【摘 要】
：
非公有制经济是我国经济制度的重要组成部分,其群体数量庞大、分布广泛、需求多样,经济实体之间的关系复杂。因此对于非公经济的监控与管理存在着较高的复杂性。本文研究面向非公有制经济领域,利用图计算等方法,分析行业数据,构建相关算法模型,为行业内企业添加核心权重,并进行核心实体提取,并为核心实体企业在全国工商业联合会企业用户画像中增加核心实体维度,以辅助政府或者企业管理单位对企业的思想引导和政策扶持工作。
【机 构】
：
中国电子科技集团公司电子科学研究院
【出 处】
：
中国电子科技集团公司电子科学研究院
论文部分内容阅读
非公有制经济是我国经济制度的重要组成部分,其群体数量庞大、分布广泛、需求多样,经济实体之间的关系复杂。因此对于非公经济的监控与管理存在着较高的复杂性。本文研究面向非公有制经济领域,利用图计算等方法,分析行业数据,构建相关算法模型,为行业内企业添加核心权重,并进行核心实体提取,并为核心实体企业在全国工商业联合会企业用户画像中增加核心实体维度,以辅助政府或者企业管理单位对企业的思想引导和政策扶持工作。针对上述研究目标,本文主要贡献如下:（1）本文提出了非公经济核心实体定义,以节点属性和网络稳定性两个方面对非公经济核心实体做出阐述,提出实体核心程度与实体本身属性及在网络中的位置有关,从而提出非公经济核心实体评价指标定义,并提出核心实体提取的方法。（2）本文根据非公经济评价指标定义,采用图计算的方法进行核心实体提取。针对特定的软件与信息服务业数据集,在投资和技术视角下构建图网络,并针对PageRank算法进行算法改进,包括权重缩减以及迭代优化,最终实验表明优化后的算法在结果准确性和收敛效率上有较大提高。在贸易视角下构建图网络,采用图卷积神经网络的方法,在不增加新的标注前提下,一定程度上将以往已标注的核心企业数据得到利用,并获得较高的准确率。（3）本文提出以行业为维度,在行业内提取核心实体方法,并且实现数据收集、数据处理、网络模型构建、核心权重添加等步骤,提出针对行业核心实体自动化标注实现方法和整体流程,这部分将用于全国工商业联合会“网上工商联”建设项目。
其他文献
随着隐身技术的不断发展,对于低可见平台,天线逐渐成为雷达散射截面（Radar cross section,RCS）的主要贡献者。天线是雷达系统不可缺少的一部分,因此控制天线的散射,甚至通过各种技术手段使天线在一定范围内达到“零”散射,是当前隐身技术发展的一大趋势。针对该研究趋势,本文采用不同方法对阵列天线散射进行调控,主要工作如下:1.根据宽带微带单极子天线贴片和地板感应电流的分布,对电流分布稀疏
多个分布式机载或陆基移动平台上的雷达越来越受到关注,因为它们可以部署在调查事件附近,从而提供显著的感知机会。地面运动目标指示器（GMTI）在存在地杂波和其他干扰源的情况下检测和定位运动目标。利用天线阵列实现空时自适应处理（STAP）是机载雷达杂波消除的经典方法。STAP的挑战之一是目标的最小可检测速度（MDV）是天线阵列基线的函数:基线越大（即波束越窄）,MDV越低。不幸的是,增加均匀线阵列（UL
目的:通过分析南昌市两区空气污染现状及特征,探索其对小学生肺功能的影响。以期为改善城市空气质量,降低儿童呼吸系统疾病负担采取重点防控策略提供相关依据。方法:于2015-2018年,采用分层整群抽样方法,每年从南昌市青云谱区和青山湖区各抽取1个学校的3-5年级各2个班级共2954名学生,通过问卷调查采集研究对象的年龄、身高和体重。同时,每年整群抽取其中2个班级的学生,共753名学生,进行肺功能检测,
目的 观察营养联合运动干预方法对脑卒中伴肌少症患者的疗效。方法 2022年1月至6月，华北理工大学附属医院住院的脑卒中伴肌少症患者60例，随机分为对照组、营养组、运动组和联合组，每组各15例。4组均予常规康复训练，营养组增加营养干预，运动组增加运动干预，联合组增加营养和运动干预，共4周。干预前后采用生物阻抗分析法评估肌肉指数，握力计测量健侧和患侧握力，采用改良Barthel指数（MBI）和Berg
雷达目标识别任务中受到战场环境中噪声、杂波的干扰,识别目标非合作以及反侦察技术的应用,难以获得目标完备、高质量的数据用以目标识别。高分辨距离像（High Resolution Range Profile,HRRP）作为目标识别重要手段之一,在实际工程中有着广泛地应用。但是HRRP存在姿态敏感性、幅度敏感性和平移敏感性的问题,对目标识别算法的设计和训练样本数量提出了挑战。这些问题都导致了HRRP目标
合成孔径雷达（Synthetic Aperture Radar,SAR）因其能够全天候、全天时工作的优点,被应用于了舰船目标识别领域。随着SAR图像分辨率的逐步提高与深度学习算法的蓬勃发展,以卷积神经网络（Convolutional Neural Network,CNN）为代表的深度学习方法逐渐取代了步骤繁琐计算复杂的传统方法。然而直接将应用于光学图像识别的深度学习方法迁移于SAR图像,存在着缺乏
随着雷达系统组成复杂化,雷达维护保障问题也变得突出,传统定期维护,事后维护方式已无法满足当前雷达运维保障的需要。随着基于状态的维护策略（CBM）的提出,预测与健康管理（PHM）已经成为雷达综合保障领域研究的核心技术之一。同时,机内测试（BIT）技术的发展使得监测雷达状态,获取监测数据变得容易。目前雷达的健康信息感知大多基于测试性建模的方法,随系统复杂度的提升,感知雷达健康信息也变得困难。目前,通过
空间分辨率是影响雷达性能的重要因素。距离维度上可以脉冲压缩等一系列技术实现距离维高分辨率,而对于方位分辨率仅仅只能通过增大天线孔径来获取更高的方位分辨率,因此亟需通过技术手段来实现方位高分辨率。对于低空领域,多径效应是影响测高精度的关键因素之一,因此围绕多径效应展开对低角测高的研究。本文主要对上述两个问题进行探究。首先,本文研究了雷达回波的卷积模型和多径效应下的几何模型。对于雷达的卷积模型给出了反
文本情报包含的信息越来越多,来源越来越广泛,情报的价值判断尤为重要。而文本分类任务已经变成自然语言处理领域的一项处在热门研究中的基础技术。文本分类技术对于现阶段我国的情报管控及处理方式有重要借鉴意义,然而传统的人工标注的价值判断方式效率非常低下,将自然语言处理为核心的自动化分类模式用于情报数据的管理和分析,会产生十分深远的影响。本文以自然语言处理领域的发展为背景,结合现实情报机构的低效率处理的难题
近年来人工智能和大数据技术取得了快速的发展,并极大的改善了人们的日常生活。在法院中,律师审理案件大部分仍通过人工阅读卷宗的方式,费时费力,如何利用大数据和人工智能技术提高办案人员阅卷的效率是亟需解决的问题。当前法院智能审判助理主要基于电子卷宗感知开展审判辅助工作,如通过对电子卷宗的识别实现数据填写,减轻法官事务性工作,但是对于电子卷宗的认知和理解还比较欠缺,无法切实提升法官工作效率。因此,研究电子