数字出版物的最优信息披露策略研究:以电子书为例

考虑电子书厂商信息披露策略,即提供免费试读样章供消费者在线试读.基于消费者购买决策取决于免费试读和口碑效应两个因素的基本假设,构建了电子书信息披露策略的数学模型并进行求解,通过更新函数衡量信息披露对消费者的认知改变,分析厂商收益的最优化问题.结果表明,最优信息披露策略取决于消费者初始认知和实际质量之间的相对大小关系.最优的信息披露量和价格受到初始认知、实际质量和口碑效应影响,两个决策变量之间的交互影响关系也在文中讨论.研究结果为厂商的信息披露策略以及定价策略提供理论性的指导和借鉴.

计算机数据库技术在信息管理领域的应用

随着信息化技术的持续发展,其在人们的日常生活和工作中得到了广泛应用,通过对信息技术的应用,可以更好地收集、整合、分析和处理数据,以发挥数据信息资源的重要价值。在信息化时代,计算机数据库技术的应用,可以有效提升信息管理效率,使各类信息的处理得到优化,从而满足人们的信息需求。文中充分研究了计算机数据库技术,分析了该技术的特征及内涵,对计算机数据库技术的应用现状进行了探讨,并阐述了其应用成效,希望能为相关研究提供一些参考和借鉴。

融合法律文本结构信息的刑事案件判决预测

近年来,法律领域的智能化引起了学界的广泛关注。选取法律领域中十分重要的法律判决预测任务作为研究重点,法律判决预测包含推荐相关法条、定罪和刑期预测等三个子任务。随着深度学习在各个领域的广泛应用,一些研究者将深度学习方法引入法律判决预测任务并取得了较好的效果。现有基于深度学习的法律判决预测方法通常是通过构建案情描述和法条之间的注意力来提升模型预测能力,或者利用三个法律判决预测子任务间的关系来提升整体的性能。但是这些工作未考虑法律文本中的多层层次化信息,如刑法第三百九十七条包含职务侵占罪和玩忽职守罪,其法条大类是渎职罪,并且每个罪行有不同的刑期。针对该问题,考虑引入法律文本的多层层次化信息用于法律判决预测任务。具体来说,对法律文本的多层结构信息进行预处理,并利用协同注意力机制将法条的多层信息融入到案情描述中,得到每个子任务的融合不同层次的法律信息的案情描述表示,从而提升司法判决预测任务的性能。在真实的法律判决预测任务公开的数据集上进行了实验,结果显示提出的融合法律文本多层结构信息的模型在法律判决预测任务上优于当前最好的模型。对法律智能化的未来和发展进行了展望。

面向用户体验增强的信息检索评估模型研究

如何为用户精准提供高质量信息是信息检索系统有效提升用户体验的关键问题所在。在对国内外相关技术研究进展基础之上,从引入信息资源与用户需求之间最佳匹配的动态评估机制角度,提出了一种面向用户体验增强的信息检索动态评估模型,对模型中的信息质量评估方法、用户期望评估方法、情境动态评估方法和用户体验评估方法等进行详细设计,并对模型中各因素权重进行最优化搜索求解。仿真实验结果表明,构建的动态评估模型具有较好的“鲁棒”特性,对不满足用户需求的信息过滤效果明显,将用户所需的高质量信息返回给用户,明显增强了用户对信息检索的应用体验。

以“教学之道”御“教学之术”——以认知为目标的教学新范式

面对高校师生陷入“内卷”困境,以及AI等新技术的快速发展对当下教育教学提出的新挑战,本文汲取中华优秀传统文化中的哲学智慧,把“教学之道”作为真正有效教学的根基,基于布卢姆教育目标分类构建了适合我国的知识、能力和认知三维教育目标,并分析当下教育重心已由“知识+能力”向“能力+认知”偏移。在问题逻辑认知模式的成果导向教育(POT-OBE)基础上,提出了一种以提升“能力+认知”为目标的“5E”教学范式。教学实践表明,“5E”在提升学生的解决问题能力、创新意识和认知模式等方面效果明显,能够为师生摆脱教与学的内卷迷茫找到一个突破口,为AI冲击下的教育学科摆脱实质“停滞”提供一个思路。

跨域数据管理

随着数据成为新的生产要素和数字中国顶层战略的推进,跨域数据共享和流通对于实现数据要素价值最大化变得至关重要。国家通过布局全国一体化大数据中心体系、启动“东数西算”工程等一系列举措,为数据要素的跨域应用提供了基础设施。然而,传统的数据管理局限于单一域内,无法满足跨域场景下的数据管理需求。跨域数据管理面临通信层面的跨空间域挑战、数据建模层面的异构模型融合问题,以及数据访问层面的跨信任域挑战。从跨空间域、跨管辖域和跨信任域3个视角出发,探讨了跨域数据管理的内涵、研究挑战及关键技术,并展望了其未来发展趋势。

数据科学的科学性与科学问题的分析

作为一门新兴的学科领域,数据科学的科学性受到了关注且其科学问题未明确提出。文中从科学研究范式及方法论、可证伪性和可再现性、科学精神及快速迭代以及科学研究纲领及理论体系4个方面探讨了数据科学的“科学性”,并解答了为什么数据科学是一门新兴科学的问题。在此基础上,结合DIKW模型(DIKW Pyramid or Hierarchy)、DMP(Data-Model-Problem)模型、数据科学的统计学和机器学习方法论以及数据科学的流程与活动,提出了数据科学的7个核心科学问题:解释在先还是在后或无、问题对齐数据还是数据对齐问题、更加相信数据还是模型、更加重视性能还是可解释性、如何划分数据、如何用已知数据解决未知数据的问题、人在环路还是人出环路。最后,提出了数据科学研究的4点建议:聚焦数据科学本身的理论研究,推动数据的科学、技术和工程需要进一步分离和专业化,加强人工智能赋能的数据科学的理论与实践以及数据科学学科(Data Science as A Discipline)与学科中的数据科学(Data Science Within A Discipline)的联动。

智慧养老数据资源治理体系研究:基于活动理论视角

智慧养老产业市场规模不断扩大,产生了一系列有价值的数据资源,但全国智慧养老数据资源共享程度低、不成体系,呈现出不集成、不统一和不均衡的“三不”问题,导致数据资源价值难以充分发挥,阻碍了各养老服务主体的合作和效益提升,也影响了老年人对养老服务的满意度,因而亟须建立和完善智慧养老数据资源治理体系。尤其是对于治理过程中各个要素如何协同、面向具体场景的治理活动如何展开等难题,利用规范分析方法,基于活动理论提出智慧养老领域数据资源治理体系的整体框架,对其中的治理主体、客体、共同体、规则、工具和分工六大要素展开详细分析,并基于康复场景构建老年人康复活动中的数据资源治理流程。提出基于本体模型并包含“元数据—主数据—参考数据”三个层次的数据资源分类体系,发现智慧养老数据资源的治理模式将经历从无中心引导型的分布式治理到单中心集聚型的集中式治理,再到多中心孤岛型的分布集中式治理,最后形成多中心合作型的网络式治理,在不同阶段可相应构建督促机制、注册机制、协商机制、权责机制、激励机制、监管机制等治理机制。

融合知识图谱的影视视频标签分类算法研究

鉴于视频感知方式的多样性,视频标签层级分类算法均从视觉和文本模态入手,训练联合模型共同推断视频内容。但现有研究通常只适用于粗粒度的分类,针对影视剧名的分类,则需要更加细粒度的识别。提出了一个融合知识图谱的影视视频标签分类算法。首先,使用了基于大规模通用数据训练的多模态预训练模型提取了视觉和文本的特征,训练了一个多任务的视频标签预测模型,得到视频的类型、题材和实体三级标签;通过在多任务学习网络中引入相似性任务提高分类模型训练的难度,使得同类样本特征更加紧密,且更好地表达样本差异。其次,对于最细粒度的实体标签,提出了一个局部注意力头扩展的实体纠错模型,引入外部知识图谱的共现信息对前置模型的预测结果做修正,得到更准确的实体标签预测结果。采集豆瓣的半结构化数据构建了影视知识图谱并对影视视频标签分类模型进行了实证研究。视频标签分类的实验结果表明,首先,基于多任务网络结构,在训练分类任务时加入交叉熵损失函数和相似性损失函数对模型进行共同约束优化了特征表达,在类型、题材、实体标签的Top-1分类准确率上分别提升了3.70%、3.35%和16.57%;其次,针对前置模型的困难样本提出的全局-局部注意力机制模型,在引入了知识图谱信息之后,实体标签的Top-1分类准确率从38.7%提升到45.6%。该研究是使用图片-文本对数据在多模态视频标签分类问题上新的尝试,为少量数据样本情况下的短视频标签分类提供了新的研究思路。

开放社区模式运营数据库虚拟教研室的实践经验

教研室是学校最基层的教学科研组织单位,虚拟教研室是信息化时代新型基层教学组织建设数字化转型的重要的探索。但这种新型组织跨学校、跨空间,如何激励参与者并维持和指导他们的参与行为,是虚拟教研室运行的关键难题。数据库课程虚拟教研室提出基于开放社区模式运营虚拟教研室的思路,提出了“开放、奉献、竞争、有序”的核心理念,建立了分层组织架构和工作组运行机制。经过2年的实践探索,形成了课程知识图谱、丰富的教学实验案例,开展了“共备一门”的系列特色教研方式,打造了“国产数据库进课堂”品牌活动,孵化出一批国家级、省部级一流课程和国家级、省部级教学成果奖,取得了丰硕的成果。

联合张量补全与循环神经网络的时间序列插补法

现存的插补方法大致分为基于统计的插补法和基于深度学习的插补法。基于统计的插补法只能捕捉线性时间关系,导致无法精准建模时间序列的非线性关系;基于深度学习的插补法往往没有考虑到不同时间序列之间的相关性。针对现有方法的问题,本文提出了联合张量补全与循环神经网络的时间序列插补法。首先,将多元时间序列建模成张量,通过张量的低秩补全捕获不同时间序列之间的关系。其次,提出了一个基于时间的动态权重,将张量插补结果和循环神经网络的预测结果进行融合,避免因为连续缺失导致的预测误差累积。最后,在多个真实的时间序列数据集上对所提方法进行了实验评估,结果显示该模型优于已有相关模型,且基于插补后的时间序列可以提升时间序列预测效果。

面向对象程序设计课程C++和Java的比较教学

面向对象程序设计语言的三大基本特性为封装、继承和多态,对比分析C++和Java在实现封装、继承和多态方面的区别和联系,结合具体教学案例,阐述教学难点并提出对策,以达到事半功倍的学习效果。

数字化投资与认知互补增效——高层梯队理论视角

数字化转型需要企业认知转变与资金投入的共同推动,即数字化认知与数字化投资的互补增效,而高管团队的结构特征在其中扮演重要作用.根据高层梯队理论,高管团队的背景结构影响传统企业的数字化认知,成为数字化投资能否为企业增效的关键影响因素.本研究基于208家医药上市企业2010年—2019年的非平衡面板数据,分析并检验了高管团队职能背景异质性和金融背景主导性对企业数字化投入产出的调节作用.结果表明企业的数字化投资与数字化认知相互依赖、互补增进,两者共同推动企业成长性价值;高管团队职能背景异质性能够强化两者的互补效应,而高管团队中金融背景成员的增加会弱化该效应.

数智化时代老年人社会参与的挑战与应对策略——基于MOA理论的实证研究

随着积极应对人口老龄化国家战略的实施,养老观念正发生转变,从传统单纯地为老年人生活提供支持,逐步转向鼓励老年人继续参与社会活动,即进行积极的社会参与。数智化技术既给老年人积极社会参与带来更多的机遇,也是未来老年人社会参与的必由之路。基于MOA理论对20位老年人开展为期14天的日记研究,结果表明,数智化技术确实为老年人带来了更多社会参与的机会,但也造成老年人在社会参与时面临“想参与但无从参与”“有机会但参与困难”与“参与但获得感不强”三大挑战。要改善这一现状,首先,要完善制度设计,通过出台老年人社会参与统一平台建设、技术赋能老年社会参与的相关政策,保障参与环境;其次,要建设统一平台,构建包含老年人、养老服务机构(企业)和医疗(健康)服务机构等不同主体共同聚合的生态系统,保障老年人的社会参与机会;再次,推动技术赋能,在做好高频应用适老化改造的基础上,加强对智能化功能的建设,对技术使用的门槛做减法,为技术应用形式做加法;最后,要积极鼓励和推广以志愿服务、银发网红、再就业等为代表形式的“老有所为”活动,支持老年人继续发挥余热,使晚年生活更充实、更有意义。

Photoshop月食动画的一题多解教学

根据多年的教学经验,笔者在PS课月食动画的教学中采用一题多解的教学方法,让学生多角度全方位理解和掌握知识的本质,调动学生的积极性,培养创造性思维,取得了良好的教学效果。

Photoshop课程中的“路径”教学

路径是Photoshop的关键技术之一,其操作灵活,应用广泛,不容易掌握。笔者根据多年的教学经验,总结出以路径工具为主,配合其他工具,精心设计案例的教学方法,在实践中取得了良好的教学效果。

传输控制中的确认机制研究

Internet传输层协议需要依赖于确认(ACK)机制提供的反馈信息,实现拥塞控制和可靠传输等功能.以Internet传输协议演化的历史为线索,回顾传输控制领域中的确认机制,并讨论现有确认机制中需要解决的问题;基于“类型-触发条件-信息”三要素,提出按需确认机制及其设计原则,重点分析确认机制和拥塞控制、丢包恢复等传输协议子模块之间的耦合关系;结合设计原则,详细阐述一种可行的按需确认机制实现——TACK机制,并对相关概念进行系统的、深入的分析和澄清.最后结合按需确认机制面临的挑战,给出几个有意义的研究方向.

基于先验地图的视觉重定位方法综述

在自动驾驶、增强现实和智能移动机器人领域,视觉重定位是非常重要的基础问题.视觉重定位是指根据视觉传感器实时拍摄的数据,在已有先验地图中确定位置和姿态的问题.过去数十年间,该问题受到广泛关注,涌现出种类繁多的先验地图构建方法和视觉重定位方法.这些工作差异大,涉及范围广,技术概括和总结尚缺乏.因此,对视觉重定位领域进行综述具有重要的理论和应用价值.尝试为视觉重定位相关方法建立一个统一的蓝图,从图像数据在大规模地图数据库中查询的角度对相关工作进行分析和总结.综述不同类型地图数据库构建方法、不同特征匹配、重定位和位姿计算方法,总结目前视觉重定位的主流数据集,最后分析视觉重定位存在的挑战和潜在发展方向.

基于区块链的公平可验证搜索加密方案

针对现有搜索加密方案缺乏对数据拥有者行为约束的问题,提出了一种基于区块链的公平可验证搜索加密方案。该方案提供公平高效的搜索和验证。引入向量数字承诺约束数据拥有者行为,同时采用区块链计算哈希验证基准实现高效的轻量级多关键字搜索结果验证,避免第三方验证不可信问题。方案通过对偶编码算法函数和局部敏感哈希函数将关键字映射至布鲁姆过滤器中,实现模糊搜索的同时提高搜索前关键字转化为向量的效率。经实验表明,该方案搜索前关键字转化效率更高,验证过程与现有使用公钥密码原语的验证方案相比,时间消耗更少。安全性分析证明该方案在随机预言模型下是安全的。

数据库参数配置智能调优研究综述

数据库系统具有大量的参数,这些参数控制了系统的内存分配、I/O优化、备份与恢复等诸多方面,极大地影响着数据库的性能.随着数据库和应用程序的规模和复杂性的增长,传统依靠数据库管理员手动配置参数的方式已经越来越难以满足用户需求.数据库参数配置智能调优将机器学习技术应用到参数调优领域,依据负载信息、数据库参数和性能,借助机器学习算法推荐一组最优的参数.本文针对现有参数配置智能调优技术,从调优方法、应用情况和未来挑战三个方面依次进行梳理和总结.首先将现有参数调优方法依据所用算法不同分为五类,从原理、技术、优缺点等方面对各类方法进行详细介绍和总结.之后介绍当前工业界主流的参数调优工具,分析参数配置智能调优在实际应用过程中遇到的问题及原因.最后,本文对数据库参数配置智能调优的未来研究方向进行了展望.本文旨在帮助研究者掌握当前数据库参数配置智能调优领域主流方法及面临的问题,以推动后续研究工作的开展.