基于点击化学和非巯基DNA修饰纳米金的维生素C检测

目的建立一种基于点击化学和非巯基DNA修饰的叠氮纳米金的可视化维生素C(vitaminC,VC)检测方法。方法用一端有多个腺嘌呤核苷酸的非巯基DNA修饰纳米金,再与一端有叠氮基的互补链杂交,形成表面暴露出叠氮基团的叠氮纳米金。在VC的存在下,将Cu^(2+)还原成Cu^(+),催化叠氮纳米金与三炔丙基胺发生点击化学反应,使叠氮纳米金聚集,引起光谱和颜色的变化。通过光谱和颜色的变化进行VC检测。结果在pH为7、Cu^(2+)浓度为100μmol/L、三炔丙基胺浓度为3μmol/L和反应时间12 min的最优条件下,用分光光度计检测VC的检出限为0.042mg/L,目视的检出限为0.05mg/L。该方法成功用于饮料中VC的测定,呈现了良好的回收率,从而验证了该方法的可靠性和可行性。结论这项研究提供了一种简便、超灵敏的VC检测方法,可用于VC的微量可视化检测。

基于点击化学的酸敏感性聚合物前药的设计与合成

基于点击化学反应,将姜黄素和己烷-1,6-二丙炔酸二酯直接共聚,制备了酸敏感性主链型聚合物前药,并采用紫外可见吸收光谱法、荧光光谱法、红外光谱法、扫描电子显微镜、粒径分布及Zeta电位对其结构进行了表征。结果表明,聚合物前药为粒径100~200 nm的球形纳米粒子,形状均匀,分散性良好;聚合物前药在肿瘤微环境下通过酸触发聚合物主链降解,实现对药物的可控性释放。为提升常规化疗药物疗效并降低其毒副作用研究提供了参考。

基于点击流网络的再次购买意愿预测模型

预测客户重复购买意愿是电商平台制定营销策略的关键,是促进客户重复购买、提升企业利润的重要手段。研究表明,消费者点击行为能够刻画其决策过程,对点击行为进行建模有助于提升再次购买意愿预测的准确度。基于此,本文提出基于点击流网络的再次购买意愿预测模型。该模型以消费者购买决策模型(EBM)等理论为依据,借助复杂网络刻画消费者的点击行为,并提取反映商品热度和消费者行为的可解释性特征;然后采用经典机器学习模型预测消费者是否会在7天内再次购买同一商品,并借助Shapley值解释特征在预测模型中的作用,从而使预测方法具备可解释性并启发实践活动。实验结果表明,该预测模型具备较好的准确性、可解释性和稳健性,能够用于电商平台预测消费者再次购买意愿。

考虑兴趣序列和特征交互的司机点击率预测模型

车货匹配平台中存在着大量的车货信息,通过对历史数据的分析和处理,能够预测司机点击货物的概率(司机点击率预测),从而为司机推荐货物。据了解,目前还没有研究项目将点击率预测与车货匹配结合起来,更不要说基于此来考虑车货信息中的兴趣序列和特征交互问题。因此,在车货匹配的背景下,文章提出了一种考虑兴趣序列和特征交互的司机点击率预测模型——深度兴趣交互网络(Deep Interest Interaction Network,DIIN)。一方面,在司机兴趣抽取模块中利用Bi-GRU和SENet从司机的历史行为中推断出司机的兴趣点;另一方面,在车货特征交互模块中利用FM和Res Net同时建模低阶和高阶特征交互。通过对某车货匹配平台的数据集进行实验,结果表明模型DIIN与基准模型相比具有更好的性能,即使与DIEN模型相比,在AUC和Log Loss两个评价指标上,模型DIIN分别提升了3.5个百分点和1.8个百分点。这不仅证明了将深度学习和点击率预测用于车货匹配的可行性,也证明了挖掘历史数据中的序列关系和特征交互有助于预测车货匹配中司机点击货物的概率。

在线学习中的点击行为与学习效果的实证研究

本篇文章针对在线学习中的点击行为,将其细分为八类典型行为,采用问卷调查的方法分析了学习者的点击行为,进一步采用回归分析探究了点击行为与学习效果之间的关系。经过研究结果发现,学习者的点击次数与学习效果呈正相关,即点击次数越多,学习效果可能越好。基于这些发现,本文提出了提升学习效果的对策及其相应的建议。

基于域矩阵因子分解机的点击通过率预估增强网络

有效的特征交互,对于工业推荐系统中点击通过率(click-through-rate,CTR)预估的准确性起着至关重要的作用。以往并行结构的CTR预估模型通过将独立的浅层模型和深层模型并行连接,以此来学习特征的低阶交互和高阶交互。但是,这些模型存在浅层模型准确性低、未考虑特征交互时的多语义问题、参数过多、深层模型过度泛化等问题。基于上述问题,提出了一种基于域矩阵因子分解机的点击通过率预估增强网络,通过引入域矩阵优化浅层模型中的交互,提高运算效率,并在深层模型的DNN层与层之间增加了桥接模块,在每层高阶交互后增强对原始特征的记忆能力,将浅层模型和深层模型的结果相加并归一化得到预测值。该模型在Criteo、KKBox、Frappe和MovieLens数据集上进行了大量实验,展现了优秀的预测能力。

基于多粒度特征交叉剪枝的点击率预测模型

在推荐系统中,学习有效的高阶特征交互是提升点击率预测的关键.现有的研究将低阶特征进行组合来学习高阶交叉特征表示,导致模型的时间复杂度随着特征维度的增加呈指数型增长;而基于深度神经网络的高阶特征交叉模型也无法很好地拟合低阶特征交叉,影响预测的准确率.针对这些问题,提出了基于多粒度特征交叉剪枝的点击率预测模型FeatNet.该模型首先在显式的特征粒度上,通过特征剪枝生成有效的特征集合,保持了不同特征组合的多样性,也降低了高阶特征交叉的复杂度;基于剪枝后的特征集合,在特征元素粒度上进一步进行隐式高阶特征交叉,通过滤波器自动过滤无效的特征交叉.在2个真实的数据集上进行了大量的实验,FeatNet都取得了最优的点击率预测效果.

融合移动端用户序贯行为信息的OTA点击转化决策

提高点击转化和优化竞价排位对于第三方在线旅行社(OTA)获得广告代理佣金至关重要。移动端改变了用户在搜索引擎平台上的决策条件,但对于移动点击转化机理的认知仍较为模糊。文章采用德国一家OTA酒店预订移动端的数据,包括2295名用户,共15638条搜索记录,建立了融合个体序贯行为信息的动态贝叶斯推断模型,并使用MCMC方法进行求解。研究发现:该模型在预测性能上优于二项logit模型、支持向量机和随机森林。在移动搜索环境下,屏幕排位对点击转化的影响存在非线性的“U”型特征,其首因效应明显。移动点击转化概率随着酒店标价升高而提高,但用户在单个搜索结果列表中更偏好价格排序较低的产品。进一步的交叉弹性仿真表明,使用筛选器得到的自定义列表在降低点击转化的平均概率的同时还会提高决策的不确定性,过度个性化的移动端界面可能会扩大产品考虑集范围。

用巯基-烯点击法制备1,2-聚丁二烯包覆的白炭黑及其对丁苯橡胶的增强

采用巯基-烯点击法制备出1,2-聚丁二烯包覆的疏水性白炭黑(Silica-PBs)。红外光谱和X射线电子能谱分析表明,Silica-PBs表面被1,2-聚丁二烯所包覆,并且还有多余的乙烯基。将Silica-PBs与丁苯橡胶(SBR)共混制备的硫化胶相比于使用硅烷偶联剂改性制得的硫化胶具有更优异的综合性能。通过橡胶加工分析仪和电子显微镜分析均可以发现,Silica-PBs在SBR中具有更好的分散状态。Silica-PBs可以在填料与橡胶分子链之间形成一条“缓冲带”,为填料在橡胶分子链滑移时提供一定的缓冲作用。动态力学性能测试结果显示,Silica-PBs相比于传统白炭黑提高SBR/Silica-PBs复合材料的动态力学性能8%以上,可以作为一种理想的绿色轮胎用填料。

点击化学在功能纺织品制备中的应用研究进展

为进一步推动点击化学技术在纺织品领域的应用进程,就近年来国内外在点击化学制备功能纺织品方面的相关研究和发展现状进行了综述。简要介绍了点击化学的基本概念及其在纺织品表面功能修饰方面的优势;阐述了利用点击化学技术制备功能纺织品的方法及分类,包括巯基-烯、巯基-环氧、巯基-卤素、巯基-异氰酸酯、巯基-马来酰亚胺以及叠氮-炔等;重点围绕点击化学在制备疏水、抗菌、电磁屏蔽、环境响应以及防毡缩等不同类型功能纺织品中的作用机制和优缺点进行了探讨。分析了通过点击化学手段制备功能纺织品的发展潜力和局限性;并针对当前点击化学在制备功能纺织品方面所面临的问题,提出了可能的解决方案,以期为点击化学在纺织品领域的广泛应用提供理论支持和技术参考。

羟基-炔点击反应制备具有红移发射的非传统荧光化合物及性能

以丙炔酸甲酯为原料,分别与2-二乙基氨基乙醇、N-甲基二乙醇胺和三乙醇胺经常温羟基-炔点击反应在无催化剂和无溶剂条件下制备得到三组含叔胺和乙烯基醚非传统发色团的有机荧光化合物。利用傅里叶红外光谱仪(FT-IR)和核磁共振波谱仪(NMR)确证所得化合物的分子结构。利用紫外-可见分光光度计(UV-Vis)和荧光分光光度计探究了化合物的荧光性能,结果表明:所得三组化合物均表现出浓度增强发光及激发波长依赖荧光特性。以三乙醇胺、N-甲基二乙醇胺和2-二乙氨基乙醇分别反应所得化合物的发射波长依次红移,且其红移程度依赖于化合物的浓度,表现出结构和浓度依赖红移荧光特性。该方法实现了简单调控化合物的结构和浓度得到长波长的非传统有机荧光化合物,这为设计长波长非传统荧光材料提供了新的方法和思路。

恶意点击类制造虚假流量行为的刑法治理

恶意点击类制造虚假流量行为系网络黑灰产业链中的一种,其复杂性和关联性使得相关犯罪行为得以通过网络空间肆意传播,不仅具有严重的社会危害性,也增加了相关行为的定性难度,已成为中国刑法理论亟需解决的问题。虽然恶意点击行为的出现对传统罪名的适用提出了一定挑战,但刑法在规制相应犯罪行为时也不应过度“积极”,而应当注意适用的限度。针对恶意点击类制造虚假流量行为,司法应总体把握恶意点击的行为样态,以上下游相结合的方式,对恶意点击行为进行整体评价,既要判断上游行为是否构成侵犯计算机信息系统类犯罪,也要重点审查下游行为是否符合《中华人民共和国刑法》第287条的规定,以实现对恶意点击行为的合理规制。

全氟乙烯基醚类单体的自由基共聚合、基于“SuFEx”点击反应的后修饰及其性能

首先在常压和非氟溶剂中通过自由基热引发共聚合制备了6种全氟乙烯基醚类单体与非氟乙烯基醚类单体的共聚物,然后经“SuFEx”点击反应进行功能化修饰制得聚合物分子刷,进一步通过透析法构筑高含氟量的聚合物纳米粒子。利用傅里叶变换红外光谱(FT-IR)、核磁共振氟谱(^(19)F-NMR)、核磁共振氢谱(^(1)H-NMR)差示扫描量热分析(DSC)和凝胶渗透色谱(GPC)等详细表征了含氟聚合物的结构、接枝率及物化性能,证明全氟乙烯基醚类单体与非氟乙烯基醚类单体共聚合得到交替共聚物,与乙酸乙烯酯单体共聚合得到无规共聚物。同时“SuFEx”点击反应可以实现磺酰氟(―SO_(2)F)共聚物侧链的高效接枝。紫外-可见分光光度计(UV-Vis)、动态光散射(DLS)和透射电镜(TEM)分析表明,两亲性氟化共聚物自组装形成了流体力学粒径120 nm左右的球形胶束状聚集体,且具有较低的临界聚集浓度。

基于积注意力交互网络模型的点击率预测

如何提高广告点击率是对大数据网络营销的一个具有挑战的问题。考虑到用户点击行为的不确定性,提出一种基于积注意力交互网络模型的点击率预测模型。将用户的行为向量进行内积或外积,并根据广告自身的特征赋予交互后向量相应权重,然后进行点击率预测。在两个数据集上进行实验验证,结果表明该模型相对于传统的点击率预测模型在归一化基尼系数上提高了2%以上,预测效果更好。

点击化学制备AChE/MAO-B双抑制剂及活性评价

通过点击化学(Click)设计、合成了22个香豆素衍生物。多数化合物在微摩尔范围内表现出良好的AChE和MAO-B双抑制活性,具有良好的生物相容性。尤其是一种名为A2B5的化合物,对AChE和MAO-B的IC_(50)分别为(0.23±0.02)、(0.31±0.03)μmol/L,是最佳的AChE/MAO-B双抑制剂。实验结果表明香豆素基团是一类有效的AChE和MAO-B双抑制活性基团,羟基取代苯环的存在能够增强抑制活性。分子对接研究发现A2B5是双位点抑制剂,苯基部分结合到AChE的CAS位点,香豆素结合到PAS位点,三氮唑环占据两个活性位点的中间峡谷。A2B5的香豆素部分结合到MAO-B的入口空腔,苯基部分结合到底物空腔,并嵌入到Tyr435、Tyr398和FAD形成的“芳香笼”。总之,香豆素C7位置取代衍生物可以被开发为AChE/MAO-B双抑制剂,为进一步开发抗阿尔茨海默病的双靶点药物提供一个新的起点。

基于场矩阵分解机和CNN的点击率预测模型

点击率预测是在线广告和推荐系统的基本任务之一.主流模型通常通过对高阶和低阶特征进行特征交互建模来提升性能和泛化能力.然而,许多模型往往仅学习每个特征的固定表示,而忽视了特征在不同上下文中的重要性,并且一些模型结构过于简单.因此,本文提出了特征细化卷积神经网络融合场矩阵分解机(FRCNN-F)模型,以解决这些问题.首先,在特征细化网络(FRNet)中融合了卷积神经网络的特征生成模块,利用其在局部模式下重新组合生成新特征的优势,提升了重要特征选择能力.其次,设计了场矩阵分解机,使模型能够感知上下文并通过不同场的交互进行显示建模,从而增加了子模型的组合方式.最后,通过在Frappe和MovieLens两个公开数据集上对比实验,实验结果表明,FRCNN-F模型相比基线FRNet在AUC得分分别提升了0.32%和0.40%,交叉熵损失函数Logloss分别降低了1.50%和1.11%.该研究对于实现广告的精准投放和个性化推荐具有实际应用的价值.

基于压缩激励网络的注意力因子分解机的点击率预测模型

在互联网技术日趋成熟的今天,广告的点击率(click-through rate,CTR)预测得到越来越多的关注。在特定的商业环境下,广告CTR预测模型的改进可以带来巨大的经济效益。然而特征的多样性和复杂性使得传统的预测模型难以发现海量特征中的重要特征。针对上述问题,提出了基于压缩激励网络的注意力因子分解机的点击率预测模型(squeeze and excitation network based attentional factorization machines model for click-through rate prediction,SEAFM),SEAFM模型通过压缩和激励网络来动态学习特征的重要性,通过注意力网络来学习特征交互的权重,通过深度神经网络(deep neural network,DNN)模块来隐式建模高阶特征交互。实验结果显示,SEAFM模型比现有相关模型具有更好的性能。

自动点击行为的《反不正当竞争法》规制研究

随着互联网技术的快速发展,为了方便获取更多的利益,市场上出现了许多具有自动点击行为的应用软件。本文从这些行为的利益获取性质出发,评估其是否构成不正当竞争的违法性,关注其是否违反法律法规和公平竞争的市场原则,以及对其他经营者或消费者造成的不利影响。同时,分析了影响《反不正当竞争法》规制的具体因素,并探讨了这些行为所涉及的法律问题。最后,提出一些实践价值的对策,以促进反不正当竞争法律规制体系不断完善。

点击化学:功能化学的新时代——2022年诺贝尔化学奖简介

瑞典皇家科学院北京时间10月5日下午5点45分重磅宣布,将2022年诺贝尔化学奖授予美国化学家卡罗琳·露丝·贝尔托齐(Carolyn R.Bertozzi)、丹麦化学家莫滕·梅尔达尔(Morten Meldal)和美国化学家卡尔·巴里·沙普利斯(K.Barry Sharpless),以表彰他们在“点击化学和生物正交化学”(click chemistry&bioorthogonal chemistry)的发展作出的突出贡献。到目前为止,Bertozzi是诺贝尔化学奖史上第8位女性获奖者,Sharpless是第5位“梅开二度”的诺奖得主——他于2001年凭借“不对称氧化反应”获得了诺贝尔化学奖。2022年诺贝尔化学奖关乎于寻找新的理想的化学,让简单性和功能性优先。他们的研究也将给人类带来巨大的获益。

CuAAC点击化学法合成三氮唑结构锌离子探针

铜(I)催化的叠氮-炔烃环加成(CuAAC)点击化学与荧光探针是有机化学科研领域的重要前沿方向,开展相关的教学实验有助于学生创新能力的培养。然而,如何避免使用有毒、有爆炸风险的叠氮类化合物,是本科教学中推广CuAAC点击化学面临的巨大挑战。本文报道了一个改进的适合本科教学的CuAAC点击反应,提高了安全性与趣味性。通过巧妙利用5,7-二甲基四氮唑[1,5-a]嘧啶在溶液中可以互变异构为叠氮化合物的性质,使之与4-乙炔基苯甲醚反应生成三氮唑化合物5,实验中避免了操作叠氮化合物带来的中毒和爆炸风险。实验合成的化合物5可以选择性识别锌离子并作为锌离子荧光探针,具有定量测定锌离子含量的潜力。