Third-generation CALPHAD description of pure GeO2 at 1 atm

The thermodynamic properties of crystalline and liquid/amorphous phases of germanium dioxide have been evaluated using DFT calculations and third-generation CALPHAD models. The values for the standard entropies of crystalline and amorphous phases were reassessed through use of the Planck-Einstein approach. This allowed a more physically-based representation of the set of thermodynamic properties of germanium dioxide to be obtained.     

Customer entrepreneurship on digital platforms: Challenges and solutions for platform business models

Drawing on the mixed methods of qualitative research and agent‐based simulation, this study examines: (a) how end‐users use digital platforms to become customer–entrepreneurs undertaking commercial activities on platforms; and (b) how platform providers can convert this customer entrepreneurship into a revenue stream. Considering that end‐users have traditionally been defined as passive and uncharged actors in platform business models, an in‐depth understanding of their commercial activities and the viable revenue model to monetize this emerging customer practice is warranted. Our qualitative study reveals that customer–entrepreneurs make substantial use of platform offerings to advertise their products; communicate with end‐consumers; and accept payments. These commercial activities are largely exercised for free on platforms, even though they could otherwise serve as a source of revenue. On this point, our simulation results identify two pricing models achieving the generation of nearly identical revenues over time. First, platform providers may charge both advertising and transaction fees, which maximize the survival of professional customer–entrepreneurs. Second, platform businesses may levy advertising fees only, which maximizes the survival of informal customer–entrepreneurs operating on a micro‐scale and part‐time basis. This study offers theoretical, methodological, and managerial implications for platform studies.     

一种鲁棒性的少样本学习方法

少样本学习是目前机器学习研究领域的一个热点,它能在少量的标记样本中学习到较好的分类模型.但是,在噪声的不确定环境中,传统的少样本学习模型泛化能力弱.针对这一问题,提出一种鲁棒性的少样本学习方法RFSL(Robust Few-Shot Learning).首先,使用核密度估计(Kernel Density Estimation,KDE)和图像滤波(Image Filtering)方法在训练集中加入不同的随机噪声,形成多个不同噪声下的训练集,并分别生成支持集和查询集.其次,利用关系网络的关系模块通过训练集端到端地学习多个基分类器.最后,采用投票的方式对各基分类器的最末Sigmoid层非线性分类结果进行融合.实验结果表明,RFSL模型可促进小样本学习快速收敛,同时,与R-Net以及其他主流少样本学习方法相比,RFSL具有更高的分类准确率,更强的鲁棒性.     

融合指针网络的新闻文本摘要模型

本文针对实际党建领域中的新闻标题进行自动生成,提出了一种融合指针网络的自动文本摘要模型-Tri-PCN.相比于传统基于编码器-解码器框架的自动文本摘要模型,党建新闻标题生成模型还需要满足(1)从更长的文本序列提取特征;(2)保留关键的党建信息.针对党建新闻比普通文本摘要任务面临更长文本序列问题,论文使用Transformer模型在解码阶段提取多层次全局文本特征.针对党建新闻标题生成过程中需要保留关键的党建信息,论文引入指针生成网络模型的复制机制在新闻标题生成时可以直接从新闻文本中复制关键词信息.实验采用ROUGE值作为评测指标,结果表明本文提出的Tri-PCN模型在党建新闻领域自动文本摘要任务上效果明显优于基准模型,比其他模型具有更好的效果.     

混合高斯模型结合五帧差分的运动目标检测

在复杂背景下,光照变化、目标短暂遮挡以及背景运动等因素会导致运动目标检测精度较低.提出一种结合改进混合高斯模型和改进五帧差分的运动目标检测算法,首先在混合高斯模型中加入自适应学习率以及背景学习速率更新策略有效解决传统背景更新速率恒定而出现的残影现象;然后利用改进的五帧差分法克服运动目标短暂遮挡问题,并加入光照阈值判别因素,有效减弱光照变化带来的影响;最后对两者结果进行或运算进而得到最终检测结果.实验结果表明,该融合算法在复杂环境下具有一定的抗干扰能力,运动目标检测精度较高.     

网络信息资源分级体系框架的构建

网络信息分级是保障网络信息内容安全的重要手段。主要构建了网络信息资源分级体系框架六元组模型,分析了相关组成元素的内容,以适应不同行业应用。     

某商品大集人员疏散的仿真模拟研究

目前,在各地均有商贸活动开展,且参与人员众多,如果公安机关事先未做好预案,一旦发生突发性事件,人员疏散不到位,极易造成群死群伤事件。文章以商品大集为例,构建参与人员的流动模型,利用计算机技术实现流量和流动状况的模拟仿真,获得接近实际的流动的时间和动态过程．利于事先对类似活动拥堵情况进行准确评估。     

多重不确定的密码体制研究

针对现有密码体制中只有密钥不确定的特点,文章提出了多重不确定密码体制的概念,指出了可能实现的一些途径。文章分析了其优势,指出这类密码体制在大大增强安全性的同时,其可能带来的运算量的增加是可以忽略的。     

一种基于中国墙策略的应用程序保护模型研究

针对当前系统中属于相同应用类中的应用程序产生利益冲突,可能威胁应用程序安全,包括信息泄露和信息未授权的修改。文章基于中国墙策略,提出了一个新的应用保护模型,该模型明确地区分了主体和用户的概念,并基于格的属性对于实体分配了敏感标记,通过七条访问控制规则,等同地考虑了信息的机密性和完整性保护。基于一阶谓词逻辑,形式化地描述了模型的基本元素及访问控制规则,进一步讨论了模型在实际中的应用。