影响经济法生成的非主流因素分析——对主流因素的梳理与跨越

除了传统的主流影响因素外,政治家的政治抱负与政治实践、各国特定的制度诉求和路径选择、宪政传统、国际因素、各种利益集团的兴起以及关联理论的日臻成熟等因素,对经济法的形成和发展也起到助推作用。我国经济法立法与司法实践中应重视非主流因素的作用,使经济立法体现和满足国家调节经济的需要,促进社会经济协调、稳定地发展。

意大利警务体制特色与警察“政要护卫特勤队”探究

意大利警察机构设置简洁高效,职责任务明确清晰;社会治安秩序井然有序,警务战略重在防范;警用装备充足精良,警察科技讲究实用;警察教育训练注重实战,警务管理严格规范;警方高度重视情报工作,建立了别具一格的情报管理方法。意大利政府还建立了警察"政要护卫特勤队",专门从事政要人员保护和引领反恐怖工作。意大利警方在维护社会治安,特别是在防范犯罪、打击有组织犯罪和恐怖活动等方面的做法可供借鉴。

基于深度学习方法对特定群体推特的动态政治情感极性分析

【目的】根据美国政客在特定时间段内的推特文本数据分析其动态的政治情感极性变化,辅助情报分析人员判断美国政治走向和中美关系未来走势。【方法】提出一种架构,结合多种深度学习模型,构建特定群体的专属推文数据集,得到情感极性多分类器,然后引入推文的时间特征,最终得到政客动态政治情感极性。【结果】构建的美国政客推文数据集验证所提出的综合架构在此任务中的有效性,分类器验证集准确率达到80.66%,准确率相比传统人工神经网络方法提高8.07%。针对20名美国州长、参议员的情感极性判断,成功率为75%。针对个体的动态政治情感极性分析,可以为分析人员提供有效的帮助和情报支撑。【局限】动态政治情感极性的分析依赖于数据集的定时更新和迭代,否则模型的准确率和有效性会随时间的变化而降低;政治情感极性所受的影响因素非常多,政客所发推文情感内容与其所代表的真实政治倾向可能有差异,会造成模型一定程度的误判。【结论】本文方法有效地利用多种深度学习技术辅助情报分析人员从海量推特文本数据中获取较为准确的动态政治情感极性。