《说文》“■”与其诸“借字”及“釁”字关系之分析

甲骨文■,于省吾先生释为■,并把典籍中相关的"幾、刏、祈"视为■之"借字"。通过对■与这几个"借字"之间关系的分析,指出■为本字,幾为其简体形式,讹误作畿。刏和■基本意义用法相同,刏近乎的异体,而祈则是的假借字。釁与■/■都表示血祭形式,具体用法有別,但意义有交叉。

基于图神经网络的金融征信研究

金融机构对申请借贷的用户进行信用评价是互联网金融领域的前沿方向之一。首先,基于互联网金融借贷网络历史数据,通过用户间借贷关系的网络化建模来反映融合用户节点与周边关系节点相互作用的借贷关联作用的复杂网络。其次,通过引入基于节点中心性结构特征指标的图神经网络模型,提出了具有邻接圈层信息与借贷信用信息耦合的个人征信评估模型。最后,模型在包含756100条交易记录的历史数据集上运行实现,并与BP神经网络算法和RF-Logistic模型进行了对比,结果显示所提模型具有更高的评估准确率。

陳夢家“聲假字”及相關問題考辨

繼唐蘭三書説之後,陳夢家提出基於其自身文字學理論的新三書説,其中“聲假”説是陳夢家三書説區别於唐蘭三書説的關鍵所在。陳夢家把聲假字定爲漢字的基本類型和發展階段之一,此説對後來的文字學理論具有重要影響。本文綜合陳夢家著作中有關聲假字的論述,梳理聲假字與相關概念的錯綜關係,辨析聲假字的具體内涵。

复杂担保网络中传染路径的风险评估

中小企业贷款在促进技术创新、推动经济发展、改善民生和增加就业等方面有着重要的作用.为了满足商业银行的贷款评估标准,很多中小企业选择互相提供担保以获得授信,形成了结构复杂的担保网络.当借款方的贷款违约时,风险则沿着担保方向在网络中层层传播,由此造成的潜在系统性风险给国家的金融安全和监管带来了严峻的挑战.因此,迫切需要发展相应的方法从系统角度对复杂金融担保网络中的传染路径进行风险评估和预测.本文提出了一种基于深度学习的风险评估模型,该方法应用图神经网络和注意力机制直接从网络化的贷款行为数据中学习风险特征,无需依赖于金融领域专业知识的人工特征工程.实验结果表明,本文设计的方法在多数评价指标上均优于现有的7个对比的基准模型.在传染路径风险评估任务中,比基准方法在精确率和召回率的调和平均数(F1-score)方面平均提升了2%15%.在新路径风险评估任务中,比最好的基准方法平均提升了3.5%.结果表明了本文设计方法在传染路径风险评估中的有效性,可为监管部门和金融机构对担保网络进行系统性风险评估提供方法理论基础.