摘要：[目的/意义]生成式人工智能会对在线社区造成一定程度的AI信息污染,研究多种AIGC识别方法对防范快速进化的生成式人工智能带来的负面影响有重要意义。[研究设计/方法]首先在以新浪微博54个大类主题为主的多个在线社区平台中构建了HAC数据集,其中包含100,873条分别由人类和生成式人工智能撰写的信息;然后探究当前6个主流深度学习和7个机器学习方法是否能识别在线社区中的信息是由人类还是由生成式人工智能所撰写;最后提出了一种BEM-RCNN方法进一步提高AIGC的识别精度。[结论/发现]从构建的数据集中可以看出,生成式人工智具有强大的“类人表达”,能够模拟人类在社交媒体平台上发布和回复内容。实验结果表明,提出的方法准确度达到96.4%,能够很好地识别在线社区上的内容是由人类还是AI撰写。在精度、召回率、F1-值和准确度上均优于BERT、ERNIE、TextRNN等其他13种主流的方法,验证了其性能优势。同时,大量探究实验也证明了当前主流的机器学习方法虽然精度低于此方法,但是也能够识别部分AIGC。[创新/价值]使用多种方法去识别社交媒体上的AIGC,防范生成式人工智能对社交媒体平台造成的信息污染。

摘要：数据的要素化与资产化是数字经济时代的一个关键议题,在此背景下本文系统性地探讨了数据的要素化与资产化过程。文章首先界定了数据的概念及其属性,随后分析了数据要素化的内在条件和流通瓶颈,提出了政策、技术与监管三个维度的优化路径,并在此基础上界定数据要素化与数据资产化的内在关联。文章进一步聚焦于数据资产化的确认前提和规范流程,通过政策和案例梳理探讨了数据资产化的实践动态,警示数据资产泡沫,分析泡沫成因机制并提出政策建议。主要结论:一是数据要素化可尝试从政策层面的深化与创新、技术标准与认证体系的建立与完善以及监管层面的精细化与前瞻性等进行优化;二是尽管数据要素化与数据资产化关注的是不同维度的过程,但是从数据流通价值角度来看,二者相辅相成,共同推动数据形态演化和要素价值的释放;三是数据资产金融创新是数据资产化探索阶段的亮点,但仍需警惕由价值评估偏差、刷单与关联交易等市场操纵以及质押融资风险引发的数据资产泡沫。

摘要：元宇宙时代为数字文化产业实现高质量发展提供了崭新契机。本文围绕元宇宙与数字文化产业概念关系进行辨析,梳理发现数字文化产业实现高质量发展的现实逻辑,体现在国家战略、产业突破、消费变革三个维度。提出元宇宙可供性的理论框架,包含创造可供、身份可供、连接可供、移动可供、感知可供五大维度,充分赋能了数字文化创作、数字文化生产、数字文化传播与数字文化消费实践过程,提供了元宇宙与数字文化产业研究新的理论进路。在此基础上,研究进一步提出新时代数字文化产业研究需要关注创意生产与创意人才、消费业态与潜在影响、产业与事业的互动发展、与其他产业融合创新四大关键议题,并从元宇宙发展阶段、元宇宙对生产关系变革、元宇宙对人的影响三个维度提出了新时期数字文化产业高质量发展面临的现实挑战。

摘要：改革开放以来,虽然我国职业教育研究已取得突出成就,但仍要不断加强元研究以提高职业教育研究质量。基于组织知识创造理论对职业教育研究进行分析,建立职业教育学科、坚持学科发展路径,与实践同频共振、关注职业教育问题,保持开放姿态、维持多样性发展是我国职业教育研究得以发展壮大的逻辑进路。未来我国职业教育研究需要关注微观实践、走向设计研究,加强交流对话、提升成果可对话性,明确学科边界、推动职业教育学科建设,从而进一步提升职业教育研究的知识创造力。

摘要：长期以来,学术界普遍对数字化实际推动公民接受公共服务的效果持悲观看法,认为这只是一种“神话”或“乌托邦”。本文以工伤保险公共服务为例,通过连续双重差分法进行准实验设计和反事实评估,发现基于中国场景得出的结论是乐观的:公共服务数字化对于工伤保险覆盖面提升的解释力度显著(高达182%)。本文进一步地通过合成双重差分等方法发现,对于公民需求的重视是公民接受公共服务的决定性因素,公共服务数字化在其中更多起到了“助推器”、“催化剂”及“加速器”的作用。本文呼吁建设以公民需求为中心的数字政府并推动“互联网+公共服务”,在先进技术的引用及推广之外,更加重视公共价值的践行。

摘要：设计调制式旋转导向钻井工具控制阀的关键问题之一是上盘阀高压孔的设计。通过对调制式旋转导向钻井工具液压盘阀机构的工作原理、力学模型的理论和仿真分析,给出了上盘阀高压孔圆心角的最优设计参数;讨论了充液、泄液滞后时间对巴掌支撑力的影响,提出了调制式旋转导向钻井工具控制阀机械设计和控制的理论依据。

摘要：【目的】为有效支撑突发事件画像,融合文本信息对社交媒体图像进行分类。【方法】分析基于社交媒体的突发事件画像基本流程,并面向突发事件画像描述维度需求设计了具有双层结构的图像分类体系,进而提出一种融合图像和文本多模态语义的图像分类深度学习模型UCTM(UniModal and CrossModal Transformer Model),在“台风山竹”事件数据集上开展对比实验,并构建了示例画像。【结果】融合多模态信息的UCTM模型MAP指标比单模态分类方法和双线性融合方法高0.021以上;在应对信息(准备)和应对信息(救援)两个类别上,两阶段层次化分类策略的F1值比直接分类策略分别高0.017和0.018。【局限】模型未考虑图文语义不一致的情况,实验涉及的突发事件类型较为单一。【结论】本文方法能够丰富突发事件画像维度和内容,有助于提升突发事件态势感知的精确性和全面性。

摘要：在欠平衡钻井期间,钻井液密度确定后,如何适时适量控制井口回压是个难题。其核心问题是如何在钻井过程中保持井底循环压力低于地层孔隙压力或储层压力在一个合适的范围内(即设计负压值)。目前,现场普遍采用的调节井底压力的方法是通过手动调节节流阀改变套压使井底压力保持在合适的范围内,但该方法存在不少问题。为此,提出了对井底压力实施自动控制来保证欠平衡钻井过程中井底压力的精确、有效控制的方法,采用理论计算和现场试验相结合的技术,总结出了一套节流阀压降随开度的变化规律,从而很好地解决了欠平衡钻井过程中井底压力自动控制的技术难题,适合现场推广应用。

摘要：【目的】针对现有基于标注和基于文本生成的事件抽取模型存在的不足,提出一种使用自动构造模板引出预训练语言模型知识的事件联合抽取模型。【方法】基于事件提示符设计模板自动构造策略以生成统一的提示模板,在编码层为事件提示符引入事件提示编码层,而后接入预训练的BART模型捕捉句子的语义信息,并生成对应的预测序列,从预测序列中提取对应事件类型的触发词和论元,实现事件触发词和论元的联合抽取。【结果】在包含复杂事件信息文本的事件数据集中,事件触发词抽取和事件论元抽取的F1值分别达到77.67%和65.06%,相较于最优的基准方法分别提升了2.43和1.62个百分点。【局限】模型仅局限于句子级文本,且仅在编码层对提示符进行调优。【结论】本文模型基于提示符调优,能够在减少模板构建成本的同时保持相同甚至更优的性能,并且能够识别具有复杂事件信息的文本,有效提升了事件元素多标签分类的效果。

摘要：【目的】基于图神经网络设计一种针对网络社区中敏感文本的分类模型,为治理网络舆情、维护网络社区信息安全提供帮助。【方法】在文本和词的基础上添加敏感实体构造异构图,引入网络舆情敏感信息的先验知识,然后利用BERT捕获文本的深度语义信息,使用图卷积网络(GCN)获取全局的共现特征,结合两者获得预训练模型和图模型的互补优势,适应长短文本之间的结构差异,最后根据基于网络社区舆情特点设计的敏感文本分类体系进行分类。【结果】在网络舆情敏感文本自制数据集上进行广泛的实验,实验结果表明,所提模型准确率达到70.80%,相较于基线模型至少提高3.52个百分点。【局限】在大语料库上构建的异构图过大会影响计算速度。【结论】所提模型能够适应网络社区敏感文本的结构差异,更好地捕捉文本中的敏感特征以提升分类性能,在敏感文本分类上有较好的效果。