基于效果定价模式的网络直播广告定价决策研究

网络直播广告作为一种新型营销方式快速发展,优化直播广告运营主体努力水平及定价策略是一项值得深入研究的课题。本文基于广告投放效果的两种定价模式,构建了包含两个广告商和一个主播的网络直播广告定价决策模型,探索广告商与主播的最优努力水平选择及广告定价策略。研究发现:CPW(cost per watch)定价模式下,广告商承担了消费者是否购买的不确定性风险,当消费者敏感性系数偏低时,广告商会提交较低的出价,且B/D两类广告商赢得竞拍的概率相等;对比CPW模式,在CPA(cost per action)定价模式下广告商的努力水平更低,且CPA定价模式中B型(品牌型)广告商赢得竞拍的概率更大,但赢得竞拍的广告商边际利润往往较低;与广告商相反,主播在CPA定价模式下的收益大于CPW,且随消费者敏感性系数的增加,两种定价模式下的收益差逐渐增大;CPW定价模式下预期观看直播的用户量和购买率均高于CPA,网络直播市场倾向于从CPW广告定价合同中获得较大收益。

面向不同类型概念漂移的两阶段自适应集成学习方法

大数据时代,流数据大量涌现.概念漂移作为流数据挖掘中最典型且困难的问题,受到了越来越广泛的关注.集成学习是处理流数据中概念漂移的常用方法,然而在漂移发生后,学习模型往往无法对流数据的分布变化做出及时响应,且不能有效处理不同类型概念漂移,导致模型泛化性能下降.针对这个问题,提出一种面向不同类型概念漂移的两阶段自适应集成学习方法(two-stage adaptive ensemble learning method for different types of concept drift,TAEL).该方法首先通过检测漂移跨度来判断概念漂移类型,然后根据不同漂移类型,提出“过滤-扩充”两阶段样本处理机制动态选择合适的样本处理策略.具体地,在过滤阶段,针对不同漂移类型,创建不同的非关键样本过滤器,提取历史样本块中的关键样本,使历史数据分布更接近最新数据分布,提高基学习器有效性;在扩充阶段,提出一种分块优先抽样方法,针对不同漂移类型设置合适的抽取规模,并根据历史关键样本所属类别在当前样本块上的规模占比设置抽样优先级,再由抽样优先级确定抽样概率,依据抽样概率从历史关键样本块中抽取关键样本子集扩充当前样本块,缓解样本扩充后的类别不平衡现象,解决当前基学习器欠拟合问题的同时增强其稳定性.实验结果表明,所提方法能够对不同类型的概念漂移做出及时响应,加快漂移发生后在线集成模型的收敛速度,提高模型的整体泛化性能.

基于数据流的K-S变化检测的动态多目标规划算法

为了更加准确地判断环境是否发生变化并快速追踪动态多目标规划问题(dynamicmulti-objectiveoptimization problem,DMOP)当前时刻的Pareto前沿,提出了一种基于数据流的Kolmogorov-Smirnov(K-S)变化检测的动态多目标规划(DSK-SDMOP)算法。该算法以NSGA-Ⅱ为基础,通过数据流建立2个时刻的检验窗口,再利用K-S检验基于数据流的Pareto最优前沿是否发生变化,检测2个窗口的数据是否服从同一分布来判断环境是否发生变化,并就环境变化的剧烈程度实行相应的应答机制,以提高对环境的适应程度。利用基于数据流的K-S检测方法,对环境变化不会过于敏感,而且不用提前假设对应目标值的分布,易于操作。通过5个动态多目标规划标准测试函数对该算法进行测试,并和现有的2种算法进行对比分析,结果表明该算法处理动态多目标规划问题具有良好的性能。

多源流理论视角下美国职业生涯教育立法政策的变迁

多源流理论为解释政策过程和分析政策变迁提供了一种视角和框架。美国职业生涯教育立法政策经历了三个时期:一是以片段化的引导性立法政策支持职业指导和职业生涯发展的探索期;二是以特色化的规制性立法政策推进职业生涯教育实践的确立期;三是以系统化的策略性立法政策深化职业生涯教育改革的深化期。运用多源流理论分析这一变迁历程会发现:美国时代变动引发的失业危机与传统教育效能单一之间的冲突构成了“问题识别”;职业生涯教育思想在政策共同体中的演化促成了“政策阐明”;公众舆论与政党执政理念对职业生涯教育的影响产生了“政治活动”;马兰德的“过程软化”与打开“政策之窗”则最终促成了“政策之窗与溪流的结合”。回顾美国职业生涯教育立法政策的颁布与调整,有两点值得思考和借鉴:一是立法政策在发展趋势、人群面向、目标定位和功能发挥上有明显变化;二是立法政策规范和保障是影响美国职业生涯教育实践的重要推动因素,而职业生涯教育立法政策的颁布又是特定时期多种因素长期共同作用促成的结果。

二重情境:数字视听文化中的身份构建与认同疏离

数字视听媒介及其文化的发展创造了新的情境,推动用户产生新的媒介实践,但也带来了新的问题和现象,即情境生成逻辑向流媒体用户让渡的转变、情境功能作为交往工具的偏移,以及情境秩序在去公共性过程中权力再结构化的取向。其中隐含着情境之于用户身份构建的二重性:一方面,流媒体用户依据情境构建身份,身份的构建过程进一步激发了情境的创造;另一方面,这些被构建的身份呈现出去情境化的流动趋向,造成了身份与认同的疏离。对此,文章在厘清数字视听文化新情境特征的基础上,阐释流媒体用户基于身份的情境互动过程,以及身份认同疏离的成因及危机。更进一步,文章尝试将新媒介—新情境—新行为的线性模式延展为更具解释力的用户主导循环模式,并提出通过共识的凝聚、公共性的重拾和共同体的重建,推动数字视听文化的良序发展。

基于振荡射流的撞击流反应器流动及混合特性研究

为了研究振荡射流撞击流反应器内流场特性,利用SST k-ω湍流模型,建立振荡射流撞击流反应器数学模型且与试验进行对比。通过分析速度场、湍流动能分布、压力场和湍流黏度分布规律来研究撞击流反应器内部流动特性,揭示混合性能变化规律。结果表明:在轴向上,速度、湍动能和压力呈多峰分布趋势且随着入口速度的上升而不断增大。在径向上,振荡器混合室内部涡旋中心受喷嘴小尺度涡旋干扰不断变化,从而影响流体振荡,使流场内产生4种流型。该反应器在35 s后混合均匀,混合强度达到0.95以上。研究结果丰富了流体振荡特性理论,为新型反应装置的开发提供理论参考。

虚拟直播电商的销售业绩影响因素与发展对策研究——基于信息源理论的实证分析

随着人工智能技术的发展,由虚拟主播与虚拟场景结合而成的虚拟直播成为电商发展新方向。基于直播电商“流量+转化”的商业本质,在信息源理论框架下构建虚拟直播电商的销售业绩模型,以淘宝直播平台300家虚拟直播间为样本进行实证分析。结果发现:虚拟主播的可信性、专业性和吸引力对销售业绩具有显著的正向影响,作为直播电商主要特征的互动性反而对销售业绩具有显著的负向影响,商品类型对虚拟主播互动性具有调节作用。根据实证分析结果,建议强化虚拟主播特性以提高流量和转化率,提升技术应用水平以填补互动性短板,出台培育政策以降低虚拟主播应用成本。

教育建筑的建筑教育——以本科四年级学校设计教学实践为例

从东南大学建筑学院本科四年级教育建筑设计系列课程的教学实践出发,对教育制度和空间模式相互关系展开深入研究。教育建筑设计系列课程通过立足社会问题的题目设置,职业建筑师的介入以及交叉学科的设计研究来指导教学实践,研究与总结其成果,对于发展更具有创新意识及职业性的建筑教育有重要的参考和借鉴意义。

非平衡数据流在线主动学习方法

数据流分类是数据流挖掘领域一项重要研究任务,目标是从不断变化的海量数据中捕获变化的类结构.目前,几乎没有框架可以同时处理数据流中常见的多类非平衡、概念漂移、异常点和标记样本成本高昂问题.基于此,提出一种非平衡数据流在线主动学习方法(Online active learning method for imbalanced data stream,OALM-IDS).AdaBoost是一种将多个弱分类器经过迭代生成强分类器的集成分类方法,AdaBoost.M2引入了弱分类器的置信度,此类方法常用于静态数据.定义了基于非平衡比率和自适应遗忘因子的训练样本重要性度量,从而使AdaBoost.M2方法适用于非平衡数据流,提升了非平衡数据流集成分类器的性能.提出了边际阈值矩阵的自适应调整方法,优化了标签请求策略.将概念漂移程度融入模型构建过程中,定义了基于概念漂移指数的自适应遗忘因子,实现了漂移后的模型重构.在6个人工数据流和4个真实数据流上的对比实验表明,提出的非平衡数据流在线主动学习方法的分类性能优于其他5种非平衡数据流学习方法.

混合式抽水蓄能电站群容量计算研究Ⅰ:短期调峰特征与梯级开发增益

依托常规梯级水电站修建混合式抽水蓄能电站(简称混蓄电站)成为提升电力系统调峰能力的重要途径。混蓄电站即可抽水又可发电的典型运行方式增加了水电基地的灵活性调节能力,为此亟需研究其运行方式以及与原有梯级水电站运行方式间的互馈关系。研究以黄河上游待开发龙羊峡-拉西瓦、拉西瓦-尼那混蓄电站为对象,建立含混蓄电站的梯级水电站短期联合调峰优化模型,分析混蓄电站对原有梯级水电站运行方式的影响,基于理论推导与数值计算两种方法揭示混蓄电站调峰效果的变化特征。主要结论如下:(1)混蓄电站抽水水量经由原有梯级水电站机组下泄,使得非填谷时段原有水电站出力增加,水电站上旋备容量降低;(2)龙羊峡水电站满发流量相对较小、拉西瓦水库调节库容较小以及日综合利用供水流量过大是制约混蓄电站调峰效果的主要因素,发现了综合利用流量影响混蓄电站调峰效果的临界特性,并提出了临界综合利用流量的计算公式;(3)发现并量化了混蓄电站梯级开发模式较单一开发模式所带来的梯级抽水调峰增益现象,并揭示了梯级抽水调峰增益背后所蕴含的“河流梯级反向再造”内在机理。

非平衡概念漂移数据流主动学习方法

数据流分类研究在开放、动态环境中如何提供更可靠的数据驱动预测模型,关键在于从实时到达且不断变化的数据流中检测并适应概念漂移.目前,为检测概念漂移和更新分类模型,数据流分类方法通常假设所有样本的标签都是已知的,这一假设在真实场景下是不现实的.此外,真实数据流可能表现出较高且不断变化的类不平衡比率,会进一步增加数据流分类任务的复杂性.为此,提出一种非平衡概念漂移数据流主动学习方法 (Active learning method for imbalanced concept drift data stream, ALM-ICDDS).定义基于多预测概率的样本预测确定性度量,提出边缘阈值矩阵的自适应调整方法,使得标签查询策略适用于类别数较多的非平衡数据流;提出基于记忆强度的样本替换策略,将难区分、少数类样本和代表当前数据分布的样本保存在记忆窗口中,提升新基分类器的分类性能;定义基于分类精度的基分类器重要性评价及更新方法,实现漂移后的集成分类器更新.在7个合成数据流和3个真实数据流上的对比实验表明,提出的非平衡概念漂移数据流主动学习方法的分类性能优于6种概念漂移数据流学习方法.

融合Res3D、BiLSTM和注意力机制的羊只行为识别方法

识别动物行为可以为疾病预防和合理喂养提供重要依据,从而有助于更好地关注动物的健康和福利。本文提出了一种融合三维残差卷积神经网络、双向长短期记忆网络和注意力机制的深度学习网络模型(AdRes3D-BiLSTM)。AdRes3D-BiLSTM模型可以直接针对视频流进行识别,在AdRes3D部分引入了深度可分离卷积和注意力机制,不但减少了浮点运算量,提升了网络轻量化程度,还提高了时间和空间两个维度的特征提取能力;提取的特征被输入BiLSTM模块后,从前后2个方向对时序特征向量进行筛选和更新,最后对羊只行为进行准确识别。试验结果表明,AdRes3D-BiLSTM对羊只站立、躺卧、进食、行走和反刍5种行为的综合识别准确率达到了98.72%,帧速率达到52.79 f/s,模型内存占用量为28.03 MB。研究结果为基于视频流的动物行为识别提供了新的方法和思路。

序列密码立方攻击研究进展综述

立方攻击由Dinur和Shamir在2009年欧密会上首次提出,是一种高阶差分攻击和代数攻击.经过近十余年的研究,传统立方攻击不断发展,动态立方攻击、基于可分性的立方攻击、相关立方攻击相继提出,攻击思想不断丰富,攻击技术不断改进,逐渐成为针对基于非线性反馈移位寄存器的序列密码算法的重要攻击方法.特别地,立方攻击自2009年提出以来一直是国际轻量级序列密码标准Trivium最有效的密钥恢复攻击,动态立方攻击攻破了全轮Grain-128算法,Kreyvium、Grain-128AEAD、ACORN这些基于非线性反馈移位寄存器的序列密码算法都可以用立方攻击进行有效分析.本文介绍了立方攻击的基本原理和攻击方法,综述了实验立方攻击、基于可分性立方攻击、立方集构造、动态立方攻击、相关立方攻击等方面的研究进展.

水平对置撞击流反应器强化液-液萃取及传质特性

为了研究撞击流技术强化水相从煤油相中萃取乙酸,考察操作条件和溶液性质对萃取效果和传质特性的影响,测定液滴分散程度,利用响应面法优化萃取工况。结果表明:随煤油相进口体积流量和相比(水相与煤油相的体积流量比)的增加,分散相液滴粒径分布范围先缩小后扩大,Sauter平均直径d32先减小后增大。萃取率和总体积传质系数随煤油相进口体积流量的增加、水相黏度的增加和表面张力的减小而先增大后减小,随相比的增加呈先增后减再增加的趋势。各因素对萃取率的影响程度为:相比>煤油相进口体积流量>十六烷基三甲基溴化铵(CTAB)质量浓度,且交互作用显著。最佳工况下萃取率为93.11%,较传统萃取工艺提高了5.11%。

云南蟾蜍1新属2新种

云南大窑大百草岭和永德大雪山分布的具有溪流繁殖习性的小型蟾蜍是2种新的未描述蟾蜍新种,它们都与哀牢蟾蜍(Parabufo Bufo ailaonica)有相似的形态和习性:(1)体型较小;(2)无鼓膜;(3)蝌蚪口部无吸盘;(4)产卵于山区溪流。因此,我们为其建立了1个新属(Parabufo gen.nov.),并将这2个新种分别命名为Parabufo baicaolingensis sp.nov.和Parabufo xueshanensis sp.nov.,将哀牢蟾蜍(Parabufo Bufo ailaonica)移入该新属。3个种之间有明显的形态差异:(1)体型大小:雄性的百草岭蟾蜍45.0~50.2 mm,雪山蟾蜍53.1~62.0 mm,哀牢蟾蜍41.1 mm,雌性的百草岭蟾蜍66.0~70.5 mm,雪山蟾蜍(缺少样本),哀牢蟾蜍52.0~55.0 mm;(2)皮肤:百草岭蟾蜍皮肤较为粗糙并密布大小不一的疣粒和痣粒(尤其雌蟾),雪山蟾蜍背部皮肤较光滑且疣粒很少,哀牢蟾蜍背部皮肤较为光滑但疣粒明显且大小较一致。

黄河流域矿产资源开发-经济-环境耦合协调发展及时空演化研究

黄河流域长期过量的矿产资源开发导致的生态退化和环境问题日益恶化,如何在环境约束下促进经济高质量发展已经成为黄河流域的重要课题。首先,将9个位于黄河流域的省份作为研究对象,选取矿产资源开发、经济、环境3个子系统的7个二级指标和28个三级指标,构建黄河流域矿产资源开发、经济和环境耦合协调评价体系,基于2011—2021年各省份面板数据,运用熵权法对该区域各省三大系统的综合发展水平进行评价。其次,构建黄河流域耦合协调度模型研究3个子系统之间的耦合协调关系,并使用ArcGIS来研究其时空格局上的演变过程。研究发现:1)2011—2021年各省综合发展指数不断提高,整体呈现为下游高于中游高于上游,上、中、下游地区综合发展指数增长率分别为59.2%、51.9%、60.9%;2)2011—2021年,耦合指数处于高值的省份数量逐渐增加,处于低值的省份数量逐渐减少,中、下游地区耦合指数水平均高于全流域的平均水平;3)从时间分布上来看,2011—2021年黄河流域个别省份处于协调状态以上,但仍有省份协调表现较差,三者的耦合协调度已接近失衡,但仍在稳定的向勉强协调发展,仍有很大空间;4)从空间格局来看,各省份协调指数均稳步增长,到2021年,处于协调状态的省份有8个,占所有省份的88.89%,且呈现“东高西低”(下游协调指数高于上游)的空间分布及省份间的两极分化现象。该研究结果可为黄河流域的环境保护和治理及区域间经济协调发展提供理论支持。基于研究,提出促进黄河流域协调发展的对策建议:重点关注地区之间的发展不平衡问题;加强科学规划建设;合理开发利用矿产资源,加强生态环境治理。

服装消费者使用直播购物的影响因素探究

为探究影响服装消费者使用直播购物的因素,通过文献梳理和分析构建研究理论模型,运用问卷调查法和结构方程模型分析发现:消费者对直播购物的感知有用性、感知易用性、主观规范和信任均对使用直播购物有显著正向影响;感知易用性和主观规范均显著正向影响感知有用性。此外,直播中的社会临场感可以显著影响消费者对直播的信任,但对直播的使用意向影响不显著。研究结论有助于促进服装消费者使用直播购物,对提高相关从业人员的直播营销效果具有借鉴意义。

我国幼儿园质量评估政策变迁的多源流阐释

新中国成立以来,我国幼儿园质量评估政策经历了垦拓与酝酿、起步与探索、规范与发展、深化与完善四个阶段。运用多源流理论对我国幼儿园质量评估政策的变迁机理进行探析,研究发现:问题源流为政策变迁提供了合理性基础,国家重大战略为政治源流营造了适宜政治环境,多方意见建议汇合为政策源流酝酿了合法性的土壤。我国在幼儿园质量评估政策改革和优化方面,应增强问题意识,聚焦幼儿园质量评估政策的具体实施;科学统筹规划,完善幼儿园质量评估政策的政治保障;吸纳多方建议,坚持端正幼儿园质量评估政策的价值取向。

基于自适应深度集成网络的概念漂移收敛方法

概念漂移是流数据挖掘领域中的一个重要且具有挑战性的难题.然而,目前的方法大多仅能够处理线性或简单的非线性映射,深度神经网络虽然有较强的非线性拟合能力,但在流数据挖掘任务中,每次只能在新得到的1个或一批样本上进行训练,学习模型难以实时调整以适应动态变化的数据流.为解决上述问题,将梯度提升算法的纠错思想引入含概念漂移的流数据挖掘任务之中,提出了一种基于自适应深度集成网络的概念漂移收敛方法(concept drift convergence method based on adaptive deep ensemble networks,CD_ADEN).该模型集成多个浅层神经网络作为基学习器,后序基学习器在前序基学习器输出的基础上不断纠错,具有较高的实时泛化性能.此外,由于浅层神经网络有较快的收敛速度,因此所提出的模型能够较快地从概念漂移造成的精度下降中恢复.多个数据集上的实验结果表明,所提出的CD_ADEN方法平均实时精度有明显提高,相较于对比方法,平均实时精度有1%~5%的提升,且平均序值在7种典型的对比算法中排名第一.说明所提出的方法能够对前序输出进行纠错,且学习模型能够快速地从概念漂移造成的精度下降中恢复,提升了在线学习模型的实时泛化性能.

一种基于信息检测的卫星处理载荷健壮性提升策略

为了以尽量小的代价提升处理载荷的在轨健壮性,提出了一种不增加硬件且工程易实现的策略。该策略引入一种新的信息流设计,在单机间信息传输时插入特殊设计的测量帧,通过该测量帧在处理载荷之间的信息闭环检测实现在轨故障判断与定位,以很小的代价实现单机间完好性监视以便故障快速恢复,提升了在轨处理载荷的可用度和健壮性。仿真结果表明,针对单粒子事件引起的在轨故障,所提策略理论上相比传统方式的检测概率能够提升3~4倍,故障恢复时间能够缩短至1/6以下,配合其他在轨故障处理与快速恢复方法,还可进一步降低单粒子事件对业务的影响。