跨界团队网络特征对其颠覆性创新绩效的影响研究

跨界团队在企业等创新主体开展颠覆性创新活动中发挥重要作用,而运用机器学习方法识别其网络特征与颠覆性创新绩效之间殊途同归的组态路径是一个亟待解决的重要问题。本文基于Incopat专利检索平台无人机领域139999条专利数据,采用社区发现算法在专利发明人合作关系数据中识别185个跨界团队,依据社会网络理论遴选跨界团队网络特征变量,利用k-means聚类算法对跨界团队进行类型划分,并运用决策树CART(classification and regression trees)算法挖掘不同类型跨界团队网络特征对其颠覆性创新绩效的影响。研究结果表明,①跨界团队共有二元合作、类完全合作和复杂合作3种合作类型,不同跨界团队类型对颠覆性创新绩效影响具有差异性,即类完全合作团队高颠覆性创新绩效占比最高,二元合作团队高颠覆性创新绩效占比最低;②合作强度具有普适性,它是影响不同跨界团队形成不同水平颠覆性创新绩效的核心因素;③合作强度正向影响二元合作团队颠覆性创新绩效,类完全合作团队的颠覆性创新绩效受聚集系数、合作强度与团队规模的共同影响,而对于合作强度较高的复杂合作团队而言,保持较低的网络密度有利于其提升颠覆性创新绩效。

基于簇中心群的时间序列数据分类方法

分类算法是时间序列数据挖掘中极为重要的任务和技术,该文提出一种基于簇中心群的时间序列数据分类方法。该方法根据时间序列训练数据集中的类别标签进行簇划分,利用近邻传播算法分别对每个簇进行中心代表点选择,构造出各代表点的代表对象集;然后借助基于动态时间弯曲的均值中心方法对各代表对象集实现中心群计算,结合改进后的K近邻算法实现时间序列数据的分类。数值实验结果表明,与传统方法相比,新方法具有更好的分类效果和计算性能。

大数据环境下的管理信息系统发展研究

大数据时代的到来给管理信息系统带来了一定的冲击和挑战,因此有必要研究大数据对现代管理信息系统的作用及影响,使得管理信息系统的性能和社会服务作用得到进一步提升。首先从数据的内涵与特征来理解大数据的概念,接着从数据处理过程的角度来讲述大数据对管理信息系统业务流程的变化和影响,同时,从管理信息系统的构成来解析大数据对于管理信息系统的推动与发展作用。最后,针对基于大数据环境下的信息安全和信息人才短缺等问题进行了探讨,并提出了相关的解决方案。

基于关键词重要性和近邻传播聚类的主题分析研究

鉴于传统科学计量方法存在共现分析缺少考虑关键词重要性和主题分析手段不能自适应地抽取核心主题等问题,本文提出一种基于关键词重要性和近邻传播聚类的主题分析方法。该方法依据大多数作者的潜在行为会按照与研究内容相关性的强弱顺序提供论文关键词,计算关键词在每个文献中的重要程度,构建主要关键词之间的相似性矩阵,结合能够反馈最优簇成员代表性结果的近邻传播聚类实现核心主题的提取与分析。本研究对图书情报类某刊物2012-2016年期间的文献关键词进行数据挖掘,使用新方法实现了基于重要性度量的主要关键词聚类,分析和研究了主要关键词和核心主题的演化趋势。提出的方法不仅能够考虑关键词重要性和自动识别核心主题,还可以为文献主题分析提供新的数据挖掘方法,也能有效提高期刊和学科等相关领域的主题识别效果。

标签传播时间序列聚类的股指期货套期保值策略研究

利用时间序列聚类方法进行股指期货的套期保值,关键要选择合适的聚类方法。本文从新的视角来研究并提高时间序列聚类方法在金融数据分析领域的应用性能,提出一种基于标签传播时间序列聚类的股指期货套期保值模型。该模型以动态时间弯曲为相似性度量方法来构建现货股票网络空间结构,将每只股票看作一个节点,利用标签传播方法将节点划分到不同的簇中,最终实现股票数据聚类。另外,构建最小追踪误差优化模型来确定每支股票在现货组合中的最优权重,从而得到最优组合。实验分别比较新方法和传统聚类方法确定现货组合的追踪误差,结果表明新方法能够提高现货组合的追踪精度,为丰富金融市场投资和管理方式提供新的研究思路。

基于近邻传播的限定簇数聚类方法研究

针对传统近邻传播聚类算法不能进行限定类簇数目的聚类缺陷,提出一种三阶段的改进聚类方法。该方法通过近邻传播聚类从数据集中获得中心代表点集合,利用K-means算法对中心代表点集合进行指定类簇数目的聚类进而获得初始训练集,结合改进的K最近邻算法实现数据的聚类分析。采用人工仿真数据及UCI数据集进行对比实验,实验结果分析表明,与近邻传播聚类算法和传统限定类簇数目的聚类算法相比,新聚类算法具有更好的聚类效果。

婚姻状态对幸福感的影响研究

随着新时代背景下社会的进步与经济的发展,幸福感成为人民群众普遍追寻的目标,婚姻是人们进入人生新阶段的标志,与幸福感有着密不可分的联系。基于此背景,首先总结了婚姻与幸福感相关研究,然后运用中国综合社会调查2015年(CGSS2015)的调查数据,在分析了多元线性回归模型、OrderProbit回归模型与OrderLogit回归模型的基础上,采用三种模型进行实证分析。结果表明婚姻对幸福感存在显著的正向影响,性别、年龄、子女数量等控制变量也对幸福感有显著影响;不同收入水平和健康状况下,婚姻状态对幸福感会产生不同影响;性别和子女数量会对不同年龄层人群的婚姻幸福感产生不同影响,性别会对不同受教育程度人群的婚姻幸福感产生不同影响;另外,收入梯度是影响婚姻幸福感的重要因素。

建成环境对街道活力的非线性效应——基于XGBoost模型的多源大数据分析

深入认知建成环境对街道活力的影响效应,是街道环境优化与城市更新的基础。但多数研究忽略了二者之间的非线性关系,难以有效指导设计实践。基于多源大数据测度街道活力与建成环境,使用机器学习算法来分析其非线性效应,并针对不同类型街道进行探索。结果表明:1)提升开发强度是促进街道活力的最有效措施;2)建成环境要素对街道活力的影响表现出非线性特征,将其控制在合理范围内,街道活力才会有效提升;3)街道环境要素的综合设置应考虑其交互效应,一个要素的影响会随着另一个要素的变化被放大或缩小;4)老城区、商务片区、工业与区域交通设施周边区域及景观性街道的活力形成机制存在显著差异。相关规律可为街道的精细化设计提供人本尺度的理论参考。

基于分类词典的文本相似性度量方法

针对现有基于语义知识规则分析的文本相似性度量方法存在时间复杂度高的局限性,提出基于分类词典的文本相似性度量方法。利用汉语词法分析系统ICTCLAS对文本分词,运用TF×IDF方法提取文本关键词,遍历分类词典获取关键词编码,通过计算文本关键词编码的近似性来衡量原始文本之间的相似度。选取基于语义知识规则和基于统计两个类别的相似性度量方法作为对比方法,通过传统聚类与KNN分类分别对相似性度量方法进行效果验证。数值实验结果表明,新方法在聚类与分类实验中均能取得较好的实验结果,相较于其他基于语义分析的相似性度量方法还具有良好的时间效率。

基于同步频繁树的时间序列关联规则分析

针对经典算法Apriori和频繁模式增长算法(frequent pattern growth, FP-growth)不能直接对时间序列数据进行关联规则挖掘的问题,提出一种同步频繁树算法(synchronize frequent tree, SFT)。利用时间序列的时间属性具有一维性的特点,定义趋势项-位置表示法表示时间序列数据,将首条时间序列构建成一棵基础树,通过计算树叶子节点与列表项的信息交集,可判断其是否与该树枝中的所有节点构成频繁K项集。在SFT算法中,用趋势项-位置表示的数据内存占用情况要优于原始数据,并且在挖掘过程中不会产生候选频繁项集,使得算法在整个挖掘过程中表现出较好的时间性能。基于商品数据和股票数据的数值实验表明,SFT算法所得结果不仅与其他5种对比算法的结果一致,在各量级的数据和不同的支持度计数中,其时间复杂度都要优于对比算法。

自适应属性加权近邻传播聚类算法

针对多维数据属性对聚类分析结果有不同重要程度影响的问题,提出一种基于自适应属性加权的近邻传播聚类算法。该方法通过考虑多维数据属性权值的重要度,在近邻传播聚类过程中引入属性加权相似性矩阵计算,并根据当前数据聚类划分的结果来分析目标评价函数,计算各个属性对当前聚类的贡献程度。随后根据贡献程度的计算结果自适应地更新属性权值,并通过属性加权相似性矩阵来重新计算近邻传播算法中的两种竞争信息,进而提高聚类结果的质量。数值实验结果表明,新方法能够有效实现属性权值的自适应调整,提高近邻传播算法的聚类效果,与其他传统聚类算法相比新方法具有更好的聚类质量。

全球化有助于促进经济增长吗

本文基于93个国家1970—2014年的面板数据,构建具有截面相关的非平行面板数据误差修正模型,考察全球化对经济增长的长期影响效应与短期影响效应。研究结果表明,全球化与经济增长存在长期稳定的协整关系;全球化对经济增长的长期影响效应显著为正,且长期影响效应随着全球化水平、经济发展水平、人力资本、金融发展水平的提高而增强,而短期影响效应不显著。这意味着全球化在长期有助于促进经济增长,全球化水平、经济发展水平、人力资本、金融发展水平越高,越有利于全球化促进经济增长。

基于博弈关系与碳排放约束的中国省际能源效率评价

针对传统数据包络分析(DEA)模型的缺陷,提出生态-博弈交叉数据包络分析(ECO-GCDEA)模型,对低碳约束下的中国省际能源效率进行测算和排序,并将离散结果函数化进行大数据视角下的区域性分析。研究发现:中国低碳约束下的能源效率得分增长趋势不显著,其中东部地区能源效率得分较高,而西部地区能源利用效率与环境发展协调程度较差。聚类分析表明,我国低碳能源效率不存在两极分化现象,且第三梯队的改善势头强劲。

中国省际能源效率与环境污染

提出生态博弈交叉Malmquist TFP指数模型,对中国省际环境约束下的能源效率进行分析。研究表明,我国能源效率表现欠佳,受效率变动和技术变动双重影响,测度结果呈现东、中、西三大地区逐级递减,但两极分化趋势不显著。

一种结合时空上下文的在线卷积网络跟踪算法

基于卷积神经网络提取抽象特征缺乏时空信息的问题,结合时空上下文模型作为卷积神经网络的各阶滤波器,提出一种在线卷积神经网络的视觉跟踪算法.首先对初始目标进行归一化处理并提取目标置信图,跟踪过程中结合时空信息更新得到时空上下文模型,第1层使用更新后的模型对输入进行卷积,并对卷积结果进行滑动窗口取片,第2层再使用时空模型分别对取片结果进行卷积,提取目标简单抽象特征,然后叠加简单层的卷积结果得到目标的深层次表达,最后结合粒子滤波跟踪框架实现目标跟踪.实验表明:结合时空上下文模型的在线卷积网络结构提取的深度抽象特征,保留相关时空信息,提高复杂背景下的跟踪效率.

基于数据决策分析的科研成果关注度影响因素研究

【目的/意义】科研成果关注度是论文价值成果的体现,反映研究者对成果的关注程度,也影响科研成果的转化效率,科研人员可依据关注度确定研究方向与主题。【方法/过程】提出科研成果关注度概念。量化潜在影响科研成果关注度的因素,包括关键词、作者地址、基金资助、期刊热度、标点符号吸引力和作者水平。【结果/结论】以影响因素为条件属性,关注度为决策属性,使用CART决策树获得决策规则,研究发现:(1)商业与经济学研究方向中化学、生物、自然等领域的成果更易受关注;(2)关键词对科研成果关注度具有高度影响,其次为期刊热度,而部分因素也对科研成果关注度存在不同程度的影响;(3)基金资助和标题符号吸引力在独立分析中无法证实与科研成果关注度的关系,但在决策过程发现二者没有影响。【创新/局限】本文基于学者的关注度视角,提出了科研成果关注度概念,用机器学习模型进行决策,为进一步评估科研成果提供了理论基础。

基于节点影响力的理性节点标签传播算法

社区发现能够揭示真实社会网络的拓扑结构和重要节点。由于具有线性时间复杂度,无需定义目标函数及目标参数,标签传播算法(LPA)作为经典社区发现算法被广泛应用在学术和实践领域。针对LPA算法更新顺序的无序性和标签选择的随机性,提出基于节点影响力的理性节点标签传播算法(RLPBNI)。将节点影响力排序作为更新顺序,引入理性节点概念进行标签选择,并定义重叠度进行社区再降维。实验结果表明,与其他对比算法相比,RLPBNI算法不但可有效提高社区划分精度,且更容易发现混合程度较高的网络中隐藏的社区。

高校杰出学者知识创新绩效的影响因素研究

利用机器学习发现影响学者知识创新绩效的复杂非线性特征组合,能提升学者绩效和促进资源优化配置。以2016—2018年国家自然科学基金委公布的1409位国家杰出青年科学基金项目和优秀青年科学基金项目获得者为研究对象,运用学者获得项目前在web of science刊载的14819篇论文构建学者科研合著网络(个体网)927个。考虑知识创新绩效的滞后性,采用学者获得项目后发表的20824篇论文及其91968篇被引论文,结合中国科学院文献情报中心发布的期刊分区表等多源异构数据,使用K-Means聚类将学者进行群组划分,得到特征均衡型、环境驱动型和合作创造型三类学者群组,运用决策树CART算法挖掘不同类型学者知识创新绩效的潜在决策规则。研究结果表明:(1)知识创造具有普适性,它是促使不同类型杰出学者达成高知识创新绩效的关键因素;(2)杰出学者应根据内外部综合条件配置科研合作关系资源,尽量避免封闭式发展路径与合著者过多导致的“规模不经济”;(3)在不同类型学者群组中,存在影响知识创新绩效的不同特征组合,为杰出学者达成高绩效目标提供个性化发展策略。

时间序列聚类的期刊参考文献与引证文献来源分析研究

【目的/意义】鉴于参考文献在期刊论文发表过程中的重要性以及引证文献对期刊论文的影响力,提出基于时间序列数据聚类的期刊参考文献与引证文献来源分析研究。【方法/过程】以图书情报类某重要核心期刊2010-2017年期间刊发的3500篇论文作为样本数据,利用正则表达式对非结构化的样本数据进行结构化处理,将参考文献来源期刊和引证文献来源期刊的均篇引用均值转化为时间序列数据,结合时间序列数据聚类方法分别从数值和趋势两个方面展开研究,探究发现期刊参考文献与引证文献两种来源期刊各自之间隐含的相关关系。【结果/结论】研究发现:新方法可以从时间变化的角度对来源期刊实现聚类划分,自适应地找到中心来源期刊作为簇的特征对象,其获得的结论可为目标期刊编辑部,论文读者与创作者对期刊文献的质量管理提供决策参考和理论依据。

基于实时事件侦测的兴趣点推荐系统研究

【目的】结合实时事件、合适时机与兴趣点特性三个要素,建立一个基于实时事件侦测的兴趣点推荐系统。【方法】从大量具有地理标记的推文中侦测出实时事件,通过树状卷积神经网络来学习实时事件与时间感知信息的嵌入特征表示;从标注在兴趣点的文字评论与照片中抓取兴趣点的图文内容感知特征,并通过卷积神经网络学习兴趣点的图文特征向量;使用前K处召回率与排名倒数平均值两种度量指标,通过实验数据比较和评估不同推荐系统的效能。【结果】所提模型在排名倒数平均值(MRR)评估项目的推荐效能上比MP推荐模型提升8.9%,比NMF推荐模型提升57.1%。【局限】兴趣点固有特征仅考虑文字和图像特征,未考虑其他信息。【结论】所提基于实时事件侦测的兴趣点推荐模型比其他推荐方法具有更好的效果,在搜寻、运输和环境监控等基于位置的推荐服务中具有广阔的应用前景。