基于CMR健康模型测算中国女性可延迟退休年龄

目的基于健康水平,了解影响女性劳动参与的因素,并测算中老年女性群体可延迟劳动参与年限。方法利用2011、2013、2015年中国健康与养老追踪调查(CHARLS)全国数据,以45~69岁中老年女性作为研究对象,使用CMR健康测算模型测算不同特征女性可延迟工作年限。结果45~69岁女性平均劳动参与率为66.93%,健康水平越差越倾向于退出劳动力市场。50~69岁女性额外工作能力为3.29~3.61年;50~69岁城镇女性群体额外工作能力为7.86~8.36年,50~69岁初中及以上女性群体额外工作能力为5.89~6.33年。结论我国女性仍有较大的健康工作潜力待挖掘,尤其是对于健康状况较好的城镇和高学历中老年女性,合理制定不同群体女性退休政策,逐步实现男女同龄退休有助于进一步推进职场性别平等和健康老龄化。

运用SWOT分析法提升基层医院党支部规范化建设策略

加强夯实基层医院党支部规范化建设,确保党建引领业务落到实处是公立医院改革的必然要求,也是新时代推动全面从严治党向基层“最后一公里”延伸的必然要求,对提升基层医院的整体医疗服务效率和高质量发展具有重要意义。文章运用SWOT建模分析法,明晰了当前基层医院党支部开展工作所面临的优势与劣势、机会与威胁,并围绕组织、班子、队伍、活动、制度、保障等要素提出建设对策,以新担当、新作为开创新时代基层医院党支部建设提供解决思路和方法,是一个可供借鉴的新视角。

结合网络表示学习和文本卷积网络的类案发现

作为"智慧法院"的核心应用之一,相似裁判文书的发现有助于解决司法过程中裁判尺度不统一、类案不同、量刑不规范等问题。目前,一部分方法侧重于从裁判文书中总结领域特征,并将这些特征融入到语言模型中来提升相似文书发现的效果。另一部分工作将其转化为分类任务,利用有监督学习模型来进行建模与预测。然而,已有的方法没有考虑将语言模型与分类模型各自的优势进行结合。为此,提出一种基于网络表示学习(network representation learning)和文本卷积网络(convolutional neural network for texts)的类案发现方法。方法分别从无监督学习与有监督学习的视角来建模裁判文书中的信息,并根据法律知识体系对原有模型的负采样方法(negative sampling)进行改进。最终,方法设计了一种较为合理的投票机制将两类模型的结果进行融合。实验结果表明,提出的联合方法较已有方法能在类案发现任务中取得更高的推送准确率。