基于冲突图模型的混合渠道供应链两阶段定价模型

为弥补经典博弈定价模型在战略分析层面的不足,提出了基于冲突图模型的混合渠道供应链两阶段定价模型,分析了不同销售策略对渠道定价、渠道利润及供应链利润的影响。首先从战略层面构建了基于冲突图模型的混合渠道价格图模型,通过稳定性分析得到三种市场均衡定价方案,该方案能够帮助各渠道制定满意的销售策略。然后在此基础上,重点分析捆绑销售、服务努力及广告营销对需求函数及利润函数的影响,分别构建了三种方案的主从定价模型,利用逆向归纳法求得模型最优解。最后,分析销售策略参数对市场最优定价方案的影响。最优定价方案能够帮助各渠道制定最优的销售策略及具体定价以实现市场最优。研究表明:各分销渠道可以通过采取不同的销售策略来获得更高的收益以避免低价竞争,也可以通过调整相应的市场销售策略参数来改变定价与策略以实现自己的目标收益。     

融合情感与语义信息的情感分析方法

在使用词嵌入法进行词转向量时，两个反义词会转换成相近的向量。如果这两个词是情感词，将会导致词的情感信息的丢失，这在情感分析任务中是不合理的。为了解决这个问题，提出了一种在词嵌入的基础上增加情感向量来获取情感信息的方法。首先利用情感词典资源构建情感向量，将其与词嵌入法得到的词向量融合在一起；然后采用双向长短期记忆（BiLSTM）网络获取文本的特征；最后对文本的情感进行分类。在4个数据集上分别对该方法与未融合情感向量的方法进行了实验。实验结果表明所提方法分类准确度与F1值都高于未融合方法，说明了加入情感向量有助于提高情感分析的性能。     

一种基于雷达图表示的数值型数据的CNN分类方法

卷积神经网络（convolutional neural networks， CNN）是一种广泛用于分析视觉图像的分类方法.由于数值数据存在着非线性、耦合性等复杂的空间关系，因此基于CNN的数值型数据的研究较少.本文的目的是找到一种可行的方法，将CNN的应用领域扩展到数值数据.于是提出了一种基于雷达图表示的数值型数据的CNN分类方法（Radar-CNN）.该算法首先将数值数据表示成雷达图形式，然后将其输入CNN中构建分类模型.为了进一步研究特征尺度和序列对性能的影响，提出了两种改进算法Rank Radar-CNN和SFS Radar-CNN.为了验证所提算法的有效性，引入TE化工过程数据集进行实验测试并比较，实验结果表明Radar-CNN及其改进算法具有优异的性能.