摘要：针对消费者购买意愿相关研究偏重问卷设计与实验分析的现状,使用B2C电商网站数据,从品质感知价值、价格感知价值、服务感知价值、社会感知价值4个维度,采用深度学习模型提取与表征相关感知价值的产品特征,构建消费者偏好预测模型,并探讨各维度感知价值的预测解释力。研究发现:基于感知价值的卷积神经网络预测模型优于线性回归、随机森林回归等预测算法;在B2C网络购物环境下,购买耐用品时,价格感知价值对于消费者偏好的预测解释力最高,品质感知价值次之,消费者更关心产品价格和功能,服务感知价值对于消费者偏好的预测解释力最低。

摘要：尽管在线商品评论是消费者购买决策的重要依据之一,然而现实中评论内容与评分间的不一致将对购买决策的制订形成干扰,折射出解决评论与评分真实性问题的重要性和现实性。当前关于评论与评分偏差的研究主要围绕语法、语义层面进行,矫正的效果和速度存在较大局限。本文则在语义与语用层面,通过引入语言学的话语标记理论,构建商品评论话语标记语库,设计包含可信度、评论立场、情感态度的评分修正体系,并采用改进后层次分析法得到各评价指标的权重,提出评论评分偏差的修正方法;最后,通过京东商城的真实评论数据修正结果验证了本方法的可行性和有效性,从而深化并拓展了对在线商品评论分析的研究。

摘要：应急信息监测是实现突发事件应急管理的前提条件,也是应急情报体系建设的重要一环。为及时预警、应对和处理突发事件,本文讨论了面向突发事件的应急信息监测系统的设计原则和功能模块,并探讨了应急信息监测存储系统的结构模型。其中,数据的有效存储是支撑情报人员进行进一步数据分析,实现突发事件预警和应对工作的物理基础。然而大数据环境下,突发事件信息监测网络收集的海量数据对数据的存储及有效利用提出了挑战。因此,本文基于遗传算法提出一种存储优化策略能够寻找到最优的数据指标聚类集合,进而有效的减少数据的存储空间,最后经过实验仿真验证了其有效性。

摘要：胡祥恩教授是美国孟菲斯大学心理学系、电子计算机工程系、计算机科学系教授,智能系统研究院高级研究员,美国先进分布式学习孟菲斯实验室主任,华中师范大学心理学院院长、中国青少年网络心理与行为教育部重点实验室高级研究员,研究领域包括数学心理学、实验设计与统计、心理学、人工智能和智能导学系统。本文系2018年7月华中师范大学举办的"教育大科学前沿论坛(第三期)——中国通用人工智能高端论坛"会议期间对胡祥恩教授访谈基础上整理而成的。作为一种新技术,人工智能已经成为教育学界讨论的焦点。然而,技术面对的不仅是理论,更关键的是应用问题,怎样才能充分发挥人工智能技术的优势使之真正融入教育,避免因过度包装而产生的空洞陷阱,是一个需要解决的问题。对此,胡祥恩教授认为,我们需要从观念上进行根本性革新。他提出一种人工智能教育应用的新理论框架:学习者与教育资源对称性假设,即学习者能够在与教育资源(教学内容、学习环境、互动机制和学习过程)的互动中实现知识结构的最优化,同时教育资源也能够在这一互动中得以改进。该理论框架以全新的视角审视学习者和教育资源的关系,认为教育资源并非被动、僵化、静态地参与教学过程,而是在动态、适应性地进行自我改进。在这一理论框架的支撑下,人工智能技术与教育资源有机结合,"个性化"与"拟人化"合为一体,令呆板、枯燥的在线学习系统被有效激活,从而极大地改善系统的教学效果。因此,该框架不论在理论还是在实践层面,都具有重要的学术和应用价值。