国家战略、区域协同、能源优化、产业技术发展的科学规划,是为了实现全国算力规模化、集约化以及跨域调度,优化算力资源的全国一体化空间布局。基于数字经济发展和数字产业生态体系的视角,分析贵州在“东数西算”背景下的数字经济产业基础,并从算力资源建设、数据流通、数据应用等角度提出对策建议。

基于投入产出表的贵州省大数据相关产业网络结构分析

贵州开始重点发展大数据相关产业以来,全省GDP从2015年的1.05万亿元增加至1.78万亿元,而GDP增速近10年位居全国前列,近几年位居全国前3。利用贵州省各部门投入产出表,通过对大数据相关产业划分,利用威弗托马斯指数构建贵州省产业关联网络,社会网络分析方法对贵州省大数据相关产业的网络指标进行分析,分析贵州大数据相关产业对于贵州经济发展的影响,以及大数据相关产业在贵州经济中的地位。结果表明:大数据相关产业在贵州属于高端型产业,有较强经济拉动力,带动其他产业发展的同时也促进大数据相关产业的自身发展,对贵州经济产生促进作用,大数据相关产业的软件和信息服务方面在贵州省产业中处于较为中心的位置,且已经普及到各产业之中。

贵州苗族蜡染纹样文化内涵挖掘与应用

贵州苗族蜡染图案因风格古拙神秘、纹样优美、立意清晰和文化内涵丰富,成为贵州省最具特色的文化遗产之一。文章在深入挖掘蜡染图案中蕴含的文化内涵和审美特点基础上,采用Adobe illustrator工具提取蜡染矢量纹样,对每个纹样进行标注和编码,构建了苗族蜡染纹样素材库。实践表明,将蜡染纹样应用到产品设计中,所设计出的产品不仅具有较强的美感,还展现出了独特的苗族文化韵味。蜡染纹样素材库可以为产品设计领域提供大量的设计灵感,其对保护和传播民族文化瑰宝,促进民族文化自信具有重要的意义。

贵州苗族蜡染图像处理与图像库的建立

苗族蜡染是贵州省文化遗产的重要组成部分,如何保护好这份珍贵的文化遗产,使其在当今时代中得到进一步传承与发展,具有非常重要的意义。文章通过网络爬虫和实地走访的方式,从贵州黔东南地区和互联网收集了1 000余张苗族蜡染原始图像。首先,采用颜色空间转换、消除噪声、增强对比度、形态学处理等方法对原始图像进行处理,以提高图像的可用性和质量。其次,挖掘蜡染图案中蕴含的文化内涵。最后,将蜡染图像根据文化内涵进行分类,并进行图像库的建立,基于图像库设计出具有蜡染文化的进行现代产品,为本土非物质文化遗产的传承和现代产品的发展提供了一种有效思路。

流动人口的空间分布特征及影响因素研究——基于贵州省第七次全国人口普查数据

基于2020年贵州省第七次全国人口普查数据,从县区层面探究省内和跨省流动人口的空间分布特征,并构建空间滞后模型和OLS回归模型,对人口流动的影响因素进行了实证分析。结果显示:省内流动人口呈现以贵阳市为中心的发散式分布格局,跨省流入人口主要分布在“筑-遵”中心地带和省份交界处。软件信息传输、软件和信息技术服务业以及文化、体育和娱乐等服务业的集聚对省内人口流动有正向影响,房地产业、金融业以及电力、热力、燃气及水生产和供应业的集聚会促进跨省人口流入。

SNA纳入数据核算的潜在影响与难点解析

数据已成为关键生产要素,纳入数据核算是国民账户体系(SNA)未来修订的重点内容。本文首先对数据核算的内涵及其修订背景进行介绍,并分析SNA纳入数据核算对相关核算概念和分类、主要宏观经济指标核算范围和总量规模以及统计实践的影响。其次,探讨SNA纳入数据核算的5大核心议题,包括数据的定义、数据的经济所有权、数据资产及其记录处理、数据的计值方法、数据资产的后续计值。再次,深入剖析数据核算的5个难点问题,即厘清可观测现象及其与数据的关系,确定数据使用寿命长短,数据资产分类和列示处理,细化总生产成本法核算的成本,确定数据资产折旧模型和参数。最后,提出完善数据核算的针对性思考和建议。

图神经网络节点分类任务基准测试及分析

图神经网络(Graph Neural Network,GNN)模型由于采用端到端的模型架构,在训练过程中能够更好地将节点隐藏特征的学习和分类目标协同起来,相比图嵌入(Graph Embedding)的方法,其在节点分类等任务上得到了较大的性能提升。但是,已有图神经网络模型实验对比阶段普遍存在的数据集类型单一、样本量不足、数据集切分不规范、对比模型规模及范围有限、评价指标单一、缺乏模型训练耗时对比等问题。为此,文中选取了包括cora,citeseer,pubmed,deezer等在内的来自不同领域(引文网络、社交网络及协作网络等)的共计20种数据集,以准确率、精确率、召回率、F-score值及模型训练耗时为多维评价指标,在FastGCN,PPNP,ChebyNet,DAGNN等17种主流图神经网络模型上,进行了全面且公平的节点分类任务基准测评,进而为真实业务场景下的模型选择提供了决策参考。通过基准测试实验发现,一方面,影响模型训练速度的因素排名依次是节点属性维度、图节点规模及图边的规模;另一方面,并不存在赢者通吃的模型,即不存在在所有数据集下全都表现优异的模型,特别是在公平的基准测试配置环境下,结构简洁的模型反而比复杂的GNN模型有着更好的性能表现。

NLGAE:一种基于改进网络结构及损失函数的图自编码器节点分类模型

利用图嵌入方法将图的拓扑结构、节点属性等高维异构信息映射到稠密的向量空间,是解决图数据由非欧空间性带来的计算不友好、邻接矩阵的高度空间复杂性等问题的主流方法。在对经典图自编码器模型GAE与VGAE所存在的问题进行分析的基础上,尝试从编码器、解码器及损失函数3个方面对基于图自编码器的图嵌入方法进行改进,提出一种基于改进网络结构及损失函数的图自编码器模型NLGAE。首先,在模型结构设计上,一方面将编码器中堆叠的图卷积层倒置,以解决GAE与VGAE中无参Decoder缺乏灵活性并且表达能力不足的问题,另一方面引入注意力机制的图卷积网络GAT来解决节点之间的权重系数固化的问题;其次,重新设计的损失函数能够同时考虑到图结构与节点特征属性两部分信息。对比实验结果表明:NLGAE作为一种无监督模型,能够学习到高质量的节点嵌入特征,在下游节点分类任务上优于DeepWalk,GAE,GrpahMAE,GATE等经典无监督模型,并且在选择合适分类模型的情况下,甚至优于GAT和GCN等有监督的图神经网络模型。

财政、货币政策如何支持绿色低碳转型——基于存流量一致性模型

推动经济绿色低碳转型,实现“双碳”目标,需要财政与货币政策精准支持。本文通过构建包含异质性住户部门、异质性资本品生产部门在内的七部门存流量一致性模型,模拟分析了包括绿色债券和差别化绿色贷款利率定价在内的财政与货币政策工具,对2020—2060年中国“双碳”目标、经济增长等主要经济指标的影响。研究发现,财政政策在应对绿色低碳转型中的负外部性问题方面具有基础性作用,货币政策为绿色资产逐步替代棕色资产提供了关键支撑。与基准场景或单一财政政策支持相比,财政、货币政策共同发力对绿色低碳转型发展目标效果更佳。未来应优化财政政策和货币政策的协调配合,不断提高财政、货币政策支持绿色低碳转型的效能,同时需关注绿色低碳转型中的通胀和经济增长波动。

川黔地区绿色发展与乡村振兴协调关系及影响因素

[目的]探求川黔地区绿色发展与乡村振兴协调水平及影响因素,为中国西部地区推进绿色发展与乡村振兴进程,促进两者协调发展提供科学依据。[方法]以2011—2020年川黔地区30个市州相关数据为研究对象,构建绿色发展和乡村振兴指标体系,采取耦合协调度模型、Tobit模型分析绿色发展与乡村振兴耦合协调关系及影响因素,并根据地区特点进行异质性分析。[结果](1)川黔地区绿色发展指数在不同政策影响下呈现小幅波动,地区之间差异显著;乡村振兴指数在实施乡村振兴战略后有较大涨幅,地区间差异较小。(2)绿色发展与乡村振兴的耦合协调水平呈逐年上升趋势。(3)考虑经济、政策和地理等因素对川黔地区绿色发展与乡村振兴协调水平的影响,除海拔高度外,其余影响因素均显著且为正。(4)异质性结果表明,教育发展、科技创新、交通条件、环境规制、地形坡度和海拔高度等因素在不同地区内存在显著异质性。[结论]川黔地区需鼓励和支持经济发展,重视政府影响,进行产业结构调整和升级,不断提高教育发展水平、科技创新水平,改善交通条件和环境规制情况,因地制宜提升绿色发展与乡村振兴的协调水平。

基于深度强化学习的自适应图像隐写算法

针对自适应图像隐写中如何在轻量化隐写、最佳嵌入定位、高隐匿输出三者之间实现均衡的问题,提出一种基于深度强化学习的自适应图像隐写算法(AISA-DRL)。设计一种轻量化安全隐写网络,在降低模型隐写成本的前提下加强模型对图像隐写特征的提取能力,增强载密图像的安全性和稳定性。首先将具有高效特征融合特性的EPSANet引入EfficientnetV2-s,得到改进的EPSA-EfficientnetV2-s,以提高像素级嵌入过程的表征能力,从而获得最优像素修改位张量。随后将秘密信息与最优像素修改位张量加权求和得到载密图像。最后通过学习隐写分析网络对载密图像进行最优像素级奖励分配,根据设计的最小化失真函数通过梯度回传来更新网络参数,以获得最佳嵌入位置,从而实现秘密信息的最佳化嵌入。实验结果表明,AISA-DRL算法的模型参数量减少了94.22%,FLOPs减少了24.88%,与其他基于强化学习的隐写方案相比,在不同经典隐写分析器下的检错率提高了2.48%~6.55%。此外,在不同载荷下生成的载密图像PSNR值均在30 dB以上,不仅提高了模型对像素修改位的定位准确率,而且使隐写网络具有更强的表征能力。

生态产品价值核算研究综述及问题与对策建议

生态产品价值核算是建立健全生态产品价值实现机制的需要,是完善生态保护补偿制度和生态环境损害赔偿制度的基础性工作。本文系统梳理生态产品基本概念及其演化进程,总结归纳生态产品基本特征和分类;基于SEEA-EA分析生态系统核算框架、核算范围与内容,厘清中国生态产品价值核算与生态系统服务核算的关系;总结并对比各种生态产品价值核算方法的优点和局限;最后基于中国生态产品价值核算实践现状,明确当前核算难题并给出对策建议。研究发现,生态产品具有公共产品或准公共产品属性、整体性或不可分割性、可再生性和稀缺性、范围有限性和地域延续性、正外部性、多维度价值等特征;生态系统服务核算将生态系统视为生产部门,侧重于核算生态系统为经济单位提供的最终服务价值;生态产品价值核算基本遵循SEEA-EA体系,但在概念范畴上较窄,分类较粗;目前常用的生态产品价值核算方法包括当量因子法、功能价格法、能值分析法和模型评估法,需根据研究对象和评估目标进行选择。

宏观经济对股市波动的影响——基于GARCH-MIDAS-RTSRV模型的证据

本文对GARCH-MIDAS模型进行了拓展。首先,在估计GARCH-MIDAS模型的长期波动成分时,采用同时考虑噪声和跳跃影响的稳健双频已实现波动估计量RTSRV来代替传统的已实现波动估计量RV。其次,选取了经济变量并从中提取出主成分,从其水平值和波动率两个层面研究不同主成分对股市波动的影响。研究发现:本文构造的GARCH-MIDAS-RTSRV模型优于传统的GARCH-MIDAS模型,其预测精度更高并且可使投资者获得更高的经济价值;经济变量的主成分和已实现波动率均对股市的波动有显著的影响,并且相较于其水平值,波动率对股市波动的影响更为显著。

解决高维优化和特征选择问题的多策略改进麻雀搜索算法

为解决基本麻雀搜索算法(sparrow search algorithm,SSA)在求解高维复杂优化问题时存在收敛速度慢、容易陷入局部最优解及后期种群多样性变弱等问题,提出了一种基于海鸥优化算法算子和鲸鱼优化算法算子的改进麻雀搜索算法(improved sparrow search algorithm based on seagull optimization algorithm operator and whale optimization algorithm operator,SWSSA)。首先,该算法设计了自适应种群比例策略以增强种群在迭代过程中的多样性;其次,在局部搜索阶段融入鲸鱼优化算法气泡网捕食策略,增强麻雀搜索算法的局部搜索能力、加快收敛速度;然后,在追随者位置引入改进的海鸥优化算法算子降低算法陷入局部最优的概率。最后,选取了12个高维基准测试函数和16个UCI网站上的高维数据集进行仿真实验,将SWSSA与基本SSA、SSA变体版本、黄金正弦算法(golden sine algorithm,GSA)、蝴蝶算法(butterfly optimization algorithm,BOA)、黏菌算法(slime mold algorithm,SMA)、海鸥算法(seagull optimization algorithm,SOA),以及其他学者改进的算法进行比较。结果表明,本文提出的算法在12个测试函数上的收敛精度取得最优的比例达到了100%,在约95%的测试函数上收敛速度最快,在16个数据集中有9个数据集分类准确率最高和6个最佳特征子集数量最少。可见所提算法在处理高维函数优化和数据集特征选择问题上具有一定的优势。

县域农业大脑平台设计——机器学习在农业上的应用

为解决农业领域的多维度数据整理和管理问题,促进农业高质量发展和乡村振兴,加速数字农业的发展。本文基于机器学习有关知识搭建县域农业大脑平台。该平台包括数据整理、存储、分析应用和市场化路径,提供了金融、政策、培训和预售订单等模块。此平台对农业发展和区域经济战略的重要作用,将促进农业与科技、产学研的深度融合,有望提高农业生产力,并将农业数据信息转化为有益的应用。

基于博弈的有向时序网络两阶段社区发现算法

文中提出一种新的用于时序有向网络的两阶段社区发现算法。第1个阶段通过节点距离、源节点影响力、目标节点影响力和节点分解度4个矩阵,确定节点在网络中的重要程度;第2阶段根据节点重要程度确定社区划分的核心节点,接着分别令核心节点作为源头进行级联传播,其他节点通过博弈确定与各个领导节点的跟随度,最后选择跟随度最高的节点所领导的社区。将算法在国际贸易网络中进行实证研究表明,该算法能够适用于现实世界时序有向加权网络中。

“双碳”政策对非新能源企业创新的影响

企业创新是实现可持续发展的关键。本文选取2017-2022年A股上市非新能源企业相关数据,以双碳政策公告时间2020年为政策时间点,利用准自然实验法,以企业注册地是否位于低碳试点城市区分实验组和对照组,采用双重差分模型探究“双碳”政策对非新能源企业创新的影响。结果表明,“双碳”政策有效促进了非新能源企业创新,且该政策对民营企业和规模较小企业的影响更强。研究为实现高质量发展、推进“双碳”政策以及提升企业创新提供了实证依据,为政策制定具有参考价值。

基于句词间特征融合的涉疫虚假信息检测

近年来,网络上各种虚假信息给网络秩序造成不良影响,危害社会稳定。在此对有关虚假信息问题展开研究,提出一种基于自注意力机制与句词间特征融合的虚假信息检测模型。首先,利用爬虫技术对网上相关平台的数据进行采集和整理;其次,通过所采集的数据训练Bert模型,得到文本的句子向量和每个字对应的特征向量;再次,将每个字对应的字向量表示进行平均值池化,并将池化得到的向量和句子向量进行融合,强化字向量的信息作用;最后,将融合后的特征向量输入到自注意力机制网络进行虚假信息检测。研究选择神经网络模型和机器学习模型作为对照,实验发现,在此提出的模型相较于上述模型在准确率上提高了2%,在召回率上提高了3.5%。