政府社会救助是防范化解低收入群体贫困风险的基础性政策工具, 更是扎实推进共同富裕的坚实底板. 本文基于 2015 年、2017 年和 2019 年三期中国家庭金融调查数据构造共同富裕指数, 并利用模糊断点回归方法实证检验政府社会救助对共同富裕的影响. 研究发现, 政府社会救助有利于提高家庭共同富裕指数, 基本生活救助发挥决定性作用, 其他救助作用不明显, 结论经过一系列稳健性检验仍然成立. 政府社会救助对共同富裕的影响机制存在两面性, 一方面, 政府社会救助通过拓宽增收渠道、推进政策协同和带动消费升级促进家庭共同富裕; 另一方面, 政府社会救助通过诱发福利依赖和引致总资产缩减抑制家庭共同富裕. 异质性分析结果显示, 政府社会救助对共同富裕的影响随时间推移呈上升趋势, 并且对高恩格尔系数和高抚养比以及户籍在农村和中西部地区家庭共同富裕的影响更显著. 本文的研究发现为评估政府社会救助的政策效应提供微观证据, 也为共同富裕实现路径的探索提供重要参考.
国民人口分年龄死亡率的预测是人口预测、养老金成本评估和长寿风险度量的基础. 然而, 我国内地人口死亡率数据较少、波动性大, 传统的死亡率模型在做出合理预测上存在一定的缺陷, 构建适应我国内地人口死亡率数据特点的动态预测模型成为当务之急. 基于此, 本文提出一个新的基于迁移学习的死亡率预测模型, 该模型旨在迁移多个其他国家或地区人口死亡率的信息以学习我国内地死亡率变化的潜在趋势, 从而提高模型表现. 如何确定合适的用于迁移学习的人口死亡率数据集是一大难点, 选择的恰当与否将直接影响模型的效果, 为此, 本文提出一个数据驱动的选择算法以高效识别合适的数据集. 研究表明, 迁移学习模型通过迁移合适数据集上的信息有效提升了模型的预测表现, 弥补了传统模型在预测我国内地人口死亡率上的不足. 基于迁移学习模型, 本文给出了预期余命的预测, 为我国养老金精算评估和长寿风险度量提供更准确的数据支持.
在全球气候变化加剧背景下, 极端气温冲击使得能源系统 “三元悖论” 困境愈发凸显. 本文引入改进耦合协调度模型, 并将能源三元协同度作为刻画能源系统动态权衡的代理变量, 基于 2004–2022 年中国大陆 30 个省份 (未包括我国港、澳、台地区以及西藏自治区) 的面板数据研究发现: 极端气温显著加剧能源三元悖论, 表现为能源三元协同度下降, 该结论在使用气象学 Nino 指数作为工具变量等一系列稳健性检验后依然成立. 机制分析表明, 极端气温通过价格传导、财政响应和资源利用三个渠道, 系统性地打破了能源安全、公平与绿色目标间的平衡. 这种负面冲击在传统能源禀赋不足、制造业高度集聚及碳汇能力较弱的地区尤为显著. 值得注意的是, 水权交易市场作为一项制度创新, 能有效对冲此负面冲击, 展现出良好的气候适应性. 空间计量模型进一步揭示, 一地遭受的极端气温冲击不仅会恶化自身的能源困境, 还会通过显著的负向空间溢出加剧邻近地区的能源系统失衡, 并且间接效应大于直接效应. 本研究为理解气候物理风险与能源经济的交叉影响提供了新的分析框架与经验证据, 并强调构建区域协同的气候韧性框架是实现能源可持续转型的关键.
我国城市结构形态已从单中心城市向多核心的城市群区域演进, 探究差异化环境规制政策对城市群环境治理具有重要意义. 本文选取我国中央和地方政府在 2000–2018 年出台的 13486 项大气污染治理政策, 通过无监督学习算法 LDA 模型和固定效应回归模型, 提取出 32 个有效大气治理政策主题并将其划分为命令控制型、市场导向型和综合型环境规制政策, 探究不同类型环境规制政策对重点区域 124 座城市和十大城市群 (如京津冀及周边、成渝城市群、汾渭平原等) 大气质量改善影响差异. 研究结果表明: 1) 与综合型规制政策相比, 命令控制型政策和市场导向型政策显著降低重点区域城市大气污染排放, 市场导向型环境规制政策效果更佳. 2) 考虑不同城市群的异质性, 命令控制型政策显著降低长三角和珠三角城市群的大气污染排放, 而对于中原城市群、成渝地区和辽宁城市群, 其以市场为基础的激励手段优于命令控制型的管制手段. 3) 政策总效应主要由命令控制型政策主导, 但是命令控制型政策对大气改善影响逐渐趋于饱和, 市场导向型环境规制存在一定的政策发挥空间. 因此, 未来在制定城市群环境规制政策时, 应着力构建以市场导向为主、以命令控制为辅的环境规制政策, 加大市场导向型政策的实施空间和力度; 针对不同城市群进行精准施策, 加强对经济较发达、人口密度较高城市群的命令控制型环境规制出台力度; 对于以传统能源为主的重工业城市群, 应加快推进财政税收、排污权交易和排污许可证交易制度等市场措施.
在我国全面绿色转型背景下, 实现企业减污降碳的根本途径是技术革新, 而数绿技术融合正成为突破传统技术路径的关键. 本文基于专利共分类法构建企业层面数绿技术融合指标库, 并结合 2003–2021 年中国 A 股上市公司数据, 实证检验数绿技术融合的减排效应及作用机制. 研究发现, 数绿技术融合显著降低了企业周边 1 km 范围内的 PM2.5 浓度, 即企业实施数绿技术融合能够有效改善企业周边区域的空气质量. 机制分析表明, 数绿技术融合通过内部提升企业生产率、促进绿色技术宽化, 外部提高企业环境信息披露质量来促进企业减排. 异质性分析发现, 数绿技术融合的减排效果在高科技、重污染行业、高创新能力和成长期企业中更为突出, 且完善的数字基础设施和知识产权保护制度能够为数绿技术融合发挥减排效能提供更大支持. 进一步研究表明, 在企业周边 5
研究绿色转型调控政策组合效应对于理解产业结构低碳调整和绿色发展机制具有重要理论价值. 本文基于棕色-绿色两部门模型框架分析了绿色产业政策和绿色金融政策组合对经济产业结构调整的影响效应与作用机制. 分析发现: 污染税费和绿色补贴等绿色产业政策通过改变资本需求侧可使得棕色行业资产占比减小、绿色行业资产占比增大. 但仅实施绿色产业政策规制会产生棕色部门融资成本减小、绿色部门融资成本增大的次优均衡结果, 诱发资本重新向棕色部门聚集的 “回弹” 效应, 不利于持续引导产业结构绿色转型. 为解决该问题, 在绿色产业政策作用基础上搭配绿色金融政策来影响资本供给侧, 可进一步缩小棕色部门资产占比、增大绿色部门资产占比, 并形成棕色部门融资成本增大、绿色部门融资成本减小的优化均衡结果, 进而有利于引导资本向绿色部门聚集、支持产业结构低碳转型的持续进行. 本文进而将低碳城市试点政策作为绿色产业政策代表、将我国提出构建绿色金融体系作为绿色金融政策代表, 实证考察了两类政策组合的产业结构转型和融资成本调整效应, 结果验证了理论分析命题. 研究结果为绿色金融与产业政策搭配、引入绿色金融政策释放激励信号、引导市场资金向绿色行业聚集, 进而形成高效的低碳转型机制提供了参考依据.
准确量化中国省份-行业层面参与全球价值链的环境成本, 有效降低中国省份-行业层面参与全球价值链的隐含碳强度是中国精准降碳、推动经济高质量发展的关键内容. 文章基于投入产出法分别测算了中国省份-行业层面的产业数字化水平和全球价值链隐含碳强度, 在此基础上实证检验了产业数字化对全球价值链隐含碳强度的影响及机制, 并拓展检验了全球价值链参与度、外商直接投资的调节效应. 研究发现: 不同省份、行业全球价值链隐含碳强度与产业数字化水平存在较大差异; 产业数字化显著降低了中国参与全球价值链隐含碳强度, 主要通过价值链绿色转型、优化能源消费结构、提高能源利用率三条途径实现; 来自服务业、省外数字技术投入的产业数字化降低全球价值链隐含碳强度的作用更明显; 产业数字化降低中国各省份参与简单全球价值链、省内价值链隐含碳强度的作用更明显; 有自贸区省份、高耗能行业的产业数字化降低全球价值链隐含碳强度的作用更明显; 产业数字化对于降低中国深度后向参与全球价值链分工的隐含碳强度具有重要作用, 低质量外商直接投资的流入不利于产业数字化降碳作用的发挥. 研究结论对于进一步推动全球价值链绿色化转型, 促进高水平对外开放具有重要的政策启示.
企业践行 “双碳” 目标是实现自身高质量发展的必然选择, 供应链金融这一创新融资工具赋予企业绿色创新发展能力. 本文以中国 A 股上市公司 2010–2021 年的数据为研究样本, 利用多时点双重差分模型, 从数字化转型和企业价值两个角度研究了供应链金融 (supply chain finance) 对企业碳绩效的影响. 研究发现: 1) 供应链金融能够显著提升企业的碳绩效水平; 2) 促进数字化转型、提升企业价值是供应链金融提高企业碳绩效的关键机制; 3) 异质性分析表明, 大规模企业、国有企业和 ESG 评级较高的企业在采用供应链金融时对碳绩效的提升效应更为显著. 研究结论在采用安慰剂检验、PSM-DID 检验、替换变量等稳健性检验后依然成立. 通过机器学习算法验证表明, 纳入供应链金融显著提高了对企业碳绩效的预测准确性. 研究在理论上为发展供应链金融可提升碳减排效应提供了新的微观证据, 在实践上为推动和改进市场绿色发展提供了有益对策.
制度对企业 ESG 信息披露行为有重要的规范与激励作用. 已有研究围绕制度要素对企业 ESG 信息披露质量的作用机制与路径展开探讨, 但对于制度要素的认识仍是单一、线性的, 缺乏对多元制度要素作用的综合考量, 在要素重要性差异、可能存在的非线性影响等方面认识仍然有限. 鉴于此, 本研究基于制度理论, 以 2011–2021 年中国 A 股上市公司为样本, 融合 CatBoost 等多种机器学习算法与 SHAP 值方法, 旨在揭示规制性、规范性等多元制度要素对企业 ESG 信息披露质量的复杂影响. 研究结果表明, 在制度要素中, 文化-认知性要素对 ESG信息披露质量最具影响力; 往期披露质量是影响企业 ESG 信息披露质量的最重要特征; 在各制度要素内部, 地区治理、公共关注和行业水平分别在规制性、规范性和文化-认知性要素中最为重要; 多数制度要素特征与 ESG 信息披露质量呈现出非线性关系. 进一步分析表明, 制度要素在不同地区、不同行业以及不同规模企业呈现异质性影响. 本研究拓展了中国情境下企业 ESG 信息披露的研究, 并为政府部门优化制度建设与企业提升 ESG 实践水平提供了重要的理论参考和实践启示.
本文基于 2007–2015 年税收调查数据、上市公司供应链信息和城市层面数据, 使用双重机器学习和事件研究法分析供应链参与对中小企业全要素生产率的影响. 实证结果发现, 成为上市公司的主要客户后, 中小企业的全要素生产率会有显著且持续的增长. 通过考察中小企业在要素投入和产出方面的表现, 发现供应链参与提高了企业劳动要素投入和产出, 但总的要素投入增加幅度小于产出增加幅度, 故全要素生产率提高. 接着, 异质性分析发现, 供应链参与对资本密集型企业、行业竞争程度高、高新技术行业的影响更大. 最后, 机制分析发现, 中间品投入效应、管理能力提升以及缓解融资约束是其中的重要影响渠道.
本文旨在探讨多方质量信息未知情境下, 供应链成员如何制定最优的信息获取与共享策略. 为此, 本文构建一个由上游企业主导的主从博弈模型, 深入分析上下游企业面对未知质量信息时的信息获取决策行为, 并探讨产品高低质量信号的概率及其准确性对该决策过程的潜在影响. 研究结果表明, 当产品质量高的概率较大时, 供应链成员倾向于积极获取信息; 而在此概率较低时, 则倾向于不获取. 当高质量信号的概率适中时, 上下游企业的信息获取均衡策略随着高质量信号概率的变动而变化. 此外, 当高质量信号概率较低时, 上游企业虽有动机分享其获取的质量信息, 但这会导致下游企业利润受损, 因此下游企业不愿接受这一信息. 这种情境下, 不准确信息的共享可能导致供应链整体利润下降, 这区别于现有研究中准确信息共享提升供应链总利润的结论. 然而, 当高质量信号的概率较高时, 通过实施收益共享契约, 供应链成员能够实现利润共同增长.
客户韧性是企业在应对市场波动和供应链中断时的关键生存因素. 在企业社会责任实践中, 面向客户的产品责任是一个核心部分, 涉及保障产品的安全设计、提供使用教育和确保产品追踪渠道. 本研究依托社会交换理论, 分析了企业的产品责任实践如何增强客户韧性. 通过对200 家中国制造业企业的数据进行实证分析, 发现产品责任实践能有效减少客户的投机行为, 进而提升客户韧性. 研究还发现, 分配公平和程序公平的不对称性在此过程中起到了不同的调节作用. 具体来说, 当分配公平存在不对称性时, 产品责任实践在减少客户投机行为上的效果较弱, 因客户更倾向于追求利益最大化, 难以满足其经济需求; 而当程序公平存在不对称性时, 产品责任实践的效果较强, 因为企业的社会层面努力可以弥补程序上的不公, 满足客户对稳定交换过程的需求. 这些发现为如何通过企业的产品责任实践来构建更具韧性的供应链提供了深刻见解, 并丰富了有关企业社会责任、供应链韧性和供应链公平的文献.
企业基础研究与企业绩效协同发展是强化企业科技创新主体地位, 实现高水平科技自立自强的应有之义. 基于 2009–2022 年中国工业企业面板数据, 综合运用耦合协调度模型、空间计量方法以及结构方程模型, 系统揭示企业基础研究与企业绩效耦合协调关系的时空演进规律和作用机制. 研究发现, 1) 我国企业基础研究与企业绩效耦合协调度呈逐年递增趋势, 目前处于优质协调阶段; 2) 企业基础研究与企业绩效耦合协调度存在显著的空间相关性, 相邻区域间存在负向协调关系, 空间上呈相异地区聚集, 相似地区离散的分布格局; 3) 企业基础研究与企业绩效耦合协调度的地区差异呈下降趋势, 主要差异来源于区域间差异, 差异体现在东部与东北、中部与东北、西部与东北地区; 4) 企业基础研究与企业绩效具有显著的正向耦合协调作用, 其作用路径主要有基础研究驱动路径、技术创新驱动路径、生产要素驱动路径、深度融合驱动路径. 研究结论为政府部门制定创新政策、企业优化研发资源配置提供理论依据.
网红凭借其个性化的内容和广泛的影响力, 已成为品牌推广的重要渠道. 然而, 部分网红在追求利益最大化时, 选择性地披露信息或夸大产品功效, 损害了消费者权益与市场诚信. 本文探讨网红营销背景下, 不实宣传行为对商家决策和产品市场表现的影响. 通过构建有限周期巴斯模型, 结合网红营销的广告效应, 分析了商家不实宣传的决策机制及其对产品定价与商家利润的影响. 研究发现: 1) 在确定销售周期后, 产品的销售速率是一个常数; 2) 尽管不实宣传在短期内能刺激产品销售, 但从长远角度看, 其负面影响将超过初期收益, 尤其对于品牌商家, 不实宣传对品牌的声誉损失远大于其短期的利润增长. 相比之下, 没有品牌基础的商家为快速占领市场, 更倾向于采用不实宣传策略; 3) 采取不实宣传的商家通常会设定更高的产品价格, 但其销量并不总是高于未做不实宣传的商家. 本研究主要贡献在于: 首次将巴斯模型应用于不实宣传决策情境, 从商家视角, 系统分析了不实宣传决策机制及其影响因素. 研究成果揭示了不实宣传策略对商家长期盈利能力的潜在负面影响, 为理解企业营销决策行为提供了新的理论视角.
基于对我国全球领先显示器制造企业的赛汝制造实践调研发现, 工人在装配过程中受到学习效应影响, 导致原装配排序调度方案可能违反约束. 因此考虑生产过程中的学习效应, 以最小化总二次完工时间作为目标, 研究货摊式 (单人式) 赛汝生产的排序调度优化问题. 通过建立混合整数规划模型刻画问题, 并将目标函数线性化处理, 使该模型能够被高效求解. 分析问题的复杂性, 证明了学习效应影响下的最优排序特性. 然后, 根据特性设计改进的精确型分支定界算法和改进的禁忌算法. 基于实际生产和仿真数据验证算法的有效性. 在小规模实验中, 提出的改进分支定界算法仅花费 Gurobi 求解器0.4 倍的 CPU 时间即可得到最优解. 在实践规模实验中, 提出的改进的禁忌算法能够在 400 秒内求解 15 个工人和 500 个工单规模的算例, 花费的时间约为经典禁忌搜索算法的 1/3. 此外, 还对学习曲线系数进行灵敏性分析实验以及实验参数的关键因素分析. 结果表明工人数量和工单量是影响目标函数的主要因素. 因此增加货摊式赛汝数量可能是比提升工人学习效应更有利的管理方式.
在我国现行的结构性减税政策和共同富裕背景下, 探索减税激励对企业劳动收入份额的影响具有重要意义. 本文使用 2009–2015 年的中国企业税收调查数据, 基于群聚-双重差分 (Bunching-DiD) 研究策略, 识别了高新技术企业认定税收优惠政策对企业劳动收入份额的影响. 本文发现, 减税会促使低于研发密度认定标准的企业在政策门槛处形成群聚, 但不具备劳动收入份额提升效应, 而对于政策目标对象——高新技术企业而言, 其在减税激励下增强了研发创新、提高了人均工资、缓解了融资约束以及降低了融资成本, 具有显著的劳动收入份额提升效应. 其次, 在群聚区间内外分别进行采用次优群聚区间估计、更换小型企业样本、更换度量方式、Bunching 估计校准检验等检验后政策效应依旧显著. 最后, 税收优惠对企业劳动收入份额的积极影响在行业集中度较低企业和国有企业, 财政压力较大、市场化水平较低、税收征管强度较强和中西部地区更为显著. 本文研究有利于全面厘清减税激励对企业劳动收入份额影响的微观效应和作用逻辑, 也为完善高新技术企业认定税收优惠政策、推动建设创新型国家和实现共同富裕目标提供了决策参考.
“风险评估不足” 一直是涉农贷款信用风险管理的薄弱环节, 也是普惠金融有效服务乡村振兴的重要掣肘. 风险评估的关键在于构建有效的识别标准并采用科学的方法进行准确地评估. 本文以农村金融创新农地经营权抵押贷款为例, 在对个人信用风险识别中的传统指标体系与方法和改进的指标体系与方法进行比较分析基础上, 实证检验个人信用信息画像和违约识别方法改进引致涉农贷款 “风控难” 问题的缓释效果及其产生的影响. 研究发现, 在识别个人信用风险方面, 相较于传统指标体系, 结合涉农贷款市场 “软环境” 和农户个人 “软信息” 等指标所构建的新指标体系具有信息优势; 相较于传统信用评价方法, 基于高维数据驱动的机器学习方法应用凸显方法优势, 且方法优势大于信息优势. 进一步影响分析表明, 新风控模型可通过提升用户信用评价, 降低风险损失估计水平, 提高金融资本利用效率, 促进普惠金融发展.
合理评价基金业绩是服务国家培育一流投资机构战略需求的重要课题. 传统资产定价模型所依赖的显性因子, 难以适应高维特征主导基金业绩的大数据环境. 本文采用工具主成分分析法, 从 28 项特征中提取隐性定价因子, 五因子模型对基金及基金组合业绩的解释力在样本内外分别达到81.85%、99.82% 和 79.53%、99.74%. 该模型在整体、时序、截面及相对误差层面均优于传统因子模型及主流机器学习算法, 且对月度和日度回报均具良好解释力. 模型定价能力主要源于基金持仓股票的市值、换手率、营业利润、过往表现及基金历史业绩等特征, 同时受通胀、利率、宏观杠杆、流动性和生产不确定性等宏观变量影响. 本文建议构建融合大数据的多元化基金业绩评价体系, 提升散户资产配置效率.
数据已成为推动数字经济和新质生产力发展的关键生产要素, 其价值日益凸显. 这是否意味着企业披露的数据要素信息具有较高的价值效应? 本文以 A 股上市公司年报中的数据要素信息含量为基础构建数据要素文本指数, 从企业融资约束的视角对上述问题进行了分析. 实证研究发现: 1) 数据要素文本指数与公司融资约束水平呈显著的负相关关系, 表明年报中数据要素的信息含量越高, 对公司融资约束的缓解作用越大; 2) 在国有企业、东部地区、高竞争行业、低利润行业以及高科技行业中, 数据要素缓解企业融资约束的价值效应更大; 3) 年报中数据要素信息含量的增加能够通过提升企业信息透明度、增强企业创新能力以及获得更多政府税收优惠等渠道缓解融资约束. 本文研究对激励企业积极开发数据资源、通过数据要素对资源的再配置、加快数字化转型和发展新质生产力均有一定的推动作用.
从风险关联角度测度机构风险对系统性风险的贡献有助于在审慎监管中评估决策的有效性. 本文基于边际期望损失 (marginal expected shortfall, MES) 及贝叶斯网络 (Bayesian network, BN), 提出由金融机构风险的联合概率分布表示的系统性风险测度方法, 并构建了 MES-BN 风险关联网络, 识别对系统性风险贡献大的机构组合. 本文的贡献在于引入条件依赖概率作为风险关联的非线性特征, 并从风险关联的概率分布中识别系统性风险贡献最大的机构组合, 从而为系统性风险的监管范围提供参考. 在 2008 年金融危机、2015 年杠杆牛熊和 2019 贸易摩擦时期, 基于中国 32家上市金融机构实证结果表明, 1) 相较于不考虑风险关联性的系统性风险, 基于 MES-BN 风险关联网络的系统性风险从时序相似性和形状相似性两方面均能准确测度系统性风险; 2) 基于 MES-BN 模型的机构组合对系统性风险的贡献 MSR 分别为
区间 Shapley 值是经典合作对策 Shapley 值在收益为区间数情形下的推广. 现有文献大多基于区间数的 Hukuhara 差定义区间 Shapley 值, 并进行公理刻画. 本文研究具有权限结构的区间合作对策, 首先基于区间数的扩张运算定义区间 Shapley 值, 然后利用限制合作对策的区间 Shapley值定义这类合作对策的解, 并证明了该解是满足可加性、中心有效性、非本质元性、结构单调性、必要元性、边际贡献性、零解性的唯一解, 最后通过算例说明解在企业收益分配问题中的应用.
在现实结盟情境中普遍存在信息残缺现象, 而局中人的嫉妒情绪会因不能有效判断收益差距表现得更为明显并影响联盟稳定. 针对此问题, 本文进行了嫉妒双参考点下的信息残缺合作博弈及其收益分配方法的研究. 首先, 将局中人可能获得的最大和最小收益值定义为预期收益双参考点, 并进一步分析嫉妒情绪对双参考点的影响. 其次, 基于各局中人追求最大化自身分配值的自利心理, 构造了分配值与嫉妒双参考点偏差平方和的数学优化模型, 并论证了模型最优解的存在性和相关性质. 最后, 将提出的残缺合作博弈模型应用于部分信息残缺的跨行政区流域联合开发的收益分配问题, 对比分析了该模型有效性和可行性. 研究表明嫉妒情绪会对局中人产生不同影响且对联盟产生负面影响.
文章考虑了具有图结构与偏序结构的可转移效用合作博弈, 并在此基础上提出了图优先值, 该值将每个联盟的图上海萨尼红利平均分配给联盟中的优先参与者. 为了刻画这种分配规则, 文章提出了两对公理, 涉及经典的 Shapley 值和 Myerson 值中的公理, 以及图结构和偏序结构的新公理. 最后, 文章比较了 Owen 值与图优先值之间的关系, 并通过算例分析了 Myerson 值、Shapley 值、优先值和图优先值之间的差异.
当多准则分类问题涉及的评价准则较多时, 受限于认知能力, 决策者仅会关注方案在若干准则上的表现. 本文基于解聚范式和正则化理论, 提出一类考虑准则取舍的多准则分类方法. 该方法以方案分类信息和类别容量信息为输入, 利用价值函数的复杂度以及对输入信息的还原能力指导分类模型 (包括方案的评价准则, 价值函数以及类别阈值) 的选择. 引入 0–1 变量识别准则是否被选择, 并构建学习模型从输入信息中推断分类模型的具体参数. 在获得的分类模型中, 价值函数在保证对输入信息还原能力的同时具有简约的形式. 若存在基于某准则子集 (称为支撑准则集) 构建的价值函数能还原所有输入信息, 提出一个迭代方法确定所有不包含非必要准则的支撑准则集, 进而分析不同准则被决策者选择用于评估方案的可能性. 最后, 通过一个债券信誉风险分类问题说明所提方法的有效性.
推荐系统在处理用户-商品交互时常受高度倾斜的长尾商品分布影响, 即多数长尾商品因缺乏用户反馈而显著影响推荐效果. 为了提升推荐系统对长尾商品的推荐精度, 推荐模型在商品侧通常依赖从丰富的头部商品知识中获取长尾商品知识. 然而, 当前针对长尾商品的推荐模型通常以损害头部商品推荐精度为代价增强长尾商品的知识学习. 为解决该问题, 本文提出一种面向长尾商品推荐的解耦知识转移方法. 该方法以长尾商品视角学习为主, 头部商品视角学习为辅, 通过结合图全局和局部结构学习方法实现双视角独立且互补的知识转移过程. 其中, 主视角聚焦于头部-长尾商品的知识转移; 而辅视角侧重于头部商品间的知识强化, 并用于引导主视角对头部商品知识的学习. 其次, 通过引入一个动态注意力机制, 随着训练周期的推进, 推荐模型的注意力会逐渐从辅视角转移到主视角上, 从而实现头部和长尾商品知识的全面学习. 最后, 在符合长尾分布的真实数据集上对提出方法进行验证, 结果表明, 基于该方法的推荐模型在确保头部商品推荐精度的同时, 大幅改善了其对长尾商品的推荐效果.
