期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
租赁平台第三方信用评估机制引入策略研究
1
作者 刘洋 潘宏 《运筹与管理》 CSSCI CSCD 北大核心 2024年第5期197-203,共7页
本文针对租赁平台是否应该引入第三方信用评估机制开展研究。考虑有钱支付押金的消费者比例、自身高信用的消费者比例以及信用评估准确率等因素,构建不引入和引入第三方信用评估机制两种策略下租赁平台利润模型。通过模型求解,分别确定... 本文针对租赁平台是否应该引入第三方信用评估机制开展研究。考虑有钱支付押金的消费者比例、自身高信用的消费者比例以及信用评估准确率等因素,构建不引入和引入第三方信用评估机制两种策略下租赁平台利润模型。通过模型求解,分别确定了两种策略下最优租赁价格和租赁平台的最优利润。通过数值仿真方法对两种策略下租赁平台最优利润进行比较分析。研究发现:当有钱支付押金的消费者比例较小且自身高信用的消费者比例较大时,平台应该引入第三方信用评估机制,且信用评估准确率越高,平台引入第三方信用评估机制越有利;当有钱支付押金的消费者比例较大时,平台不应该引入第三方信用评估机制。此外,本文进一步研究了两种策略下社会福利的变化。所得到的研究结果对租赁平台第三方信用评估机制的引入策略具有一定的指导价值。 展开更多
关键词 租赁平台 第三方信用评估机制 策略分析 数值仿真
在线阅读 下载PDF
从微场景到微服务:军用软件需求分析新范式
2
作者 陈行军 赵兴乾 +2 位作者 王苛芸 杨光飞 史红权 《指挥与控制学报》 北大核心 2025年第4期473-481,共9页
聚焦军用指挥控制软件中从微场景到微服务的需求分析新范式,为应对复杂作战任务中指挥控制需求的快速响应与环境适配问题,构建微场景驱动的微服务识别与推荐模型,融合服务依赖度计算与聚类分析,实现任务链条中指令流与控制流的精准匹配... 聚焦军用指挥控制软件中从微场景到微服务的需求分析新范式,为应对复杂作战任务中指挥控制需求的快速响应与环境适配问题,构建微场景驱动的微服务识别与推荐模型,融合服务依赖度计算与聚类分析,实现任务链条中指令流与控制流的精准匹配;引入模糊数学与德尔菲法构建动态需求模型,支撑战场态势下柔性资源调配;设计自适应架构演化机制,提升系统在复杂指挥控制环境中的响应与决策效率。验证结果表明,该方法具备高适应性与实战应用潜力。 展开更多
关键词 微服务 微场景 指挥控制 军用软件 自适应演化
在线阅读 下载PDF
基于知识和数据联合驱动的目标意图识别方法
3
作者 杨光飞 郑轩 +3 位作者 饶世钧 王苛芸 崔家连 刘连 《火力与指挥控制》 北大核心 2025年第4期160-168,共9页
提出了一种基于置信规则库和深度学习的目标意图识别方法,该方法融合了数据驱动方法和专家系统方法的优势,既拥有强大的学习能力,还保持决策过程的可解释性。为确保模型各模块的参数都能充分训练,提出使用反向传播和差分进化协同优化的... 提出了一种基于置信规则库和深度学习的目标意图识别方法,该方法融合了数据驱动方法和专家系统方法的优势,既拥有强大的学习能力,还保持决策过程的可解释性。为确保模型各模块的参数都能充分训练,提出使用反向传播和差分进化协同优化的方式对模型进行调优。将该方法应用于空中目标意图识别任务中,预测准确率可达90%以上,说明置信规则库嵌入的专家知识能够提供额外信息,从而提升深度学习模型的性能。 展开更多
关键词 置信规则库 神经网络 协同优化 目标意图识别 空战
在线阅读 下载PDF
面向网络空间认知战的大语言模型:技术与挑战 被引量:1
4
作者 杨光飞 孙畅 +1 位作者 刘振东 缪永飞 《指挥与控制学报》 CSCD 北大核心 2024年第6期643-652,共10页
随着大语言模型技术的快速发展,其在网络空间认知域作战中的应用展现出巨大潜力。基于大语言模型的发展历程和独特优势,聚焦于网络空间认知战领域,从态势感知、态势认知、鉴定识别和信息作战4个方面梳理了大语言模型关键技术路线,并详... 随着大语言模型技术的快速发展,其在网络空间认知域作战中的应用展现出巨大潜力。基于大语言模型的发展历程和独特优势,聚焦于网络空间认知战领域,从态势感知、态势认知、鉴定识别和信息作战4个方面梳理了大语言模型关键技术路线,并详细分析了将其应用在网络空间认知战中的具体方案及未来挑战,为我国在该新兴领域取得新质战斗力提供理论和技术支持。 展开更多
关键词 大语言模型 网络空间 认知战 技术与挑战
在线阅读 下载PDF
消费者决策旅程视角基于评论的深度推荐方法 被引量:2
5
作者 张颖异 李先能 +2 位作者 郭艳红 李晓刚 郑爽 《管理科学学报》 CSSCI CSCD 北大核心 2024年第8期105-125,共21页
推荐系统的本质是建模消费者行为中隐藏的兴趣偏好.人的行为离不开心理,表象的行为背后蕴含着丰富的内在产生动机.然而,当前的推荐系统主要聚焦于对消费者表象的行为数据建模层面,很少涉及内在的心理活动和决策中对信息的加工过程,难以... 推荐系统的本质是建模消费者行为中隐藏的兴趣偏好.人的行为离不开心理,表象的行为背后蕴含着丰富的内在产生动机.然而,当前的推荐系统主要聚焦于对消费者表象的行为数据建模层面,很少涉及内在的心理活动和决策中对信息的加工过程,难以解析行为背后的产生路径.为此,本文研究了一种新的推荐系统方法创新思路,聚焦于基于评论的推荐场景,从消费者决策旅程视角出发,引入AIDMA阶段式决策模型,将消费者行为的产生过程视为对商品“引起注意→产生兴趣→唤醒欲望→留下记忆→决策行为”的决策旅程,并将其运用到深度学习的模型设计中,提出一种新的推荐方法.实验表明本研究方法的推荐效果显著优于现有方法.本研究遵循了“模型驱动+数据驱动”的大数据驱动研究范式,不仅实现了对推荐系统具有消费者行为理论模型支撑的深度学习方法创新,还为理解消费者在决策过程中对非结构化评论文本的信息加工过程提供了借鉴和参考. 展开更多
关键词 推荐系统 深度学习 评论文本 消费者决策旅程
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部