- 年份
- 2024(5967)
- 2023(8700)
- 2022(7538)
- 2021(7209)
- 2020(6160)
- 2019(14388)
- 2018(14276)
- 2017(27832)
- 2016(14986)
- 2015(17239)
- 2014(16974)
- 2013(15826)
- 2012(13954)
- 2011(12219)
- 2010(12117)
- 2009(10618)
- 2008(9826)
- 2007(8191)
- 2006(6648)
- 2005(5282)
- 学科
- 济(57878)
- 经济(57822)
- 管理(42690)
- 业(40196)
- 企(34544)
- 企业(34544)
- 方法(34262)
- 数学(31033)
- 数学方法(30324)
- 财(14095)
- 农(13586)
- 中国(12875)
- 业经(11630)
- 理论(11366)
- 学(9908)
- 务(9850)
- 财务(9794)
- 财务管理(9771)
- 技术(9717)
- 贸(9429)
- 贸易(9423)
- 企业财务(9243)
- 易(9203)
- 农业(9011)
- 地方(8949)
- 和(8700)
- 教学(8110)
- 环境(8041)
- 制(8026)
- 划(7758)
- 机构
- 学院(199104)
- 大学(197027)
- 管理(82544)
- 济(77321)
- 经济(75805)
- 理学(73501)
- 理学院(72736)
- 管理学(70845)
- 管理学院(70495)
- 研究(55934)
- 中国(41010)
- 京(39673)
- 科学(35111)
- 财(33312)
- 业大(29704)
- 财经(28122)
- 中心(27819)
- 农(27658)
- 江(27195)
- 经(25839)
- 所(25646)
- 范(25574)
- 师范(25315)
- 北京(23907)
- 经济学(23798)
- 研究所(23740)
- 技术(22580)
- 农业(21822)
- 州(21738)
- 经济管理(21720)
- 基金
- 项目(146231)
- 科学(117421)
- 基金(107392)
- 研究(106928)
- 家(92902)
- 国家(92142)
- 科学基金(81742)
- 社会(67532)
- 社会科(64125)
- 社会科学(64109)
- 省(58078)
- 基金项目(56654)
- 自然(54708)
- 自然科(53597)
- 自然科学(53587)
- 教育(52946)
- 自然科学基金(52581)
- 划(48945)
- 资助(44846)
- 编号(44082)
- 成果(33779)
- 重点(32780)
- 部(32620)
- 创(31702)
- 发(30059)
- 课题(29859)
- 创新(29315)
- 大学(29292)
- 教育部(28702)
- 科研(28575)
共检索到263126条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 开放教育研究
[作者]
冯翔 邱龙辉 郭晓然
分析学生学习过程产生的反馈文本,是发现其学业情绪的重要方式。传统的学业情绪测量方法主要包括使用学业情绪测量问卷和访谈分析,但这两种方法难以大规模地应用于在线教育环境。本研究旨在通过构建学业情绪自动预测模型,对大量学生反馈文本进行快速有效的学业情绪分类。研究首先利用词向量训练工具,将文本转化为多维向量;然后基于深度学习网络LSTM构建学业情绪预测模型,以文本的多维向量作为模型输入;最后经过多轮训练,优化模型参数。实验显示,上述模型可快速有效识别学生反馈文本中所包含的学业情绪,该模型在测试数据集上的学业情绪识别准确率可达89%。
[期刊] 情报科学
[作者]
熊建英
【目的/意义】微博是用户情感发泄的重要渠道,预警模型将有助于发现异常情绪用户,以便及时展开干预。【方法/过程】模型首先利用极性词典和句法序列规则计算微博情感极性程度值,过滤出可疑情绪异常节点;然后利用微博社交网互动关系,计算节点之间的信任值,进一步通过可信反馈对情绪异常节点进行判断。【结果/结论】实验表明,基于序列规则+词典比基于词典的方法对可疑异常情绪用户过滤准确性高,而相比这两种文本挖掘的方法,将可信反馈加入异常情绪判断进一步提高了识别准确度。
关键词：
微博 可信反馈 情感分析 情绪异常预警
[期刊] 统计与决策
[作者]
任梦 孟勇
得益于互联网的快速发展和数据收集技术的进步，社交网络文本为投资者文本情绪的度量提供了新渠道。目前，关于文本情绪分析的研究主要基于单个文本，而基于单位时间内多文本和多用户相融合的研究较少。文章将多文本信息、用户社交信息与情绪时间序列相结合，提出时间和用户双重注意力机制下长短期记忆网络（LSTM）模型，对投资者文本情绪度量指标进行分类和预测。采用该模型对来自东方财富网行业吧的真实数据进行实证分析，并同词汇分类字典法和时间注意力机制下的LSTM进行比较，证明了所提模型的有效性。
[期刊] 图书情报工作
[作者]
李晓军 刘怀亮 杜坤
[目的/意义]作者身份识别是语言文体学的重要研究方向,利用文本特征的身份识别也是文本挖掘的重要任务。在开放和虚拟网络环境下海量信息的作者身份或发布者的识别难题和传统作者身份识别方法在处理效率和成本等方面存在的问题有待解决。[方法/过程]将复杂网络理论引入该研究领域,在利用传统文体学特征识别作者身份方法的基础上结合文本词共现网络模型及其指标特征改进相关算法,使用文本文体学特征和文本网络模型度量指标构建作者风格特征集合,通过计算文本间风格相似度进行作者识别。[结果 /结论]基于复杂网络模型的作者身份识别方法可以有效的利用作者风格特征,提高识别的精度,与其他算法的对比试验表明其识别结果的准确性更高。
[期刊] 情报理论与实践
[作者]
叶春蕾 冷伏海
海量的科技文献中蕴含着大量揭示学科内容的主题信息。文章提出了一种新的概率模型:引文—主题概率模型,该模型对文献中的关键词和引文进行联合建模以完成科技文献中的主题内容识别,在获得主题中关键词分布的同时也获得相关主题间的引文分布。实验表明,基于引文—主题模型识别的主题信息能为进一步的主题演化分析提供一定的分析基础。
[期刊] 图书情报工作
[作者]
李晓军 刘怀亮 杜坤
［目的 ／意义］作者身份识别是语言文体学的重要研究方向，利用文本特征的身份识别也是文本挖掘的重要任务。在开放和虚拟网络环境下海量信息的作者身份或发布者的识别难题和传统作者身份识别方法在处理效率和成本等方面存在的问题有待解决。［方法 ／过程］将复杂网络理论引入该研究领域，在利用传统文体学特征识别作者身份方法的基础上结合文本词共现网络模型及其指标特征改进相关算法，使用文本文体学特征和文本网络模型度量指标构建作者风格特征集合，通过计算文本间风格相似度进行作者识别。［结果 ／结论］基于复杂网络模型的作者身份识别方法可以有效的利用作者风格特征，提高识别的精度，与其他算法的对比试验表明其识别结果的准确性更．．．
[期刊] 华中农业大学学报(自然科学版)
[作者]
黄彤镔 黄河清 李震 吕石磊 薛秀云 代秋芳 温威
为实现在自然环境下对柑橘果实的识别，提出一种基于YOLOv5改进模型的柑橘识别方法。通过引入CBAM(convolutional block attention module，卷积注意力模块)注意力机制模块来提高网络的特征提取能力，改善遮挡目标与小目标的漏检问题；用α-IoU损失函数代替GIoU损失函数作为边界框回归损失函数，提高边界框定位精度。结果显示：本研究提出的模型平均精度AP值达到91.3%，在GPU上对单张柑橘果实图像的检测时间为16.7 ms，模型占用内存为14.5 Mb。结果表明，本研究基于YOLOv5的改进算法可实现在自然环境下快速准确地识别柑橘果实，满足实时目标检测的实际应用需求。
[期刊] 南开管理评论
[作者]
李岩 林树海 牟博佼
在线商品广告虚假好评和返利虚假好评干扰了数字经济的良性发展。本文目的是建立兼有情绪与文本双重特征的模型框架，以识别两类虚假好评和真实好评。通过网络爬虫收集真实评论，依据对评论撰写者的调研实践提取标注规则，建立两类虚假好评与真实好评的中文数据集。引入PAD情绪理论解构评论蕴含的情绪，结合情绪强化调节影响，构造评论的情绪特征。利用n-gram分词和TF-IDF向量化评论文本，运用Boruta方法构建多维文本特征。采用18种主流分类算法构建多类好评的分类模型。实验与对比分析显示：两类虚假好评与真实好评在情绪强化调节影响分布与PA D三维度上存在显著差异，据此提出一种评价好评情绪的可行建模方法 ；提取的情绪与文本特征使得分类算法均可有效识别三类好评，体现所构建模型框架对分类算法的较低依赖性；引入多维情绪特征能够显著提升分类算法对三类好评，尤其可增强对隐蔽性较强的返利虚假好评的辨识力，体现情绪特征对文本特征的增益效果。本研究结论为电商平台改进虚假好评过滤机制与消费者识别两类虚假好评提供参考借鉴。
[期刊] 管理世界
[作者]
姜富伟 刘雨旻 孟令超
“人工智能+”行动是发展新质生产力的重要途径，其在金融领域的应用有助于金融强国建设。本文创新性地融合结构化金融市场数据和非结构化金融文本大数据，并结合中国特色金融市场的独特特征，训练了一个更适用于我国金融领域的中文金融大语言模型，并开展金融市场情绪测度和资产价格风险预测。研究发现，与传统字典法相比，使用中文金融大语言模型构建的大模型情绪在金融市场回报预测方面表现显著更佳。大模型情绪对很多宏观经济变量也有显著预测能力，能够捕捉非理性情绪冲击对宏观经济基本面的影响。大模型情绪在经济下行和极端风险事件期间的预测效果更强，契合了金融理论中非理性情绪对金融市场和宏观经济会产生非对称与非线性影响的结果。综上，本研究展现了“人工智能+”行动在我国金融领域应用落地的潜在技术路径和理论逻辑。
关键词：
文本情绪 深度学习 大语言模型 资产定价
[期刊] 情报学报
[作者]
吴鹏 李婷 仝冲 沈思
为了解决财经微博文本中网民情感状态转移的时序数据分析问题,本文提出一个基于认知情感评价模型(Ortony,Clore&Collins,OCC)和长短期记忆模型(long short term memory,LSTM)的财经微博文本情感分类模型(OCC-LSTM)。基于OCC模型从网民认知角度建立情感规则,对财经微博文本进行情感标注,并作为LSTM模型进行深度学习的训练集;基于LSTM模型,使用深度学习中的TensorFlow框架和Keras模块建立相应的实验模型,进行海量微博数据情感分类,并结合13家上市公司3年的微博文本数据进行实证研究和模型验证对比。实证研究结果发现本文提出的模型取得了89.45%的准确率,高于采用传统的机器学习方式的支持向量机方法 (support vector machine,SVM)和基于深度学习的半监督RAE方法 (semi-supervised recursive auto encoder)。
[期刊] 世界经济研究
[作者]
林志帆
本文为"中等收入陷阱"提供了一种量化识别方法并检验了该概念的存在性。在增长收敛模型中,本文运用跨国面板数据进行实证检验发现,β条件收敛在全球范围内显著成立。分位数回归进一步揭示,收敛系数与要素积累对经济增长的作用随着经济增速的提升呈现递减态势,"自持"增长效应明显。通过计算实际增速与模型预测增速的残差对"中等收入陷阱"进行识别,证实其存在性并发现中低收入国家更易陷入"中等收入陷阱"。本文提出的识别方法可以有效排除短期波动与小型冲击的影响,并充分考虑不同发展阶段经济增速的异质性,识别结果也与经验事实高度相符。
关键词：
中等收入陷阱 增长收敛模型 跨国面板数据
[期刊] 华中农业大学学报
[作者]
郑宇达 陈仁凡 杨长才 邹腾跃
针对现有检测模型不能满足在自然环境中准确识别多种类柑橘病虫害的问题，提出一种基于改进YOLOv5s模型的常见柑橘病虫害检测方法。改进模型引入ConvNeXtV2模型，构建一个CXV2模块替换YOLOv5s的C3模块，增强提取特征的多样性；添加了动态检测头DYHEAD，提高模型对不同空间尺度、不同任务目标的处理能力；采用CARAFE上采样模块，提高特征提取效率。结果显示，改进后的YOLOv5s-CDC的召回率和平均精度均值为81.6%、87.3%，比原模型分别提高了4.9%和3.4%。与其他YOLO系列模型在多个场景下的检测对比，具有更高的准确率和较强的鲁棒性。结果表明，该方法可用于自然复杂环境下的柑橘病虫害的检测。
[期刊] 情报理论与实践
[作者]
徐路路 王效岳 白如江
[目的/意义]由于传统以论文分析数据源的科学研究前沿方法存在主题探测的时滞性及方法的局限性,为了更加准确识别出蕴含更多前瞻价值信息的基金项目数据中的研究前沿主题,细粒度识别科学研究前沿主题类型。[方法/过程]提出一种基于TDT模型的基金项目科学研究前沿识别方法,借鉴TDT模型中多要素融合分析及归一化处理的思想,分析基金项目的资助强度、时间维度、主题维度等项目特征属性,构建基金项目科学研究前沿探测公式,识别出热门研究前沿主题、新兴前沿主题及未来前沿主题3种科学研究前沿主题,从而揭示前沿领域竞争态势。[结果/
[期刊] 财会月刊
[作者]
许江波 史国梁
以2012~2015年所有A股上市公司数据为样本,基于PSM模型,从僵尸企业的特征出发,对已有的四种主要的僵尸企业识别方法,即FN-CHK法、连续亏损法、过度借债法和综合定价法,进行非参数检验和统计分析,从而对四种识别方法的有效性进行比较。实证研究结果显示,连续亏损法识别有效性最高,但在国内市场上,其仍存在一定的缺陷。在此基础上,根据国内供给侧改革的社会背景和僵尸企业的经济困境特征,创造性地提出更符合僵尸企业特征的识别方法——四维度识别法,并从理论和实证两个方面验证其科学性和准确性,发现这种识别方法更符合国内实际市场状况。
[期刊] 当代经济科学
[作者]
李双燕 蒋丽华 卞舒晨
随着文本大数据分析的发展，非结构化数据的分析成为研究热点，这为理解公司违规行为提供了新的研究视角。以2009—2019年深沪A股非金融类上市公司为样本，通过机器学习的文本分析方法对11 040份上市公司年度财务报告中的“管理层讨论与分析”（MD&A）的文本情绪进行测度，研究文本情绪与公司违规行为的关系。研究发现：整体而言，MD&A文本情绪与公司的违规行为负相关。对MD&A细分后发现，展望部分文本情绪与上市公司违规行为的负相关性弱于经营情况概述部分。进一步研究发现，较高的信息透明度增强了文本情绪与上市公司违规的负相关关系。在控制内生性和调整了MD&A文本情绪值之后，主要结论仍然稳健。此外，研究MD&A文本情绪与不同违规类型的关系发现，与领导人违规相比，MD&A文本情绪与信息披露和经营类违规的相关性更显著。因此，上市公司和投资者都应该重视MD&A文本情绪的信息价值，监管部门应加强对上市公司信息披露的管控。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
