基于美国实体清单分析的中国卡脖子企业画像构建

[研究目的]利用画像技术从多方面刻画受到美国制裁的中国企业的共性特征,以期推动美国实体清单研究从国家、产业层面向微观企业层面的深入,并为卡脖子企业可持续发展提供参考建议。[研究方法]提出卡脖子企业画像研究框架,首先从基本属性、创新竞争力、经营活跃性、受限根本原因、受限属性5个维度建立卡脖子企业画像指标体系;接下来,融合多源数据对企业画像信息进行采集;最后,采用K-Prototype算法对卡脖子企业进行聚类和画像。从2018-2021年实体清单新增中国内地企业中筛选出华为和35家上市企业为分析对象,利用上述研究框架对其画像。[研究结论]发现存在制造业骨干企业、高研发驱动企业、规模领先企业3类卡脖子企业画像。制造业骨干企业的共性特征是投入平平和产出偏低;高研发驱动企业尚未将研发投入转化为创新和市场优势;规模领先企业代表中国在相关领域的最高水平。受此启发,还应高度关注尚未列入实体清单的高风险实体,如行业标杆、卡脖子企业控制的上市公司等。

融合深度学习和链路预测的交叉性研究主题预测研究

[研究目的]针对交叉性主题探索相关研究在数据处理规模、信息预测功能方面的不足,引入机器学习技术预测交叉性研究主题,以期为探索学科未来发展规律、优化学科资源布局提供参考建议。[研究方法]在链路预测技术的基础上融合深度学习算法,首先从主题内容入手,在LDA潜在主题模型挖掘获得的文档-主题分布结果中筛选出同一篇文档对应的阈值范围内的主题,并依据属于同一篇文档的主题之间相互关联来构造以主题为节点的无向网络图。然后利用相似性链路预测算法进行主题节点间的相似性度量值。最后,采用LightGBM算法对已链接的主题节点数据进行训练并保存模型后对未链接的主题节点关系进行预测。[研究结论]融合深度学习和链路预测的交叉性研究主题识别模型不仅能够获得产生关联的技术主题内容,同时能够预测主题产生关联的概率大小,提高交叉性研究主题识别的准确度。

既有单线铁路直通运行高速动车组提速方案研究

基于单线铁路吉衡线的曲线要素与既有工程的相关分析,结合邻线赣瑞龙线高速列车运行稳定性试验,对利用既有单线铁路开行高速列车的方案进行研究。得到了吉衡铁路在吉安南—井冈山段具备提速至140 km/h及以上的条件,局部可提速至160 km/h的结论。为利用既有单线铁路开行高速动车组列车,弥补尚不具备新建高速铁路条件地区的地域交流弱势提供参考。