基于大数据和机器学习算法引擎的电商侵权监测系统

提出一种基于大数据和机器学习算法引擎的电商平台侵权动态监测网络系统的设计方案.重点介绍大数据远程采集系统、数据实时监测分析平台和核心算法引擎模型设计.大数据远程采集系统包括远程服务器云平台和大数据分布式采集程序,系统通过Web信息采集器来完成精确采集各大商家、网络平台等的所有相关数据;数据监测分析平台是将信息的深度学习、单词嵌入、共同表征等相关算法转换为程序,用于分析处理由采集数据数字化的商品所涉及的知识产权信息.核心算法引擎基于传统舆情分析和自然语义处理技术,构建商品特征及用户观点挖掘模型,从而实现电商产品知识产权数据的搜索、分析、保存、预测等功能.该系统可有效降低侵权打假成本,为品牌商维权和知识产权保护建立一个可靠的渠道.

突发事件背景下的中小微企业金融信贷决策模型优化研究

本文针对银行传统信用风险评估策略模型的不足,探索建立基于财务状况、企业增值税率、上下游企业供求关系、企业信誉四个维度表征参数的中小微企业信贷决策及风险分析算法模型;在此基础上引入新冠肺炎疫情等突发事件的风险影响因子,从而实现银行对中小微企业信贷决策量化模型策略的重构和优化;并利用机器学习中的决策树模型对企业特征量与信誉评级数据进行训练和验证。研究结果表明该量化算法模型具有较好鲁棒性,有助于提升金融决策效率和科学性,可在银行信贷工作中推广应用。