一、网络、注意力、市场价值（论文文献综述）
国秋华,彭璐瑶[1]（2021）在《算法行动者对短视频平台注意力市场的建构》文中指出本文通过对短视频平台注意力市场的形成机制和价值共创机制的考察,指出算法是建构注意力市场的关键性力量,算法匹配注意力市场的资源、关系与能力,对注意力市场的资源进行大规模整合,进而匹配整个市场的供需。短视频平台在算法中介的作用下建立起产消合一的价值共创关系,在算法洞察机制下进行频繁交互,在算法模块管理下进行紧密的圈层互动,在算法自适应的助推下协同创新。算法成为建构短视频平台注意力市场的结构性力量,是短视频平台价值成长的关键。
国秋华[2]（2021）在《社交阅读平台注意力市场的建构》文中指出随着社会化阅读兴起而不断崛起的社交阅读平台既是一种新型的媒介结构,也是一个产消合一的多边市场。在这个市场中,平台与用户互动互构的价值共创关系取代了传统媒体与受众的二元对立关系。社交阅读平台要想建构规模化的注意力市场,就需要不断吸引和激励更多的用户参与价值生产与创造。为此,社交阅读平台需建构以用户价值共创为核心的价值生态圈,着眼基于信任与共享的关系协同治理。
陈擎霄[3]（2021）在《基于深度学习的股票走势分析系统的研究与实现》文中进行了进一步梳理随着我国经济的快速发展,A股市场已经成为全球最受瞩目的股市之一,股票分析预测亦是学者们关注的焦点,研究表明传统的统计学和机器学习无法挖掘出股票背后深层次逻辑从而导致预测失准,反观深度学习更被推崇,能够给予广大股票投资者更可靠的帮助。本文的主要工作如下:首先对国内股市的环境现状进行了考察调研,对比了股票基本面分析法和技术面分析法,分析了影响股价波动的潜在性特征,然后使用TuShare进行股票数据的获取及预处理;调研了主流的聚类算法和股票聚类任务的痛点,使用近邻传播算法对日涨跌幅走势进行聚类,提出了初步降噪的聚类前驱式股票走势分析方法;调研了主流股票预测模型存在的不足,讨论了股票预测任务的痛点,对其网络结构和训练方法进行改进,提出了一个更具优势的股票走势预测的神经网络模型,使用TensorFlow和Keras对该模型进行构建、训练及探究,最后通过对比实验分析并验证了本模型在股票走势预测任务上具有更好的泛化效果;设计并实现了一个基于深度学习的股票走势分析系统,包括定期自动预测股票未来走势等功能。本文的主要创新点如下:提出了多特征来源的股票数据选取方法以强化股票特征的表达;设计了数据增量存储算法以解决股票数据采集速度过慢的问题;提出了聚类前驱式的股票走势分析方法以解决现有股票预测模型容易产生过拟合的问题;提出了区间涨跌幅的树状聚类思想以降低噪声干扰;提出了 SA-LSTM-CNN股票走势预测模型以解决主流神经网络拟合效果失真并且在突涨或骤跌时段预测失准的问题;对于模型实验设计与分析部分,考虑到实验周期是以股票交易日每隔24小时有限循环的,因此提出了双重维度的实验选股策略为每轮实验调参会朝着积极的方向发展奠定基础;提出了层级式超参数配置策略以平衡股票的聚类量级与模型拟合之间的矛盾;在股票走势分析系统中,通过配置化微调模型以维持系统功能的健壮性。本文所取得的研究成果对基于深度学习的股票走势研究具有一定的参考价值。
刘素辉[4]（2021）在《基于多源异构数据的股价趋势预测研究》文中认为股票价格的趋势预测一直以来都是学术界和工业界的热点研究问题。传统计量经济学模型以股票历史价格序列为研究对象,通过刻画股价波动规律来对股价趋势进行预测。但股票市场是一个适应性的复杂市场,影响股价波动的因素众多。尤其随着互联网的飞速发展,大量与股票相关的信息以文本形式涌现了出来。仅基于传统金融时序数据进行股价趋势预测越来越呈现出数据的局限性。近些年人工智能算法的突破以及计算能力的提升,使得计算机有能力突破以往仅以股票历史时序数据进行股价趋势预测的研究。本研究从计算机和金融学的交叉角度出发,力图兼顾可解释性强的金融学理论基础和深度学习自动抽取特征的优点,构建融合多源异构信息的深度学习技术框架,并将该框架应用于具体股价趋势预测问题中,以解决现有研究的不足。本研究的主要研究内容与创新研究成果如下所述:（1）提出了融合行业轮动与联动信息进行股价趋势预测的深度学习模型,该模型在数据层增加了可随模型训练更新的参数矩阵——“行业相关参数矩阵”,可实现自动学习其他行业对目标个股所属行业的影响强度;其次,模型利用基于因子分解机的深度神经网络对输入数据不同特征之间的交互特征进行了自动抽取。实验结果表明,融合多源行业时序数据的模型比采用单源时序数据的模型预测准确率有明显提高;增加对输入数据交互特征的抽取丰富了对输入数据的挖掘程度,同样显着提高了模型预测准确率。此外,模型训练结束后,将模型学习到的“行业相关参数矩阵”与利用动态时间弯曲算法得到的系数矩阵进行对比,发现两者在很大程度上具有一致性,间接反映了深度学习模型在处理复杂预测问题上的优秀能力。（2）提出了融合公众情绪数据进行股价预测的深度学习模型,该模型采用随机傅里叶特征构造了显式核映射层,并在决策层用此结构代替了传统多层全连接网络。考虑到个股股权集中度水平对预测结果的影响,本研究分别在不同股权集中度水平下对模型进行了训练和评估。实验结果表明,采用显式核映射层的模型比采用传统多层全连接网络的模型预测准确率有明显提高。显式核映射为随机映射过程,在计算过程中不会为模型带来额外可训练的参数,可有效简化模型结构,提高模型的泛化能力。此外,股权集中度水平与模型预测准确率呈负相关。说明了对于股权集中度水平较低,即个体投资者较多的个股,公众情绪数据对于股价波动的影响较大,更适合作为预测模型的输入数据来源。（3）提出了融合新闻事件数据进行股价预测的深度学习模型,该模型在数据表示阶段,采用事件三元组形式的结构化文本表示方式,代替了传统关键词的词向量均值的文本表示方式。并构建了基于事件类型信息与注意力机制的卷积神经网络模块（Category-based Convolutional Attention Module,CCAM）用于抽取文本数据中的语义特征。实验结果表明,采用结构化的事件三元组作为文本表示方式的模型比采用关键词的词向量均值表示方式的模型预测准确率显着提高,这说明结构化的文本表示方式可以保留更多文本语义信息,减少事件元素之间的特征混淆。此外,采用CCAM模块进行文本语义特征抽取的模型预测准确率比采用基于注意力机制的卷积神经网络（Convolutional Block Attention Module,CBAM）模块以及原始卷积神经网络（Convolutional Neural Network,CNN）模块的模型预测准确率高,这表明了增加注意力机制可有效区分不同事件对股价涨跌的影响,并且将先验信息（事件类型）融合到CBAM模块中可进一步提高CNN对文本语义特征的抽取。该模型的研究对象为高股权集中度水平下个股,实验结果表明,采用新闻标题文本数据作为输入的模型预测准确率高于采用公众情绪数据作为输入的模型。这说明了对于股权集中度水平较高,即机构投资者较多的个股,新闻标题文本数据更适合作为预测模型的输入数据来源。
王超[5]（2021）在《创业警觉性的前因及对新创企业绩效的作用机制研究》文中认为大部分创业企业属于小微型企业,其在增加就业、推动技术创新、促进国家或地区社会经济增长方面贡献显着。自从2015年李克强总理提出“大众创业、万众创新”战略开始,创新创业已经成为推进我国经济转型发展的重要战略。然而,现实情况是大部分新创企业都面临着高失败风险,并处于经济收益高度不确定的困境中。上海创业力评鉴中心调查显示,我国创业失败率高达90%,在创业5年内倒闭的企业占70%。对于新创企业而言,如何在动态的环境中快速识别良好的商机并获得所需资源以获得良好绩效和实现企业生存与成长,仍是一大难题。在动态变化的环境中,为了取得良好的企业绩效,获得创业成功,创业者们必须对潜在的新机会和可利用的资源保持高度警觉性。因此,提高创业警觉性是促进新创企业发展和获取高绩效的关键因素,对于促进创业发展具有重要的实践价值。同时在理论层面上,探讨创业警觉性的前因以及创业警觉性对新创企业绩效的作用机制对于理解创业警觉性的形成机制,以及揭示创业警觉性在新创企业绩效提高的过程中扮演何种角色具有非常重要的意义。然而,现有文献对于创业警觉性的研究仍存在不足。首先,学界缺乏对创业警觉性形成机制的深入研究。基于社会认知理论,本研究认为创业者认知柔性和认知复杂性通过搜索、过滤和解释信息影响创业警觉性,并且该过程会受到环境动态性的进一步调节。从微观认知和宏观环境交互作用的视角,探究创业者认知结构和环境动态性在创业警觉性形成过程中的作用具有重要的理论和实践价值。其次,现有研究对于创业警觉性与新创企业绩效关系的研究尚不充分。大多数学者侧重于解释创业警觉性的概念以及高警觉性创业者的特质,但关于创业警觉性如何影响企业绩效的理论研究尚不完整。因此,需要进一步探究创业警觉性影响新创企业绩效的具体路径,以揭示创业警觉性与新创企业绩效关系间的“黑箱”。综上所述,本研究旨在探索创业警觉性的形成机制,以及解释创业警觉性对新创企业绩效的影响机制。基于社会认知理论,研究一构建创业警觉性前因研究的理论模型,试图解决“创业者认知结构如何影响创业警觉性”以及“环境动态性如何调节创业者认知结构和创业警觉性的关系”这两个问题。基于创业过程理论、资源基础理论和权变理论,研究二引入创业拼凑和商业模式创新两个中介变量和一个权变因素环境动态性,构建创业警觉性对新创企业绩效的影响机制模型,试图揭示创业警觉性影响新创企业绩效的具体路径和边界条件。通过文献分析和理论推演,本研究共提出26条假设,通过问卷调查的方法收集来自463位新创企业创业者的数据。采用SPSS22.0和AMOS21.0进行数据分析以检验研究假设,并得到以下实证结果。研究一结果表明,创业者认知柔性和认知复杂性对创业警觉性存在积极影响,并且环境动态性正向调节认知柔性和认知复杂性与创业警觉性的关系。一方面,认知柔性水平高的创业者会更加积极主动地搜索机会和资源以实现价值创造。尤其当环境动态性高时,认知柔性高的创业者通过其灵活处理复杂问题的能力进行更广泛的信息搜索,对创业警觉性的积极影响更强。另一方面,认知复杂性使创业者处理问题的视角更加多元化,使企业能够迅速吸收新信息和知识以帮助企业克服认知惯性,这将帮助企业更全面地了解外部市场变化,提高创业警觉性。当环境动态性高时,高认知复杂性可以使创业者对环境中不断变化的市场需求、竞争情况等信息更加敏感,对创业警觉性的积极影响更加强烈。研究二得到以下结论:第一,创业警觉性对新创企业绩效具有正向影响。创业警觉性能够促进新创企业充分利用资源,开发和利用市场信息和商业机会,实现新创企业的生存、成长和创新,提高新创企业绩效。但是创业警觉性的搜索和扫描维度对新创企业绩效的影响不显着。第二,创业警觉性通过创业拼凑对新创企业绩效产生间接影响。高警觉性的创业者对环境中信息和资源的搜索、联接和评估能力更强,这有助于提高创业拼凑。通过拼凑创造的主观知识和解释可以让组织理解资源及其组合如何提供特定的生产性服务和机会,进而有利于提高企业绩效。第三,创业警觉性通过商业模式创新对新创企业绩效产生间接影响。创业警觉性使创业者对环境中商业要素变化的信号更加敏感,能够促进创业者对环境中的商业要素进行整合,创新商业模式,进而提升新创企业绩效。第四,创业拼凑和商业模式创新在创业警觉性与新创企业绩效的关系间起链式中介作用。第五,环境动态性正向调节创业拼凑与新创企业绩效的积极关系以及创业拼凑在创业警觉性与新创企业绩效关系间的中介作用。不断变化的环境能为企业提供更多样化的机会,使创业者能够持续参与创业活动。善于进行创业拼凑的企业能够创造出新的解决方案,以应对不稳定的挑战和机遇,提升企业绩效。第六,环境动态性正向调节商业模式创新与新创企业绩效的积极关系以及商业模式创新在创业警觉性与新创企业绩效关系间的中介作用。在动态的环境中,警觉性高的创业者能够感知到外部环境中的信息变化,并挖掘出看似不相关的信息或商业元素之间潜在的联系,促进商业模式创新,进而提高企业绩效。本研究的主要创新点和贡献包括:（1）极大地拓展了创业警觉性的理论研究,完善了对创业警觉性形成机制的理论解释。（2）系统地探索创业警觉性对新创企业绩效的影响机制,揭示创业警觉性如何通过创业拼凑影响新创企业绩效,补充了创业警觉性与新创企业绩效关系的理论知识,为后续研究奠定基础并指明方向。（3）将创业警觉性的研究拓展到战略决策领域,探索创业警觉性与商业模式创新和新创企业绩效的关系。从战略决策的视角扩展了创业警觉性的研究范畴,增强了创业警觉性对创业管理实践的解释力度。（4）探索环境动态性在新创企业绩效的提升机制中所起的权变效应,有助于加深对外部环境因素与新创企业绩效关系的理解,揭示新创企业绩效提升机制,为创业理论发展和实践管理指明方向。
陈玉萍[6]（2021）在《体育旅游危机事件网络舆情诱发、演化与治理研究》文中研究说明伴随中国体育旅游产业的快速兴起,体育旅游危机事件呈现多发态势,在互联网场域中,此类危机事件被当事人、网民、媒体等主体爆料后,经由网络媒体与自媒体的传播扩散,极易演化为体育旅游危机事件网络舆情。本文以体育旅游危机事件网络舆情为研究对象,基于危机管理理论、治理理论、生命周期理论、议程设置理论、系统论等理论基础,综合应用文献资料法、内容分析法、案例分析法、趋势分析法等方法,系统研究体育旅游危机事件网络舆情的诱发演化、影响与治理等核心内容,其理论贡献在于形成了体育旅游危机事件网络舆情研究的理论体系,也将为应对体育旅游危机事件网络舆情、保障体育旅游可持续发展提供实践参考。本文主要结论如下:（1）体育旅游快速发展促使危机事件发生风险增加,体育旅游危机事件显示出环境因素与个体因素交融触发、事发空间从局地性向广域化扩散、事发时间从集中向分散迁移等发展态势。体育旅游危机事件在互联网场域中极易演变为网络舆情。体育旅游危机事件网络舆情是由客体、主体、本体以及载体等四大要素构成,呈现出主体多元性与社群化、客体破坏性与复杂化、本体隐匿性与无序化、载体交互性与多样化等特征,呈现出网民表达理性化、舆情信息去中心化、传播媒介融合化等演变态势,具有主体需求导向功能、体育旅游产业危机预警功能、网民舆情依赖功能与多利益主体行为监督功能。（2）体育旅游系统由客源地需求系统、目的地接待系统、通道系统与支持保障系统构成。体育旅游系统子系统突变、子系统协同弱化、外部环境变迁冲击等原因引致系统整体紊乱。当紊乱熵值超越临界点之后,系统发生脆性崩塌引致危机事件发生。危机事件完成比特化网络转录后,在事件属性、网络表达平台、网民心理行为、政企调控缺失、媒体注意力聚焦等因素合力作用下,极易发酵演变为网络舆情,进而形成体育旅游危机事件网络舆情系统。体育旅游危机事件网络舆情萌发与网络舆情系统初步形成的标志为:（1）体育旅游危机事件完成从事发地到互联网场域的比特化转录;（2）网民、媒体、意见领袖、政府等利益相关者开始将注意力资源大量投向体育旅游危机事件;（3）体育旅游危机事件网络舆情信息流呈现特定流向规律。（3）体育旅游危机事件网络舆情演化具有时序动态性、多维性、跃变性、衍生性、反馈性、不确定性等特征,它受网络舆情系统中主体子系统、载体子系统、客体子系统的综合影响,外围宏观舆情环境通过主体因素、载体因素、客体因素的中介力量间接推动网络舆情演化。体育旅游危机事件网络舆情演化内源动力包含事件冲击力与当事人牵引力,外源动力则由网民关注力、媒体关注力、政府调控力、意见领袖动员力、网络平台扩散力等构成,体育旅游危机事件网络舆情前期演化动力主体为内源动力,后期演化受内源动力与外源动力耦合交互作用。在网民关注力、媒体关注力、政府调控力、意见领袖动员力、当事人牵引力、事件冲击力、公共或个人网络平台扩散力的合力作用下,体育旅游危机事件网络舆情经历酝酿、爆发、成熟与衰退四个生命周期阶段;不同阶段,体育旅游危机事件网络舆情演变的各动力源作用强度不同,引致各生命周期阶段呈现出异质的演变规律。（4）体育旅游危机事件网络舆情呈现出宏观、中观、微观多维并举的影响格局。宏观影响主要表现为对国家形象、国际体育赛事旅游承办、宏观政策制度变迁等方面;中观影响主要表现为对体育旅游产业需求、体育旅游产业供给、体育旅游产业区域竞争格局、体育旅游市场规模、体育旅游产业生命周期演化等方面的影响作用;微观影响主要为对体育旅游者、体育旅游企业、体育旅游从业人员、体育旅游目的地、网民、媒体等主体的影响。体育旅游危机事件网络舆情影响存在空间溢出与产业溢出效应,对具有地理空间隶属关系的目的地、同质体育旅游目的地、同质旅游危机事件发生地具有空间溢出效应,对目的地体育产业、旅游产业等有产业溢出影响,并通过城市形象受损影响制造业与服务业发展。体育旅游危机事件网络舆情对线下线上有融合影响作用;其影响场域呈现从体育旅游事发地到体育旅游目的地再到空间关联及产业关联旅游目的地的扩散规律。在各生命周期阶段,体育旅游危机事件网络舆情的“舆情球体”体积发生动态变化,反应舆情热度高低,进而对宏观、中观、微观各层面产生非均衡的影响强度。（5）基于协同治理理论,考虑到在不同生命周期阶段、不同发展程度、不同治理主体、不同治理手段下,治理体育旅游危机事件网络舆情在路径与策略上的差异性,特提出协同分异治理的理论范式。建议以制度保障为基础、以组织保障为核心、以资源保障为依托,建立体育旅游危机事件网络舆情治理保障体系;同时,建构涵盖预防与应急准备机制、监测预警机制、应急处理机制、恢复与重建机制的协同分异治理机制。基于网络舆情演化生命周期的过程性差异,提出协同分时治理路径及策略。基于网络舆情发展强度的差异,将网络舆情分成轻微级、警示级、严重级三种等级,提出针对不同级别的协同分级治理路径及策略。从政府、媒体、社区居民、意见领袖、体育企业与旅游企业、体育社群等主体出发,提出协同分主体治理的路径与策略。基于治理方式的刚柔性差异,提出协同分式治理的路径与策略,刚性治理方式表现为强化舆情管控法律与制度建设、提升技术治理能力,柔性治理方式则重在塑造舆情治理理念、培育体育旅游业风险文化、引入社会力量管控、重视网络伦理建设;柔性治理与刚性治理在协同分异治理下的耦合互动,可提升体育旅游危机事件网络舆情治理水平,进而有助于推动体育旅游产业生态改善与体育旅游目的地可持续发展。
田义[7]（2021）在《电子媒介时代的文学生态研究》文中提出本文选定以电子媒介时代的文学生态研究作为题目,主要考察电子媒介对文学生态产生的影响,事实上,这种影响绝非任何程度的“外部冲击”可以形容,而是深入到文学生态的内部,真正意义上参与了文学生态的变革。展开来说,主要关注从口头媒介、印刷媒介向电子媒介变革的过程中文学生态出现的新局面、新现象和新动态,继而深入挖掘隐匿于这些影响背后的深层机理,思考和制定切实可行的策略以应对不利于文学发展的局面。论文的研究对象并不拘囿于以电子媒介作为母体直接催生出来的新文学形态,或者与电子媒介有着间接关联的新文学现象,而是以宏观视野考察整个文学生态的变化。对此,本文依托文艺学、媒介学、传播学、符号学、文化学、哲学、经济学和社会学等在内的多个学科、多种领域的知识,拟从以下七个方面展开研究:在绪论中,主要分为四个部分:第一部分主要对“电子媒介”、“电子媒介时代”及“文学生态”概念进行界定,阐明选题的缘由除了现实依据外,J·希利斯·米勒教授提出的“文学终结论”也是重要原因;第二部分探究选题的背景,即媒介何以可能影响文学生态,对于这一问题,是从媒介的三个主要性质出发——媒介是一种文化偏执、媒介即生产力、媒介带有启蒙性和专制性来探究的;第三部分概括选题研究现状,并且从“量”和“质”的角度分别总结得失之处;第四部分阐明研究理路,阐释论文架构,以及论述创新点。第一章——电子媒介下的文学生产。在本章起始阶段,论述文学生态的关键词由“文学生产”取代“文学创作”的合理性,以及交代考察文学生产而非文学创作的原因。继而,选取三个问题展开讨论,分别是当代文学生产方式的建构、文学生产主体的后现代性,以及文学生产客体的媒介化变迁。它们不仅是文学生产活动的结构性成分,而且较为典型地彰显电子媒介之于文学生产的复杂影响。在对当代文学生产方式建构的研究中,主要考察媒介对文学生产方式建构作用的理论依凭,从理论溯源的层面,结合当下的创作实情,分析当代文学生产方式的新特征。在对文学生产主体后现代性的探讨中,一方面,通过对比印刷媒介确立的自律主体,综合后现代文化语境,从而确立电子媒介下的文学生产主体的非自律文化身份;另一方面,从文学主体性理论的哲学溯源层面,探寻审美转型的发生及其缘由。在对文学生产客体变迁的讨论中,探析文学生产客体从自然、世界到新闻事件的媒介化转变,厘清变迁的原因。第二章——电子媒介与文学文本。本章将研究视角转移到电子媒介对文学文本的影响上来,在本章伊始,对“文本”、“电子文本”概念做出了界定。然后,选择了电子文本的主要存在方式、电子文本叙事的后现代转型和电子文本诗性语言的危机三个问题展开讨论。电子文本的主要存在方式包括超文本、网络文学和超链接,它们不仅是以数字技术为核心的电脑网络与现代文艺交融的产物,而且还直观地反映出文学的电子化和技术的审美化是如何参与到电子诗性的营构中。电子文本叙事的后现代转型具体表现为叙事载体由原子转向“比特”,叙事体制从主客对立转向“主体间性”,叙事立场由精英化转向民间化。电子文本的叙事显示了后现代主义的文化逻辑,表现出非理性、非主体性和反抗性的特征。在电子文本诗性语言的危机中,深入探究由电子媒介驱动的图像文化和复制技术对诗性语言造成危机的深层机理。第三章—一电子媒介时代的文学传播。在本章伊始,论述把文学传播开辟为独立专题的必要性,阐明文学传播在电子媒介时代的双重性质。而后,重点考察两个问题:文学传播的技术化变革与注意力商品化对文学传播的影响。在对第一个问题的探究中,论证媒介技术会对文学传播发生作用的前提下,进一步考察电子媒介在时空结构、实时能动方面带给文学传播的变化。在对第二个问题的研究中,主要探析注意力的商品化对文学传播产生的影响:首先,探寻注意力商品化的深层机理,涉及到注意力自身的文化性质,对信息生产的决定性地位,以及注意力商品化形成的原因;其次,探究注意力商品化对传统文学传播等级制度的颠覆,以及对新的等级秩序的重构;最后,探讨注意力商品化对文学传播价值取向转型的影响。第四章——电子媒介视阈下的文学接受。对文学接受活动的考察,主要划分为四个小节,分别是文学接受的概念、意义与特征,当代文学接受方式的多元化,网络文学欣赏论与网络文学批评论。在第一节中,对“文学接受”概念进行界定,概括文学接受活动的意义,以及罗列文学接受活动的特征。在第二节中,论述在主导传媒的变革下,读“屏”、听书与文学IP产业链驱动下的多样化接受构成了当代文学全新的接受方式,全新的接受方式刷新了公众的思维方式、体验形式与认知模式。在第三节中,考察作为当代文学接受活动之一的网络文学欣赏论,从实时欣赏与自由欣赏两方面谈及两者带来的全新的欣赏心理和阅读情境。在第四节中,探析作为当代文学接受活动之二的网络文学批评论,从网络文学批评的发轫谈起,指出当前阶段网络文学批评存在的不足,继而通过对比大众批评、传媒批评和学院派批评的优势与劣势,探讨网络文学批评标准的制定。第五章——电子媒介语境中的文学消费。对文学消费活动的考察,其缘由不仅在于文学消费是一种新的文学现象,更为重要的是,文学消费凸显了当下的时代语境,它的背后凝结了消费社会、媒介变革、解构思潮和后现代文化等多种力量。本章主要包括三节:文学消费的发生、特征及其原因,文学消费主体的救赎与沉沦,电子媒介建构下的文学消费客体。第一节是从文学消费的发生谈起的,阐明文学消费的非理性特征与时尚化特征,继而探究文学消费发生的深层原因。第二节主要考察媒介变革对文学消费主体的影响,具体表现为救赎与沉沦,即自我意识的觉醒与“主体之死”。第三节探究电子媒介对文学消费客体的建构作用,具体来说,主要表现为空间增殖、矛盾的调节与加剧。在结语中,从学理层面证明本文以媒介视域审视文学生态的科学性与合理性,概括电子媒介时代文学生态革命性变化的具体表现,包括涌现出了一系列全新的文学生态景观,文学生态的变革负载了技术理性价值,强调与过去的断裂、对传统的颠覆及取得实质性的突破;同时,也总结了电子媒介时代的文学生态暴露出的问题,并且指出在电子媒介时代,创作主体应该坚守对自由的追求和高雅的文学观念,避免耽溺于电子媒介散发的声色犬马,尽力摆脱消费文化带来的纸醉金迷,从而创造出更多的文学经典。
郭嘉宁[8]（2021）在《动力煤价格中短期预测方法研究》文中研究表明煤炭作为我国一次能源使用方式的最主要形式,其价格预测对于企业生产经营以及市场的前瞻都具有重要意义,而动力煤作为能源供给的煤炭种类,更是占领着重要地位。近年来,专家学者对于煤炭价格的预测进行了许多研究,主要基于计量经济学方法、时间序列方法差分整合移动平均自回归（Autoregressive Integrated Moving Average,ARIMA）、反向传播（Back Propagation,BP）神经网络以及循环神经网络长短期记忆（Long Short-Term Memory,LSTM）,其中 LSTM 算法目前在煤价预测问题中获得了最佳的性能。但是,由于其存在梯度消失、长期时序依赖信息丢失等问题,且现有研究大多将对于现货或期货市场的预测混为一谈,对于两类价格不同的复杂特性并不能针对性进行建模。因此本课题基于深度学习强大的特征提取与学习能力,对于动力煤现货及期货价格进行针对性的模型构建。本文的具体工作包括:首先针对动力煤现货价格的内在特征,结合对于影响变量的相关性分析,针对现货价格多变量时间序列数据,设计一种基于注意力机制的深度学习预测模型。模型中,使用双向LSTM对长期的时序特性建模,引入卷积神经网络（Convolutional Neural Network,CNN）模块提取各变量的局部时序特征,然后采用横向注意力学习不同变量间的依赖关系,从而提升网络对于大时间范围的信息提取能力,同时充分利用变量间的关联性进行建模。在真实数据集上测试所提算法的性能,分析模型在不同时间步中的误差指标,对比拟合的趋势曲线,验证了所提模型优于主流的时间序列预测模型。针对动力煤期货价格的预测问题,首先分析其与现货价格的关联及差异,根据期货价格序列的变化规律特性针对性设计基于生成对抗网络的期货价格预测模型。在Wasserstein生成对抗网络（Generative Adversarial Network,GAN）网络的基础上,针对期货价格序列特征改进目标函数,并在生成器端增加均方误差项以及拐点预测损失项,以解决期货序列高变化频率、拐点多的问题。定义了期货价格趋势预测性能的评价指标符号预测准确度（Accuracy of Sign Prediction,ASP）,通过实验对比LSTM、Wasserstein GAN网络及所提出算法模型在ASP、均方根误差（Root-mean-square Deviation,RMSE）以及平均绝对百分比误差（Mean Absolute Percentage Error,MAPE）中的性能,验证了所提出模型在整体预测性能以及趋势预测上都达到了更好的效果。
段赟[9]（2021）在《面向大宗商品资讯的信息抽取技术研究》文中指出信息抽取是一种能够从文本中抽取指定的实体信息、关系信息、事件信息等信息的文本处理技术,目标是获取机器可读的信息。据我们所知,目前的信息抽取多集中在医疗、金融、商品评论等特定领域,面向大宗商品资讯的信息抽取研究较少。因此本文针对大宗商品资讯的信息抽取进行了研究,抽取信息包括主题信息、实体及实体属性信息、以及关键词信息。研究内容如下:（1）通过句子分类实现句子主题信息的抽取,提出了基于卷积神经网络和注意力的主题信息抽取模型SACNN。实验结果表明,基准数据集上SACNN模型比其他CNN模型的准确率高出0.4%-1.4%,SACNN模型对大宗商品资讯主题信息抽取的准确率达到和基准数据集SST-1相当的效果,该模型具有一定的理论性和可行性。（2）提出了基于依存句法分析和规则的实体信息抽取方法,抽取的信息包括实体信息及实体属性信息。首先,根据依存句法分析获取的句法关系和抽取规则做匹配,获取实体信息。其次,根据词典和固定语法模式做匹配,获取实体属性信息。实验结果表明,实体及实体属性抽取的准确率、召回率、F1值分别为86%、79%、82。该方法能够获得较好的实体抽取效果,具有一定的可行性。（3）提出了一种基于词向量聚类的关键词信息抽取方法,实现了大宗商品资讯的文章层级的关键信息抽取。实验结果表明,在螺纹钢数据集大小为7000篇和700篇时,实验的F1值分别为78.75,81.43。该方法在自动化提取关键词的同时,也能够获得较好的提取效果。
秦川[10]（2021）在《面向智能招聘的数据挖掘方法及其应用》文中研究表明在世界经济的快速发展中,人才一直是企业发展的最重要生产力。因此,企业均将人才招聘做为最重要的发展战略之一,并尝试开发智能化招聘系统来高效地吸引、识别、筛选优秀的人才。近年来,招聘网站的出现使得招聘市场从信息不对等偏向企业的卖方市场逐步向信息对等的供求市场演化,从而导致招聘市场上的竞争愈发激烈,给企业人才招聘带来了一系列全新的挑战。与此同时,飞速发展的数字化招聘系统与在线招聘网站积累了大量的招聘数据,这为智能招聘系统的发展提供了新的范式。目前,围绕智能招聘的相关研究方滋未艾,受到计算机、管理学及其相关交叉学科研究者的广泛关注。然而现有研究依旧面临着数据多源异构、算法缺乏可解释性以及相关学科交叉等挑战。为此,本文利用数据挖掘技术并结合管理学等交叉学科知识,围绕人才招聘中人才吸引、人才筛选、人才评估三个核心环节开展了系统性的研究工作。相关工作依托于百度人才智库平台,研究问题和数据源于实际招聘场景,研究成果均在真实招聘业务中部署和验证,具有很好的实际应用价值。本文主要贡献可以概括如下:第一,在人才吸引方面,通过挖掘分析海量招聘数据中岗位文本数据,提出基于能力感知的岗位需求文本自动生成方法,从而可以有效地预测出不同岗位的技能需求,帮助人力资源员工更高效地设计岗位需求文本,助力企业吸引合适的人才。具体地,首先提出了一个能力感知的神经主题模型,实现从海量的招聘数据中蒸馏出丰富的能力信息。然后设计了一个基于编码器-解码器结构的循环神经网络去实现岗位需求文本生成。为了保证生成结果可以全面地覆盖和该岗位相关并具有代表性的能力需求,进一步提出了能力感知下的注意力机制和复制机制来指导岗位需求生成过程。此外,设计了一种能力感知下的策略梯度训练算法来有效地提升生成的岗位需求的合理性和流畅度。最后,在两个采集于真实应用场景的招聘数据集中进行了大量实验,结果验证了所提方法可以有效地生成岗位需求文本,准确覆盖该岗位所需的相关技能,并且具有很好的可解释性。第二,在人才筛选方面,提出了基于技能感知下的人岗匹配模型,从而可以有效地衡量人才和岗位之间的匹配度,提升招聘筛选效率。具体地,首先基于循环神经网络设计了一个对岗位需求文本和求职者工作经历文本的词级别的语义表征模块。并且通过两个特殊设计的基于主题的能力感知下的层级别注意力机制,更为有效地捕捉岗位需求中的重要语义信息,以及评估对于特定岗位需求下不同工作经历的重要性。然后,基于历史招聘记录数据针对所提出的人岗匹配模型进一步设计了一种重训练机制,实现对匹配效果的提升。此外,本文将所提的模型应用到人才初筛和岗位推荐这两个具体的人才招聘任务中。最后,在一个采集于真实应用场景的招聘数据集中进行了大量的实验,其实验结果验证了所提模型在预测人才岗位匹配度上的准确性和预测结果的可解释性。第三,在人才评估方面,提出了专业技能导向的面试题库自动生成和智能检索算法,构建了一个智能面试官辅助工具帮助面试官高效地准备面试试题考察求职者。该系统首先实现了基于在线知识分享社区中蕴含的信息来大规模生成技能导向的面试试题。具体地,提出了一个新颖的远程监督下的技能实体识别方法,实现在少量人为数据标注的情景下对搜索引擎中包含的海量点击数据和网页标题数据高效地识别技能实体。并提出了一种基于神经网络的生成模型来生成技能导向的面试试题,其中设计了一种数据驱动下的高质量训练数据构建算法,以及一种新颖的训练方法来有效地提升面试试题生成的效果。该系统进一步实现基于搜索引擎中的点击搜索日志数据,构建一个推荐系统来帮助面试官检索合适的面试题。这里设计了一种基于图提升的试题推荐算法,从而可以针对面试官检索的一组技能高效地推荐合适的试题。最后,在采集于真实应用场景的数据集上分别有效地验证了所提方法在生成技能导向的面试试题质量和试题检索准确率这两方面的性能。第四,在人才评估方面,进一步提出了基于技能关系图的个性化笔试、面试试题推荐框架,从而实现对候选人能力的有效评估。该框架的核心是构建了一个工作技能的知识图,来全面建模人才评估中应该涉及的相关能力。具体地,首先构建了一个基于双向循环神经网络和条件随机场的模型实现对招聘数据中技能实体的抽取,通过设计了一种门机制来提升抽取效果。随后基于海量的搜索引擎中的点击数据,构建了一个新颖的标签传播算法,进一步提升了抽取到的技能实体的可靠性。然后通过设计一个基于多源内容特征下的分类模型来实现挖掘技能实体之间的上下位关系,来构建技能图。并且基于技能图设计了一种个性化的试题推荐算法,帮助提升人才评估效率。最后,在采集于真实应用场景的招聘数据上进行了大量的实验,其结果验证了所提框架每个组成部分的有效性。
二、网络、注意力、市场价值（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、网络、注意力、市场价值（论文提纲范文）
（1）算法行动者对短视频平台注意力市场的建构（论文提纲范文）
| 一、短视频平台注意力市场的结构化机制 |
| 二、短视频平台生态系统的价值共创机制 |
| 三、算法：短视频平台注意力市场的建构者 |
| (一)算法匹配短视频注意力市场的供需 |
| 1.算法对资源的匹配 |
| 2.算法对关系的匹配 |
| 3.算法对能力的匹配 |
| (二)算法驱动短视频注意力市场的价值共创 |
| 四、结语 |
（2）社交阅读平台注意力市场的建构（论文提纲范文）
| 一、引言 |
| 二、社交阅读平台注意力市场的结构化特征 |
| (一)社交阅读平台的媒介结构特征 |
| (二)社交阅读平台的市场结构特征 |
| 三、社交阅读平台注意力市场的供需关系 |
| (一)匹配机制下的互动互构关系 |
| (二)技术赋权和权益激励机制下的价值共创关系 |
| 四、社交阅读平台注意力市场的建构策略 |
| (一)用户价值共创生态圈的建构 |
| (二)用户价值共创治理机制的建构 |
| 五、结语 |
（3）基于深度学习的股票走势分析系统的研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.3 研究内容与创新点 |
| 1.3.1 多特征来源的股票数据选取方法 |
| 1.3.2 聚类前驱式的股票走势分析方法 |
| 1.3.3 基于自注意力的股票走势预测模型 |
| 1.3.4 深度学习的股票走势分析系统 |
| 1.4 论文组织结构 |
| 第二章 相关理论与技术 |
| 2.1 引言 |
| 2.2 股票分析法 |
| 2.2.1 基本面分析法 |
| 2.2.2 技术面分析法 |
| 2.3 深度学习 |
| 2.3.1 多层感知器 |
| 2.3.2 卷积神经网络 |
| 2.3.3 循环神经网络 |
| 2.3.4 长短期记忆网络 |
| 2.3.5 注意力机制 |
| 2.4 相关框架 |
| 2.4.1 TensorFlow |
| 2.4.2 Keras |
| 2.4.3 Django |
| 2.5 本章小结 |
| 第三章 股票走势预测模型的研究与实现 |
| 3.1 引言 |
| 3.2 股票数据获取 |
| 3.2.1 基本面数据 |
| 3.2.2 行情面数据 |
| 3.2.3 技术指标面数据 |
| 3.2.4 资金面数据 |
| 3.2.5 权重系数 |
| 3.2.6 增量存储算法 |
| 3.3 股票数据预处理 |
| 3.3.1 股票数据清洗 |
| 3.3.2 股票数据变换 |
| 3.3.3 多特征来源的股票数据选取方法 |
| 3.3.4 滑动窗口算法 |
| 3.4 聚类前驱式的股票走势分析方法 |
| 3.4.1 主流聚类算法描述 |
| 3.4.2 股票聚类任务的痛点分析 |
| 3.4.3 近邻传播算法的实现原理 |
| 3.4.4 区间涨跌幅的树状聚类思想 |
| 3.4.5 股票走势分析方法的设计与实现 |
| 3.5 基于自注意力的股票走势预测模型 |
| 3.5.1 主流神经网络的不足 |
| 3.5.2 股票预测任务的痛点分析 |
| 3.5.3 自注意力机制的实现原理 |
| 3.5.4 股票走势预测模型的设计与实现 |
| 3.5.5 股票走势预测模型的训练方法 |
| 3.6 实验设计与结果分析 |
| 3.6.1 实验环境 |
| 3.6.2 评价指标 |
| 3.6.3 实验选股策略及数据 |
| 3.6.4 关于模型结构的探究实验 |
| 3.6.5 关于模型参数的探究实验 |
| 3.6.6 模型效果的对比实验 |
| 3.7 本章小结 |
| 第四章 股票走势分析系统的设计与实现 |
| 4.1 引言 |
| 4.2 股票走势分析系统的需求分析 |
| 4.3 股票走势分析系统的技术选型 |
| 4.4 股票走势分析系统的架构设计 |
| 4.5 股票走势分析系统的数据库设计 |
| 4.5.1 数据库概念设计 |
| 4.5.2 数据库逻辑设计 |
| 4.6 股票走势分析系统的设计与实现 |
| 4.6.1 账号管理模块的设计与实现 |
| 4.6.2 系统配置模块的设计与实现 |
| 4.6.3 股票分析模块的设计与实现 |
| 4.6.4 自选股模块的设计与实现 |
| 4.7 本章小结 |
| 第五章 股票走势分析系统的测试与验证 |
| 5.1 引言 |
| 5.2 测试目标与环境 |
| 5.2.1 测试目标 |
| 5.2.2 测试环境 |
| 5.3 账号管理模块的测试与验证 |
| 5.4 系统配置模块的测试与验证 |
| 5.5 股票分析模块的测试与验证 |
| 5.6 自选股模块的测试与验证 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（4）基于多源异构数据的股价趋势预测研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.3 研究内容和技术路线 |
| 1.4 主要创新点 |
| 2 相关研究与文献综述 |
| 2.1 股价趋势预测相关金融学理论 |
| 2.1.1 有效市场假说 |
| 2.1.2 行为金融学理论 |
| 2.1.3 适应性市场假说 |
| 2.2 基于时序数据的股价趋势预测研究综述 |
| 2.2.1 金融时序数据来源 |
| 2.2.2 基于计量经济学模型的股价趋势预测相关研究 |
| 2.2.3 基于深度学习模型的股价趋势预测相关研究 |
| 2.3 基于文本数据的股价趋势预测研究综述 |
| 2.3.1 金融文本数据来源 |
| 2.3.2 金融文本表示方法 |
| 2.3.3 基于文本数据的股价趋势预测相关研究 |
| 2.4 文献小结 |
| 3 基于多源异构数据的股价趋势预测理论基础 |
| 3.1 多源异构数据融合理论 |
| 3.1.1 相关概念 |
| 3.1.2 融合层次 |
| 3.2 深度学习模型 |
| 3.2.1 全连接神经网络 |
| 3.2.2 循环神经网络 |
| 3.2.3 卷积神经网络 |
| 3.3 基于多源异构数据的股价趋势预测技术框架 |
| 3.3.1 技术框架的结构 |
| 3.3.2 任务形式化 |
| 3.3.3 评价指标 |
| 3.4 本章小结 |
| 4 融合多源行业时序数据的股价趋势预测研究 |
| 4.1 问题背景 |
| 4.2 行业指数相关性定量分析 |
| 4.2.1 时间序列相似性度量 |
| 4.2.2 行业指数相关性结果及分析 |
| 4.3 融合多源行业时序数据的股价趋势预测模型设计 |
| 4.3.1 任务及相关符号定义 |
| 4.3.2 模型总体结构 |
| 4.3.3 行业相关系数调节模块 |
| 4.3.4 时序特征抽取模块 |
| 4.3.5 交互特征抽取模块 |
| 4.4 实验与结果分析 |
| 4.4.1 研究对象 |
| 4.4.2 数据集划分 |
| 4.4.3 对比实验与参数设置 |
| 4.4.4 实验结果分析 |
| 4.5 本章小结 |
| 5 融合公众情绪数据的股价趋势预测研究 |
| 5.1 问题背景 |
| 5.2 研究对象的选择 |
| 5.3 公众情绪指数构建 |
| 5.3.1 公众情感数据采集与分析 |
| 5.3.2 基于AdaBN的情感分类模型构建 |
| 5.3.3 模型训练与评估 |
| 5.3.4 公众情绪指数构建 |
| 5.3.5 公众情绪指数与股票涨跌幅度的格兰杰因果关系检验 |
| 5.4 金融时序数据特征筛选 |
| 5.4.1 特征重要性排序原理 |
| 5.4.2 金融时序特征重要性排序结果 |
| 5.5 融合公众情绪数据的股价趋势预测模型设计 |
| 5.5.1 任务及相关符号定义 |
| 5.5.2 模型总体结构 |
| 5.5.3 显式核映射模块 |
| 5.6 实验与结果分析 |
| 5.6.1 数据集划分 |
| 5.6.2 对比实验和参数设置 |
| 5.6.3 实验结果分析 |
| 5.7 本章小结 |
| 6 融合新闻事件数据的股价趋势预测研究 |
| 6.1 问题背景 |
| 6.2 融合结构化事件数据的股价趋势预测模型设计 |
| 6.2.1 任务及相关符号定义 |
| 6.2.2 模型总体结构 |
| 6.2.3 数据表示与融合 |
| 6.2.4 基于CCAM的事件特征抽取模块 |
| 6.3 实验与结果分析 |
| 6.3.1 样本来源与分布 |
| 6.3.2 对比试验与参数设置 |
| 6.3.3 实验结果分析 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 研究结论 |
| 7.2 研究展望 |
| 参考文献 |
| 附录A 候选技术指标特征表 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（5）创业警觉性的前因及对新创企业绩效的作用机制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的 |
| 1.3 选题意义 |
| 1.4 研究方法和技术路线 |
| 1.5 论文结构 |
| 1.6 研究的主要创新 |
| 第2章 文献综述 |
| 2.1 创业警觉性 |
| 2.1.1 创业警觉性的内涵 |
| 2.1.2 创业警觉性的维度与测量 |
| 2.1.3 创业警觉性的相关研究 |
| 2.1.4 小结 |
| 2.2 创业者认知结构 |
| 2.2.1 创业者认知结构的内涵 |
| 2.2.2 创业者认知结构的维度与测量 |
| 2.2.3 创业者认知结构的相关研究 |
| 2.2.4 小结 |
| 2.3 新创企业绩效 |
| 2.3.1 新创企业绩效的内涵 |
| 2.3.2 新创企业绩效的维度与测量 |
| 2.3.3 新创企业绩效的相关研究 |
| 2.3.4 小结 |
| 2.4 创业拼凑 |
| 2.4.1 创业拼凑的内涵 |
| 2.4.2 创业拼凑的维度与测量 |
| 2.4.3 创业拼凑的相关研究 |
| 2.4.4 小结 |
| 2.5 商业模式创新 |
| 2.5.1 商业模式创新的内涵 |
| 2.5.2 商业模式创新的维度与测量 |
| 2.5.3 商业模式创新的相关研究 |
| 2.5.4 小结 |
| 2.6 环境动态性 |
| 2.6.1 环境动态性的内涵 |
| 2.6.2 环境动态性的维度与测量 |
| 2.6.3 环境动态性的相关研究 |
| 2.6.4 小结 |
| 2.7 本章小结 |
| 第3章 理论分析与研究假设 |
| 3.1 理论基础 |
| 3.1.1 社会认知理论 |
| 3.1.2 创业过程理论 |
| 3.1.3 资源基础理论 |
| 3.1.4 权变理论 |
| 3.2 理论框架 |
| 3.2.1 创业警觉性的前因研究 |
| 3.2.2 创业警觉性对新创企业绩效作用机制研究 |
| 3.3 研究假设 |
| 3.3.1 创业警觉性的前因研究 |
| 3.3.2 创业警觉性对新创企业绩效作用机制研究 |
| 3.4 本章小结 |
| 第4章 研究设计与研究方法 |
| 4.1 访谈设计 |
| 4.1.1 访谈对象 |
| 4.1.2 访谈的实施 |
| 4.1.3 访谈结果 |
| 4.2 问卷设计 |
| 4.2.1 调研对象选择 |
| 4.2.2 问卷设计过程 |
| 4.2.3 问卷结构 |
| 4.3 变量测量 |
| 4.3.1 创业者认知结构的测量 |
| 4.3.2 创业警觉性的测量 |
| 4.3.3 新创企业绩效的测量 |
| 4.3.4 创业拼凑的测量 |
| 4.3.5 商业模式创新的测量 |
| 4.3.6 环境动态性的测量 |
| 4.3.7 控制变量 |
| 4.4 数据分析方法 |
| 4.4.1 描述性统计分析 |
| 4.4.2 信度分析和效度分析 |
| 4.4.3 相关分析 |
| 4.4.4 回归分析 |
| 4.4.5 结构方程模型 |
| 4.4.6 Bootstrap分析 |
| 4.5 预调研 |
| 4.5.1 创业者认知结构量表检验 |
| 4.5.2 创业警觉性量表检验 |
| 4.5.3 新创企业绩效量表检验 |
| 4.5.4 创业拼凑量表检验 |
| 4.5.5 商业模式创新量表检验 |
| 4.5.6 环境动态性量表检验 |
| 4.5.7 经验开放性量表检验 |
| 4.6 本章小结 |
| 第5章 数据分析与假设检验 |
| 5.1 数据收集 |
| 5.2 描述性统计分析和相关分析 |
| 5.2.1 受访者特征 |
| 5.2.2 受访企业特征 |
| 5.2.3 描述性统计和相关分析 |
| 5.3 信度与效度分析 |
| 5.3.1 信度分析 |
| 5.3.2 效度分析 |
| 5.3.3 共同方法偏差和多重共线性检验 |
| 5.3.4 无反应偏差检验 |
| 5.4 假设检验 |
| 5.4.1 创业警觉性的前因研究假设检验 |
| 5.4.2 创业警觉性对新创企业绩效作用机制研究假设检验 |
| 5.5 本章小结 |
| 第6章 研究结论与展望 |
| 6.1 结果讨论与研究结论 |
| 6.1.1 创业警觉性的前因研究 |
| 6.1.2 创业警觉性对新创企业绩效作用机制研究 |
| 6.2 研究启示 |
| 6.2.1 理论贡献 |
| 6.2.2 管理启示 |
| 6.3 研究局限与展望 |
| 6.3.1 研究局限 |
| 6.3.2 未来研究展望 |
| 参考文献 |
| 附录1 访谈提纲 |
| 附录2 调查问卷 |
| 攻读学位期间发表的学术论文及取得的科研成果 |
| 致谢 |
（6）体育旅游危机事件网络舆情诱发、演化与治理研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 体育旅游危机事件发生风险加剧 |
| 1.1.2 网络自媒体的快速发展 |
| 1.1.3 旅游网络舆情的深刻影响 |
| 1.1.4 网络治理现代化新命题的提出 |
| 1.2 问题的提出 |
| 1.3 研究目的与意义 |
| 1.3.1 研究目的 |
| 1.3.2 研究意义 |
| 1.4 国内外相关研究进展 |
| 1.4.1 国外相关研究现状 |
| 1.4.2 国内相关研究现状 |
| 1.4.3 相关研究评述 |
| 1.5 研究对象与方法 |
| 1.5.1 研究对象 |
| 1.5.2 研究方法 |
| 1.6 研究重点难点与创新之处 |
| 1.6.1 研究重点 |
| 1.6.2 研究难点 |
| 1.6.3 研究创新之处 |
| 1.7 研究思路与技术路线 |
| 1.7.1 研究思路 |
| 1.7.2 技术路线 |
| 2 相关概念与理论基础 |
| 2.1 相关概念厘定 |
| 2.1.1 体育旅游的概念梳理与厘定 |
| 2.1.2 体育危机事件、体育旅游危机事件的概念梳理与界定 |
| 2.1.3 网络舆情的概念溯源 |
| 2.1.4 体育旅游危机事件网络舆情的内涵解析 |
| 2.2 理论基础 |
| 2.2.1 系统理论 |
| 2.2.2 生命周期理论 |
| 2.2.3 协同治理理论 |
| 2.2.4 危机管理理论 |
| 2.2.5 议程设置理论 |
| 3 体育旅游危机事件网络舆情构成解析、功能特征与发展态势 |
| 3.1 体育旅游危机事件网络舆情的基本构成 |
| 3.1.1 体育旅游危机事件网络舆情主体 |
| 3.1.2 体育旅游危机事件网络舆情客体 |
| 3.1.3 体育旅游危机事件网络舆情本体 |
| 3.1.4 体育旅游危机事件网络舆情载体 |
| 3.2 体育旅游危机事件网络舆情的功能特征 |
| 3.2.1 体育旅游危机事件网络舆情的特征 |
| 3.2.2 体育旅游危机事件网络舆情的功能 |
| 3.3 体育旅游危机事件网络舆情发展态势 |
| 3.3.1 体育旅游发展态势 |
| 3.3.2 体育旅游危机事件发展态势 |
| 3.3.3 体育旅游危机事件网络舆情发展态势 |
| 4 体育旅游危机事件网络舆情的诱发分析 |
| 4.1 体育旅游系统的解构 |
| 4.1.1 旅游系统理论的流变 |
| 4.1.2 体育旅游系统的概念界定、功能与解构 |
| 4.2 体育旅游危机事件的发生 |
| 4.2.1 体育旅游危机事件的特征与分类 |
| 4.2.2 体育旅游系统紊乱引发危机事件发生的逻辑 |
| 4.3 体育旅游危机事件网络舆情的生成 |
| 4.3.1 系统紊乱、危机事件发生与网络舆情生成的逻辑 |
| 4.3.2 体育旅游危机事件发生与网络舆情生成的关系机理 |
| 4.4 体育旅游危机事件网络舆情系统构建及形成 |
| 4.4.1 体育旅游危机事件网络舆情系统的定义与特征 |
| 4.4.2 体育旅游危机事件网络舆情系统构建与构成要素 |
| 4.4.3 体育旅游危机事件网络舆情萌发与网络舆情系统初步形成 |
| 5 体育旅游危机事件网络舆情演化研究 |
| 5.1 体育旅游危机事件网络舆情演化的逻辑起点、概念内涵与特征 |
| 5.1.1 体育旅游危机事件网络舆情的生物性认知:演化的逻辑起点 |
| 5.1.2 体育旅游危机事件网络舆情演化的概念内涵 |
| 5.1.3 体育旅游危机事件网络舆情演化的特征 |
| 5.2 体育旅游危机事件网络舆情演化的影响因素及其演化机理 |
| 5.2.1 系统论视角下的体育旅游危机事件网络舆情演化因素的构成 |
| 5.2.2 不同演化因素的分解及其对网络舆情演化的作用机理 |
| 5.2.3 多因素融合叠加主导网络舆情演化的逻辑机理 |
| 5.3 体育旅游危机事件网络舆情的演化历程及阶段性演化特征 |
| 5.3.1 体育旅游危机事件网络舆情的演化历程 |
| 5.3.2 体育旅游危机事件网络舆情分阶段的演化特征与机理 |
| 6 体育旅游危机事件网络舆情的多维影响研究 |
| 6.1 体育旅游危机事件网络舆情的多维影响结构图及其解析 |
| 6.2 体育旅游危机事件网络舆情的影响机理 |
| 6.2.1 体育旅游危机事件网络舆情宏观层面的影响机理 |
| 6.2.2 体育旅游危机事件网络舆情中观层面的影响机理 |
| 6.2.3 体育旅游危机事件网络舆情微观层面的影响机理 |
| 6.3 体育旅游危机事件网络舆情影响的溢出效应 |
| 6.3.1 体育旅游危机事件网络舆情影响效应的空间溢出 |
| 6.3.2 体育旅游危机事件网络舆情影响效应的产业溢出 |
| 6.4 体育旅游危机事件网络舆情的影响场域 |
| 6.4.1 基于体育旅游危机事件网络舆情信息流空间虚实性的影响场域 |
| 6.4.2 基于体育旅游危机事件网络舆情波及域时序扩散的影响场域 |
| 6.5 体育旅游危机事件网络舆情的影响强度 |
| 7 体育旅游危机事件网络舆情协同分异治理研究 |
| 7.1 协同治理理论渊源与协同分异治理的提出 |
| 7.1.1 协同治理理论渊源 |
| 7.1.2 协同分异治理的提出 |
| 7.2 协同分异治理的保障体系 |
| 7.2.1 制度保障是基础 |
| 7.2.2 组织保障是核心 |
| 7.2.3 资源保障是依托 |
| 7.3 体育旅游危机事件网络舆情协同分异治理机制 |
| 7.3.1 防微杜渐:预防与应急准备机制 |
| 7.3.2 未雨绸缪:监测预警机制 |
| 7.3.3 临危不乱:应急处理机制 |
| 7.3.4 转危为安:恢复与重建机制 |
| 7.4 体育旅游危机事件网络舆情协同分异治理的路径选择 |
| 7.4.1 基于网络舆情演化生命周期阶段的协同分时治理及治理路径 |
| 7.4.2 基于网络舆情发展强度的协同分级治理及治理路径 |
| 7.4.3 基于网络舆情治理主体的协同分主体治理及治理路径 |
| 7.4.4 基于网络舆情治理方式刚柔性的协同分式治理及治理路径 |
| 8 研究结论与不足 |
| 8.1 研究结论 |
| 8.2 研究不足 |
| 致谢 |
| 参考文献 |
| 附录1 “雪乡宰客事件”网络舆情生命周期变化 |
| 附录2 典型体育旅游危机事件一览表 |
| 附录3 部分体育旅游危机事件网络舆情案例网络数据 |
| 附录4 攻读博士期间的科研成果 |
（7）电子媒介时代的文学生态研究（论文提纲范文）
| 摘要 |
| Abstract |
| 绪论 |
| 一、选题的缘由 |
| 二、选题的背景 |
| 三、选题研究的现状及分析 |
| 四、选题的研究理路和创新点 |
| 第一章 电子媒介下的文学生产 |
| 第一节 “口袋妖怪”:电子媒介与文学生产方式的新变化 |
| 第二节 文学生产主体的后现代性 |
| 第三节 文学生产客体的媒介化变迁 |
| 第二章 电子媒介与文学文本 |
| 第一节 电子文本的主要存在方式 |
| 第二节 电子文本叙事的后现代转型 |
| 第三节 电子文本诗性语言的危机 |
| 第三章 电子媒介时代的文学传播 |
| 第一节 文学传播的技术化变革 |
| 第二节 注意力商品化对文学传播的影响 |
| 第四章 电子媒介视域下的文学接受 |
| 第一节 文学接受的概念、意义及特征 |
| 第二节 当代文学接受方式的多元化 |
| 第三节 当代文学接受活动: 网络文学欣赏的方式 |
| 第四节 当代文学接受活动: 网络文学批评的发轫、形态与标准 |
| 第五章 电子媒介语境中的文学消费 |
| 第一节 文学消费的发生、特征及其原因 |
| 第二节 文学消费主体的救赎与沉沦 |
| 第三节 电子媒介建构下的文学消费客体 |
| 结语 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（8）动力煤价格中短期预测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 计量经济学方法研究现状 |
| 1.2.2 机器学习方法研究现状 |
| 1.2.3 深度学习方法研究现状 |
| 1.2.4 煤价预测中影响变量组合研究现状 |
| 1.3 论文研究内容和结构安排 |
| 1.3.1 研究内容 |
| 1.3.2 结构安排 |
| 第二章 动力煤价格预测的理论基础 |
| 2.1 动力煤市场分析 |
| 2.1.1 动力煤价格组成 |
| 2.1.2 动力煤价格形成机制 |
| 2.1.3 动力煤价格影响因素 |
| 2.2 LSTM模型预测原理 |
| 2.2.1 循环神经网络 |
| 2.2.2 LSTM模型原理 |
| 2.2.3 LSTM模型的优劣 |
| 2.3 注意力机制 |
| 2.3.1 注意力机制的概念 |
| 2.3.2 注意力机制的分类 |
| 2.3.3 典型的注意力机制 |
| 2.4 生成对抗网络 |
| 2.4.1 生成对抗网络原理 |
| 2.4.2 Wasserstein GAN |
| 2.5 本章小结 |
| 第三章 基于注意力机制的动力煤价指数深度学习预测方法 |
| 3.1 引言 |
| 3.2 动力煤价指数序列特征分析 |
| 3.2.1 非平稳性 |
| 3.2.2 季节性分解 |
| 3.2.3 时序相关性 |
| 3.2.4 影响因素相关性检验 |
| 3.3 构建基于注意力机制的动力煤价指数深度学习预测模型 |
| 3.3.1 模型设计思想与架构 |
| 3.3.2 双向LSTM长时序信息提取模块 |
| 3.3.3 CNN特征提取模块 |
| 3.3.4 横向注意力机制 |
| 3.4 实验与结果分析 |
| 3.4.1 数据预处理 |
| 3.4.2 模型训练与优化 |
| 3.4.3 实验结果及分析 |
| 3.5 本章小结 |
| 第四章 基于生成对抗网络的动力煤期货价格预测方法研究 |
| 4.1 动力煤期货价格分析 |
| 4.1.1 动力煤期货市场与期货价格组成 |
| 4.1.2 动力煤期货与现货价格的联系与差异 |
| 4.2 构建基于生成对抗网络的期货价格预测模型 |
| 4.2.1 网络设计思想与问题描述 |
| 4.2.2 基于生成对抗网络的预测网络设计 |
| 4.2.3 目标函数优化设计 |
| 4.3 实验与结果分析 |
| 4.3.1 模型训练及优化 |
| 4.3.2 模型评价指标 |
| 4.3.3 实验结果及分析 |
| 4.4 本章小结 |
| 第五章 总结和展望 |
| 5.1 论文工作总结 |
| 5.2 论文下一步工作方向 |
| 参考文献 |
| 致谢 |
（9）面向大宗商品资讯的信息抽取技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文结构 |
| 第二章 相关理论和技术 |
| 2.1 大宗商品 |
| 2.2 信息抽取 |
| 2.2.1 实体抽取 |
| 2.2.2 关系抽取 |
| 2.2.3 事件抽取 |
| 2.3 卷积神经网络 |
| 2.3.1 卷积神经网络 |
| 2.3.2 文本卷积神经网络 |
| 2.4 注意力机制 |
| 2.5 聚类算法 |
| 2.6 本章小结 |
| 第三章 基于卷积神经网络和注意力机制的主题信息抽取 |
| 3.1 主题信息抽取问题描述 |
| 3.2 基于卷积神经网络和注意力机制的主题信息抽取模型 |
| 3.3 实验与分析 |
| 3.3.1 基准数据集的实验与分析 |
| 3.3.2 大宗商品资讯的主题信息抽取实验与分析 |
| 3.4 本章小结 |
| 第四章 基于依存句法分析和规则的实体信息抽取 |
| 4.1 实体抽取基本概念 |
| 4.2 实体抽取算法设计 |
| 4.2.1 问题描述 |
| 4.2.2 总体框架 |
| 4.3 实体抽取的具体过程 |
| 4.4 实验与分析 |
| 4.4.1 实验设置 |
| 4.4.2 效果评估 |
| 4.4.3 结果与分析 |
| 4.5 本章小结 |
| 第五章 基于词向量聚类的关键词信息抽取 |
| 5.1 关键词信息抽取问题描述 |
| 5.2 基于词向量聚类的关键词信息抽取 |
| 5.3 实验与分析 |
| 5.3.1 实验设置 |
| 5.3.2 效果评估 |
| 5.3.3 结果与分析 |
| 5.4 本章小结 |
| 第六章 面向大宗商品资讯的信息抽取实现 |
| 6.1 信息抽取需求分析 |
| 6.2 信息抽取总体设计 |
| 6.3 信息抽取具体实现 |
| 6.3.1 开发环境 |
| 6.3.2 数据获取及预处理实现 |
| 6.3.3 主题信息抽取实现 |
| 6.3.4 实体信息抽取实现 |
| 6.3.5 关键词信息抽取实现 |
| 6.3.6 数据库实现 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（10）面向智能招聘的数据挖掘方法及其应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 本研究工作面临的主要挑战 |
| 1.3 国内外发展现状 |
| 1.3.1 人才吸引 |
| 1.3.2 人才筛选 |
| 1.3.3 人才评估 |
| 1.4 研究内容与主要贡献 |
| 1.5 组织结构 |
| 第2章 基于技能预测的岗位需求文本自动生成 |
| 2.1 引言 |
| 2.2 相关工作 |
| 2.2.1 招聘分析 |
| 2.2.2 自然语言生成 |
| 2.2.3 概率主题模型 |
| 2.3 问题定义 |
| 2.4 基于技能预测的岗位需求自动生成框架(Cajon) |
| 2.4.1 能力感知下的神经主题模型(CANTM) |
| 2.4.2 能力感知下的岗位需求生成神经模型(CANJRG) |
| 2.4.3 能力感知下的策略梯度训练算法(CAPGTA) |
| 2.5 实验分析 |
| 2.5.1 实验数据 |
| 2.5.2 训练参数与环境设置 |
| 2.5.3 基准算法 |
| 2.5.4 评价指标 |
| 2.5.5 实验结果及分析 |
| 2.5.6 生成示例研究与讨论 |
| 2.6 本章小结 |
| 第3章 基于技能感知的人岗匹配 |
| 3.1 引言 |
| 3.2 相关工作 |
| 3.2.1 人岗匹配分析 |
| 3.2.2 基于深度学习的文本分类与匹配 |
| 3.2.3 基于文本信息的推荐算法 |
| 3.3 问题定义 |
| 3.4 基于技能感知的人岗匹配框架(TAPJFNN)描述 |
| 3.4.1 词级别招聘文本表征 |
| 3.4.2 基于主题的技能感知的层级别表征 |
| 3.4.3 人岗匹配预测 |
| 3.5 人岗匹配的应用 |
| 3.5.1 人才初筛 |
| 3.5.2 岗位推荐 |
| 3.6 实验分析 |
| 3.6.1 实验数据 |
| 3.6.2 训练参数与环境设置 |
| 3.6.3 基准算法 |
| 3.6.4 评价指标 |
| 3.6.5 人才初筛实验结果及分析 |
| 3.6.6 岗位推荐实验结果及分析 |
| 3.6.7 引入非文本特征的结果与讨论 |
| 3.6.8 案例分析与讨论 |
| 3.7 本章小结 |
| 第4章 专业技能导向的面试题库自动生成和试题检索 |
| 4.1 引言 |
| 4.2 相关工作 |
| 4.2.1 智能面试辅助 |
| 4.2.2 技能实体识别 |
| 4.2.3 文本生成 |
| 4.3 技能导向试题生成框架描述 |
| 4.3.1 远程监督下的技能识别 |
| 4.3.2 面试试题生成 |
| 4.4 技能导向的试题检索算法描述 |
| 4.4.1 技能推荐 |
| 4.4.2 面试试题检索 |
| 4.5 技能导向试题生成实验结果分析 |
| 4.5.1 技能实体识别的性能分析 |
| 4.5.2 问题生成的性能分析 |
| 4.6 技能导向检索算法实验结果分析 |
| 4.6.1 技能推荐的性能分析 |
| 4.6.2 试题检索的性能分析 |
| 4.6.3 案例分析和讨论 |
| 4.7 本章小结 |
| 第5章 基于技能关系图的个性化笔试、面试试题推荐 |
| 5.1 引言 |
| 5.2 相关工作 |
| 5.2.1 智能人才评估 |
| 5.2.2 实体抽取和关系抽取 |
| 5.3 DuerQuiz框架描述 |
| 5.3.1 技能实体抽取 |
| 5.3.2 技能实体过滤 |
| 5.3.3 技能关系抽取 |
| 5.3.4 个性化问题推荐 |
| 5.4 技能图构建性能分析 |
| 5.4.1 技能实体抽取的性能分析 |
| 5.4.2 技能实体过滤的性能分析 |
| 5.4.3 技能关系抽取的性能分析 |
| 5.5 试题推荐的性能分析 |
| 5.6 案例分析和讨论 |
| 5.7 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来研究展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
四、网络、注意力、市场价值（论文参考文献）
- [1]算法行动者对短视频平台注意力市场的建构[J]. 国秋华,彭璐瑶. 中国编辑, 2021(09)
- [2]社交阅读平台注意力市场的建构[J]. 国秋华. 出版发行研究, 2021(08)
- [3]基于深度学习的股票走势分析系统的研究与实现[D]. 陈擎霄. 北京邮电大学, 2021(01)
- [4]基于多源异构数据的股价趋势预测研究[D]. 刘素辉. 北京科技大学, 2021(08)
- [5]创业警觉性的前因及对新创企业绩效的作用机制研究[D]. 王超. 吉林大学, 2021(01)
- [6]体育旅游危机事件网络舆情诱发、演化与治理研究[D]. 陈玉萍. 上海体育学院, 2021(09)
- [7]电子媒介时代的文学生态研究[D]. 田义. 扬州大学, 2021(02)
- [8]动力煤价格中短期预测方法研究[D]. 郭嘉宁. 北京邮电大学, 2021(01)
- [9]面向大宗商品资讯的信息抽取技术研究[D]. 段赟. 北京邮电大学, 2021(01)
- [10]面向智能招聘的数据挖掘方法及其应用[D]. 秦川. 中国科学技术大学, 2021(09)