建设世界一流企业视角下系统重要性实体企业监管治理与服务研究

关于系统重要性金融机构治理与监管的理论和实践取得了丰富成果,但对系统重要性实体企业的研究还很欠缺。基于反垄断理论、外部性理论和风险传染理论分析了系统重要性实体企业的监管治理与服务的理论逻辑,发现其外部监管存在业务盲目扩张、银行信贷漏洞较大、金融理财产品缺乏监管、资本运营缺乏协同监管的问题,在内部治理上存在资本无序扩张、股权架构与境外上市、过度负债、不当分红、薪酬过高、实际控制人逃避责任和转移资产等问题。基于此,提出了建立评价识别体系、高效监管体系、现代治理体系和优质服务体系的对策建议。

新闻文档实体重要性排序研究

[目的／意义]现有新闻文档实体排序研究大多以文档或实体为中心，如文本分类、实体链接等，关注实体在文本中的重要性的研究较少，本研究探讨基于重要性的新闻文档实体排序。[方法／过程]给定一篇文档，判断文档中实体相对文档而言的重要性，并基于此对实体进行排序。在搜狗全网新闻数据集上进行实验，并利用NDCG和逆序对比率两个指标对实体排序结果进行评价。[结果／结论]实验结果表明，基于实体频率、TF＊IDF、信息熵、TextRank等的方法以及集成方法都达到了较好的效果，基于聚集系数的方法效果一般。其中基于TF＊IDF的方法NDCG值为95．86％，是该指标下的最好结果；基于集成方法的逆序对比率值为84．46％，是该指标下的最好结果。

结合三元组重要性的知识图谱补全模型

知识图谱是人工智能方向的一个热门研究领域。知识图谱补全是在给定头实体或者尾实体以及相应关系的条件下,补全缺失实体。基于翻译的模型如TransE,TransH和TransR是最常用的一类知识图谱补全方法。然而,大多数现有的补全模型在补全过程中都忽略了知识图谱中三元组重要性的特征。文中提出了一种新型的知识图谱补全模型ImpTransE,该模型考虑了三元组中的重要性特征,设计了实体重要性排序方法KGNodeRank和多粒度关系重要性估计方法MG-RIE,分别对实体重要性和关系重要性进行估计。具体来说,KGNodeRank通过同时考虑关联结点的重要性及其重要性传递方向的概率来估计实体结点的重要性排名。MG-RIE则同时考虑了关系的一阶重要性和高阶重要性,从而对关系的总体重要性进行合理估计。ImpTransE同时考虑了三元组的实体重要性和关系重要性特征,使其在学习过程中对于不同的三元组信息可赋予不同的关注程度,提高了模型的表示学习性能,从而达到了更好的补全效果。实验结果表明,在两类知识图谱数据集中与5种对比模型相比,ImpTransE模型在大部分指标上均具有最佳的补全性能,对不同数据集的补全效果获得了一致的提升。