数字经济提升高技术产业创新绩效研究——基于中介效应和门槛效应的分析

在揭示数字经济对高技术产业创新绩效的影响基础上,通过构建指标体系测度我国省域数字经济发展水平,并基于2011—2020年我国30个省份建立面板数据,运用面板回归模型、中介效应模型和面板门槛模型,实证检验数字经济对高技术产业创新绩效的影响效应。研究结果表明:数字经济对高技术产业创新绩效具有显著的正向促进作用;数字经济通过促进高技术产业R&D人员投入和R&D资本投入的积累,间接促进创新绩效的提升;数字经济对高技术产业创新绩效的非线性溢出效应具有边际效应递增的门槛特征。据此,提出相关的政策建议。

基于词汇增强和对抗训练的中文命名实体识别

针对现有的中文命名实体识别的方法获取中文词级别的特征信息效果不理想且模型易受噪音影响而存在不稳定的问题,提出一种基于词汇增强和对抗训练的中文命名实体识别方法。将输入文本通过词汇增强模块获取到词汇向量,将预训练模型得到的字符级嵌入向量和词汇向量进行字词融合;使用字词融合的嵌入向量通过MOA方式生成对抗样本;使用BiGRU和CRF分别获取语义编码信息并进行解码得到预测结果。实验结果表明,该方法在中文命名实体识别数据集Resume和中药说明书上的F1值分别达到97.14%和73.65%,验证了该模型的有效性。