区块链通证激励的兴起,为解决用户内容创作动力不足的问题提供了新思路,但其在实际落地过程中仍面临着诸多挑战.文章以基于区块链的知识社区Steemit为研究对象,通过采集区块数据,从激励平等性和知识贡献效率两个维度分析了社区通证激励机制的现状及问题,从而揭示社区通证激励分配垄断的现象,并探究了通证激励分配垄断对用户知识贡献的影响.研究结果表明:社区的通证激励分配被少部分头部用户所垄断,且社区的激励分配机制不能有效反映用户的知识贡献水平;通证激励分配的不平等性降低了用户的内容生产和内容发现水平.

区块链技术对克服传统数字内容平台的局限性展现了良好的前景.然而,当前已有的基于区块链的数字内容平台还存在一定不足之处.有必要对这类平台的技术体系结构与业务经营模式进行进一步研究.对此,文章设计了一个基于联盟区块链的数字内容平台的框架,把数字内容经营的多方参与者纳入平台体系,提供数字内容经营与知识产权治理的一体化解决方案;同时通过联盟区块链组成多机构共同参与和管理的网络,形成内生竞争机制,抑制平台经营商的垄断.与所设计的平台架构相适应,进一步在PoA共识机制基础上设计了平台的共识达成和认证机构信誉调整机制,把共识流程跟机构信誉调整流程耦合,促进机构更好地提供平台服务.基于所提的平台架构,进而对这一平台中的运营模式进行了初步分析.

在线健康社区已成为患者及家属获取健康知识的重要平台,探究不同类型用户的知识分享行为可以提升社区的信息服务质量.文章基于知识协同建构理论,构建用户交互行为网络和知识网络,基于关键用户识别和关键路径发现算法,挖掘知识分享行为规律.文章以胆系癌症疾病社区为例开展实证研究,结果表明在关键用户引领下构成了跨多社区的知识交互行为模式,普通用户倾向与社区内疾病类型相同的其他用户进行交互.关键用户的知识分享集中在术前检查和疾病症状的知识型,普通用户的知识分享集中在术前检查知识型;关键知识路径体现了疾病治疗不同阶段的用户知识需求.

社区发现是复杂网络研究领域的一个重要问题,传统社区发现方法是通过节点间连边紧密程度而实现社区划分的,无法纳入节点的非结构属性.对此,文章基于变分图自编码器(VGAE),提出了一种兼顾节点连边与属性信息的网络社区发现方法(VGAE-INA,VGAE incorporating node attributes),并利用两个不同领域的现实网络数据进行了验证.研究结果表明,通过无监督的迭代学习,文章所提出的融合节点属性特征的变分图自编码器方法可以在同时考虑节点连边关系和节点属性特征情况下有效完成网络社区探查的任务.

文章引入LDA主题建模分析法,从政策工具视角对27个省直辖市区"关于全面深化新时代教师队伍建设改革的意见"政策文本的进行深入的内容挖掘.首先,通过LDA挖掘出政策文本的三大主题,并分析政策工具的使用状况.其次,对挖掘出的政策主题进行区域差异分析.最后,提出"关注并兼顾不同主体的能动需求,协调政策诉求;建立结构化的政策目标体系,合理配置选用政策工具;打破地方政策的源路径依赖,因地制宜选择主题热点和工具"等对应性建议.通过对政策文本内容的量化研究方法的创新使用以及与政策工具视角的融合,使得本研究具有一定的理论解释力与实践指导力,对政策制定尤其是地方阐释性政策提供较为科学,客观的实际证据,实现教师教育政策研究主观与客观,经验与诠释的二元统一.

近年来,复杂系统近临界态的研究引起了诸多领域学者的广泛关注.近临界态是指复杂系统在连续相变点附近所处的状态.处于近临界态的复杂系统往往兼具鲁棒性和灵活性,能够涌现出有益的新特性,也可能在外界扰动下发生系统级大规模灾害.文章以复杂系统近临界态作为研究对象,首先描述了近临界态的性质及其对复杂系统的影响.随后基于当前的研究成果,详细分析了复杂系统近临界态的建模、预测以及调控相关的理论与方法.在建模方面,主要分析了元胞自动机、网络理论和相关计算、渗流模型、长瞬态以及随机噪声;在预测方面,详细阐述了基于时间序列和机器学习的预测方法;在调控方面,着重讨论了基于噪声和参数的调控理论与方法.文末总结并展望了复杂系统近临界态研究的发展趋势.

针对一类时变参数饱和离散时间系统,为了实现系统预见跟踪性能,文章提出了一种目标值信号预见补偿控制方法.首先,引入一个与状态变量有关的辅助变量,构造出包含目标值信号未来信息的扩大误差系统,将原系统的预见跟踪问题转化为扩大误差系统的H_∞控制问题;然后,针对所推导的扩大误差系统,采用一种改进后的扇形条件处理饱和项,并提出一个带有预见作用的状态反馈.基于Lyapunov稳定性理论和线性矩阵不等式(LMI)技巧,给出闭环系统渐近稳定的充分条件及预见控制器的设计方法.通过求解LMI,确定预见控制器增益矩阵.数值仿真表明文章结果的有效性.

文章研究概率布尔网络通过牵制控制器依概率1实现鲁棒镇定的问题.首先,利用矩阵的半张量积,给出带有干扰的概率布尔网络在牵制控制下的代数表示,通过牵制反馈控制器,改变了状态概率转移矩阵的列,得到了可在任意干扰下依概率1实现鲁棒镇定的概率布尔网络.其次,根据状态概率转移矩阵列的变化,确定牵制节点集,验证了牵制反馈矩阵的可解性并提出牵制控制器的设计算法.最后,给出实例说明结果的有效性.

文章研究了一阶多智能体系统的领导者-跟随者一致性问题.在考虑跟随者之间具有无限通信时延的情形下,设计了相应的分布式控制协议.基于M-矩阵方法与不等式分析技巧,在假设智能体通信拓扑存在以领导者为根的生成树下,获得了多智能体系统达到领导者-跟随者一致性的充分条件.最后通过数值仿真验证了所获理论结果的有效性.

A^*算法是一种基于图遍历的路径搜索算法,被广泛应用于人工智能的许多领域.文章基于矩阵半张量积理论研究了A^*算法的矩阵表示.首先利用矩阵半张量积给出了一般搜索问题动态行为的代数表示.在新的表示方式下,得到了优化问题有解的充分必要条件.接着,给出了A^*算法的代数表示.最后给出了一个数值例子来说明本文的理论结果.

文章首先论述了中长期粮食需求预测的战略意义和科学意义,然后从中国粮食消费的特点和趋势、粮食消费的主要影响因素、粮食需求总量预测方法、分类粮食需求量预测方法四个方面对国内外研究现状进行了综述.进一步对已有研究的预测结果存在很大差异和较高误差的原因进行了总结.一是对中长期不同地区、不同收入水平的居民膳食结构的变化规律往往难以把握,而且高度聚集的粮食(食物)分类掩盖了居民膳食结构变化这一重要趋势,影响到了预测精度.二是模型中对粮食需求的主要影响因素考虑不全面,未能够将人口年龄结构、性别结构、膳食结构、收入水平、食物生产转化、食物浪费等影响粮食需求的关键因素整合起来量化分析.三是需求系统中收入水平、价格弹性、动物性食物和饲料粮之间的转化率、消费阶段粮食的浪费率等设置的差异、居民在外就餐的忽略或简单估计,造成模型预测值的较大差异.最后,对中长期粮食需求预测研究提出如下展望.第一,需要构建跨领域多学科融合的理论体系,更加关注新趋势、新因素及跨学科跨部门关键因素的整合.第二,注重相关数据的统计和校准,结合文本挖掘、机器学习等数据处理方法,充分发挥多源数据在预测中的作用.第三,模拟仿真人口政策、粮食价格、税收和补贴政策等变化对中长期粮食需求和粮食安全的影响,为中长期粮食供给的恰当方案提供政策依据.

投资者关注在股市中的作用是近年来研究的热门问题之一.文章创新性地将百度指数作为中国市场投资者关注度指标加入以差分进化算法优化的极限学习机(DE-ELM)中,研究百度指数对中国股票指数的预测能力.实证结果显示,差分进化算法极限学习机(DE-ELM)模型的预测能力较传统计量模型ARIMA模型和传统神经网络模型BP神经网络模型显著提高,且加入百度指数能够提升DE-ELM模型对股指收益率的预测精度,其中以加入“牛市”、“熊市”和“金融危机”3个百度指数的差分进化算法极限学习机(DE-ELM)预测精度最高,结果最稳定.

针对警情处置中可能出现的出警延迟或警员装备不足等情况,研究多点协同出警的备勤选址问题.首先分析警情处置可靠性的关键要素,并根据处置要求重新划分警情类别.通过考虑出警决策部署时警员战斗力与机动能力的差异,重构警力属性与警情处置的对应关系,在此基础上建立支持多警协同的备勤选址决策模型.文章提出了基于随机警情事件的选址优化算法,以B市D派出所真实发案数据统计模拟,采用多元启发式策略求解.结果表明该模型能够有效降低案件滞延率,提升警情处置可靠性.通过多季节发案数据验证,优化后的备勤警力能够较好地满足公共安全需求,并为犯罪预防提供新的思路.

近年来,旅游景区因超负荷接待造成游客滞留的事件屡见不鲜,如何准确有效地预测景区客流量、合理调配资源成为眼下景区管理者十分关切的问题.由于节假日等外部因素的影响,景区客流量的时间序列曲线通常呈现非线性的特征,这增加了准确预测旅游客流量的难度.文章提出一种考虑节假日影响效应的景区客流量预测方法,即Prophet-NNAR混合预测方法:首先,基于考虑了节假日影响因素的Prophet模型预测原始景区客流量序列;其次,使用神经网络自回归模型(NNAR)对Prophet模型预测值的残差部分进行预测;最后,将二者相加作为Prophet-NNAR混合模型的最终预测结果.文章以2013年1月1日至2017年7月31日的九寨沟景区历史客流量数据为研究样本,使用R软件验证Prophet-NNAR混合预测方法的有效性,研究发现Prophet-NNAR混合预测方法的预测性能除了优于单一的模型方法(Prophet模型、不考虑节假日效应Prophet模型、NNAR模型)外,还强于季节自回归求和滑动平均(SARIMA)、指数平滑模型(ETS).此外,借助Diebold-Mariano检验进一步确定了Prophet-NNAR模型的优异性.

矿产资源可持续利用是可持续发展的重要组成部分,提升矿产资源可持续发展能力对中国国民经济发展具有重要的战略意义.文章提出了扩展的slacks-based measure (SBM)模型,以中国31个省级行政区为例,对2008--2017年中国矿产资源的可持续效率水平进行评估,并结合全局参比Malmquist-Luenberger指数对中国可持续全要素生产率(totalfactor productivity,TFP)展开分析.从空间异质性、时间趋势等多个维度展开分析,结论如下:中国矿产资源的可持续效率均值有明显的空间分布特征,且国家政策等能明显带动矿产资源可持续效率的提升;2008-2017年,各省级行政区的可持续TFP水平整体上均有所提升,且大部分省级行政区属于技术型和综合型,而效率型较少.最后结合上述结论,对提升中国矿产资源可持续发展能力提出相应政策建议.

大量实证研究表明,未来索赔与历史索赔相关.基于外推偏差法,文章建立了未来索赔对历史索赔的相依性,给出了保费计算方式,进而建立了保险公司的盈余过程.为了规避索赔风险,考虑了再保险;为了增加财富,考虑了在金融市场投资.因此,保险公司的最优决策包含再保险的最优决策和投资的最优决策.利用随机控制理论建立了值函数满足的Hamilton-Jacobi-Bellman (HJB)方程和验证定理.进而,在期望效用框架下,导出了最优再保险和投资策略.同时得到了保险公司集中化和分散化的投资准则.最终,在理论和数值实验两方面详细分析了模型关键参数对最优再保险和投资策略的影响,得到了一些深刻的决策建议.

园区环境污染第三方治理模式中治理企业存在的机会主义行为严重影响治污成效,政府如何采取有效监管策略来区分及规制市场中不同技术水平的第三方治理企业是当前的重点问题.文章基于前景理论构建出政府与治理企业间的信号博弈模型,通过比较不同的均衡结果探究了甄别不同技术水平治理企业的实现条件,并借助数值模拟探讨了相关参数的作用程度.研究发现:政府通过设置合理补贴区间与调节伪装成本可对不同层次的第三方治理企业进行有效区分;随技术水平高的第三方治理企业所占市场份额增大,政府补贴力度要相应提升,并需同步提高伪装成本;决策主体受风险态度参数影响较大,需尽力稳定主体的风险偏好.最后,针对相应结论给出政府监管策略建议.

文章提出了基于信任机制的舆情传播模型,引入个体预期收益与最优演化搜索动力学对群体搜索策略进行分析.针对信息搜索策略,分析非合作与合作环境中的演化稳定搜索策略,以最大化群体预期信息收益.在考虑信息搜索价值的情况下,分别讨论正面/负面舆情信息的演化与最优搜索策略的并行预期收益.最后,基于真实社交网络数据集对进行数值算例分析,结果表明:所提算法较经典舆情传播控制算法而言具有较高的精度与效率.

文章采用高维数据变量筛选的方法对衡量员工离职的诸多因素进行统计分析,并对员工离职情况进行了预测.分别使用了由Cui等(2015)提出的MV (Meanof Variance)方法和LASSO方法对高维数据进行变量筛选,选出了与员工离职相关较为密切的的变量进入分类模型.为保证模型预测结果的准确性,文章选择了支持向量机、随机森林、XGBoost以及Logistic模型四种机器学习模型对员工离职情况进行预测.在100次的实验中,相比于另外的7种组合模型方法,MV变量选择下的随机森林模型的平均分类准确率最高,达到95.43%.通过改变训练集与验证集的比例、抽取80%样本数据、增加随机扰动三种方式来验证上述实验结果,发现仍然是MV方法下的随机森林的平均分类准确率最高,且该组合模型具有较好的稳健性能.