偏好

摘要： 目的:以治疗眩晕的中成药为例,调查医患对药品临床综合评价各维度的偏好,为完善药品临床综合评价提供参考。方法:基于BWS-2设计问卷,调查医生和患者对药品各属性的偏好,对结果进行条件logit回归分析和WTP测算。结果:医生以经济性为参考,偏好安全性>可获得性>有效性,较不看重创新性(P有效性>可获得性(P<0.05),较不看重经济性(P=0.139)。医生对各水平改善的WTP高于患者,双方对有效率从50%以下到80%以上WTP最高(782.7元和656.6元;P<0.05),对无创新到有创新WTP最低(172.5元和15.9元;医生P<0.05,患者P=0.230)。结论:对于治疗眩晕的中成药,医患属性偏好基本一致,患者WTP低于医生。BWS与DCE结论基本一致,并能获得更多偏好信息。在建立药品临床综合评价体系时应纳入权重因素并根据药品的特异性设计评价维度。

摘要： 我国体育事业的发展,离不开数以万计的运动员的努力和奉献,是他们为了国家和社会付出了所有,从而争得了一个又一个荣誉。社会在发展、人民的生活水平和文化教育在提高,所看重的工作需求也在提高。如何解决退役运动员就业难的问题,最大限度提高退役运动员人力资源在劳动力市场上的配置效率,使得退役运动员这一宝贵人力资源的价值得以充分发挥,对于促进我国体育事业的发展至关重要。

摘要： 目的:以治疗心绞痛药品为例研究药品临床综合评价中医患双方对不同属性的偏好及支付意愿,为药品临床综合评价的具体应用提供参考。方法:采用离散选择实验,对医患双方进行问卷调查并进行数据分析。结果:各属性对医生的选择均有显著影响(P<0.05),按权重排序为有效性(33.18%)、安全性(21.66%)、适宜性(14.22%)、创新性(10.24%)、可获得性(8.79%)、经济性(7.35%)、可负担性(4.55%);对患者群体的选择有显著影响的属性按权重排序为有效性(37.98%)、安全性(31.83%)、适宜性(16.23%)、创新性(8.49%)。医生对不同属性下各水平改善的支付意愿均高于患者。结论:医患双方对药品临床综合评价中各属性和水平的偏好基本一致,但医生支付意愿高于患者;水平设置会影响患者对某些属性的敏感性。

摘要： 本文通过对黄淮学院医学院研究生一年级和二年级内科住院医师的OSCE成绩对比,探讨不同学习风格偏好与OSCE成绩的相关性,以此来证明不同学习偏好对内科住院医师规范化培训的效果影响。通过统计学分析不断探索住院医师学习风格偏好与OSCE成绩的相关性,发现不同学习风格偏好的内科住院医师中,研究生一年级至研究生二年级的OSCE成绩具有明显的改善。对被试者进行集中型学习偏好与非集中型学习偏好分组对比,发现两组的OSCE成绩均表现为从研究生一年级到二年级的明显提高,但非集中学习偏好分组的提高幅度更大。研究结果表明,研究生二年级的内科住院医师规范化培训效果要明显优于一年级,OSCE测试可能比较符合具有非集中型学习风格偏好的内科住院医师需求,不同学习风格偏好与OSCE成绩存在显著的相关性。

摘要： 目的:系统评价国内外基于离散选择实验的肿瘤治疗偏好研究,为相关利益方提供参考。方法:基于PubMed、Embase、CNKI及万方数据库,检索2011年1月1日-2020年8月31日相关文献。针对纳入文献进行信息摘录、质量评价及结果分析。结果:共纳入52篇文献,主要来源于欧美国家,研究质量整体较为一般。有43项和21项研究分别关注了肿瘤患者和医疗服务提供者的治疗偏好。有50项研究设计了结果维度,40项研究设计了过程维度,18项研究设计了成本维度。从属性显著性评价及最重要属性评价结果来看,有效性、安全性和成本是关注重点;给药方式、等待时间和访视频率等也对患者偏好有影响。结论:全球肿瘤治疗偏好证据较为有限,研究质量有待提升。肿瘤患者和医疗服务提供者在治疗偏好选择方面整体考虑较为一致,但对治疗过程维度关注存在差异,基于我国肿瘤患者人群开展治疗偏好测量研究是将来工作开展的重要方向。

摘要： 审计生产过程是审计投入要素影响审计经济后果的重要路径,但一直被视为"黑箱"。虽然Francis等(2014)率先从审计风格角度讨论审计生产过程,但后续研究未能深入讨论风格本质。由此本文尝试给出更全面的风格定义和分析框架。首先,审计风格是一组审计师在执业中采用的统一且独特的审计工作规则:"统一"讨论执业行为是否相近;"独特"讨论一组审计师相对于其他审计师是否有不同行为。其次,探讨了审计风格的研究路径、可能话题,总结可行的衡量手段。最后分析审计决策单元、客户与外部环境的影响。有别于审计质量研究,审计风格研究有助于更深入地理解审计生产过程,而不局限于分析线性的质量高低。期望以此为审计师行为研究开辟一条源于风格的独特道路。

摘要： 随着实验经济学、行为博弈论的发展,传统经济学中的自利假设受到利他倾向的挑战。利他性在医疗决策中体现为医生行为偏离个人利益最大化,关注患者健康福利,被认为是医生绩效和医疗服务质量的关键决定因素之一,对公益性导向和满足社会公众利益最大化目标的落实具有重要意义。但是利他性难以测量影响了对医生利他性的研究和有效激励机制的建立。本研究基于显示偏好原理并采用独裁者博弈为基础设计的受控实验室实验模拟医生医疗决策情景,根据医生决策结果,分别基于医生效用函数计算和运用随机效用模型估算医生的利他性。结果显示医生决策过程中对患者健康效益给予了正向权重。医生的利他性存在异质性。基于医生效用函数计算的利他性均值为0.82,表明医生对患者健康效益的权重为82%。96%的医生利他性大于0.5,50%的医生利他性大于0.85。运用随机效用模型估算的利他性(患者健康效益与医生利润的边际替代率)为1.078>1,49%的医生边际替代率大于1,说明相比个人利益医生更加重视患者健康效益。两种方法下测量的利他性显著正相关(Spearman’sρ=0.715,p<0.001)。提示本研究应用的医疗决策情景下利他性的测量方法可实现医生利他性的量化,基于两种方法测量的医生利他性可以相互印证。

摘要： 偏好多目标进化算法作为多目标优化方法的重要分支,被广泛应用于科学研究和工程实践,具有重要的研究意义。为了求得多目标优化问题中的极点解及在各优化目标上性能最折衷的膝点解,提出了用切比雪夫距离来定义膝点的方法并给出了几何解释,基于此构建了一种求解极点解和膝点解的多目标进化算法HP-NSGA-II。该算法通过区域动态更新策略使得目标区域随迭代过程动态更新,最终收敛于目标区域;通过区域间平衡性保持策略确保各区域间个体数量的平衡性,使得个体较为均匀地分布在各区域内部。基于广泛采用的测试函数开展了充分的实验验证,结果表明,HP-NSGA-II算法在二维测试问题及三维测试问题上具有较好的收敛性、区域间平衡性以及区域可控性,可以准确求得测试问题的极点解及膝点解。

摘要： 本文以泉港“碳九”泄露事件为切入点,智识财政学视角下研究外部性成本。针对偏好即个体,主要从涉事公司和当地居民两个视角研究外部的个体成本;针对共同体即集体,从政府的角度(以实现整个社区的共同利益为目标)来研究整个泉港区的外部成本。认为罚没数额应把个人和政府考虑进去。通过偏好和共同体的合理建构,实现罚没数额的合理计量,实现当地善治。

摘要： 推荐技术能够根据用户的历史行为等客观数据推测用户的偏好,为电商营销和运维提供决策依据和指导。为了提高特定电子商务领域推荐的准确度,从不同角度研究分析了用户评论体验,加强对用户语言模式的本体研究,有效区分主题和非主题产品特征,并给出用户体验的符号描述。提出了一种面向推荐系统的用户体验提取算法,将用户体验特征词、副词、修饰语构建的短语作为具有推荐解释功能的标签,弥补了传统的标签推荐方法需要依赖标签数据源的问题。同时提出用户体验概念,给出提取算法流程,设计了针对评论内容的协同滤波算法,可以提取用户体验情感极性用于用户评分,结合情感极性与体验特征还可以应用于基于张量的推荐系统。实验结果表明,提取的用户体验同时具有准确性和多样性,并且能够保证较高的准确率与查全率。

摘要： 中国上市公司存在强烈的股权融资偏好，严重有悖于现代财务理论中的“啄食顺序原则”。本文分析指出，在当前经济转轨的特殊制度环境下，中国企业融资成本发生了显著的体制性变异，股权融资的实际成本受到严重扭曲，致使上市公司产生强烈的股权融资偏好。从效率上看，政府对国有企业的政策倾斜使股票市场形成一种分离均衡，股权融资出现“双轨制”，国有企业与非国有企业融资便利程度迥异，由此导致二者融资成本与融资量的不同。国有企业的融资便利是以牺牲投资者福利和非国有企业的高融资成本为代价的。

摘要： 对科研机构进行科学的评价对合理配置资源及提高科研产出作用巨大。本文采用DEA方法,以中科院高技术类研究所为研究对象,进行科研相对效率的分析。针对标准DEA无法对有效决策单元进行比较的缺点,采用超效DEA进行解决;针对标准DEA无法体现决策者偏好及政策导向的缺点,采用偏好DEA予以解决。

摘要： 目前，信息ａｇｅｎｔ被广泛用于代理用户收集、过滤和管理信息。对于设计个人化的信息ａｇｅｎｔ，用户的偏好在信息检索和过滤中是一个决定性的因素。该文指出了当应用这种ＢＤＩ体系结构构建信息ａｇｅｎｔ时，偏好可以而且应该表示为规划。

摘要： 用于自动治疗规划的方法和装置，包括推荐系统、质量保证、错误预防、文本挖掘、文本匹配和治疗规划优化。

摘要： 本发明提出一种考虑用户的长期偏好与短期偏好的景点推荐方法和系统，利用注意力机制关注整个序列行为中的重要信息，得到长期偏好；BiLSTM学习短期序列中的顺序信息，得到短期偏好；同时考虑长短期偏好为游客动态推荐下一个景点，提高推荐结果的准确度。其避免了数据稀疏和独立假设问题，同时进一步解决目前景点推荐方法中推荐精度不高和推荐结果个性化程度低等问题。该方法考虑了景点之间的关联性，且同时考虑游客长短期偏好，可有效为游客偏好建模，使得推荐性能得以提升。

摘要： 本发明提出了一种用于兴趣点推荐的获取时间偏好融合序列偏好的方法。本发明首先通过数据预处理，得到兴趣点的特征时间戳，初始化兴趣点的嵌入向量、时间戳差值的嵌入向量，得到用户的正、负样本兴趣点嵌入向量序列和其对应的签到时间戳差值嵌入向量序列，然后将正、负样本兴趣点嵌入向量和其对应的签到时间戳差值嵌入向量融入GRU模型，进而构建用户的嵌入向量，计算用户对正、负样本兴趣点的序列偏好和时间偏好，将序列偏好和时间偏好进行融合，得到用户对正样本兴趣点和负样本兴趣点的融合偏好值。更进一步，利用正、负样本兴趣点的融合偏好值构造损失函数，优化相关模型参数。最后将优化后的模型用于推荐任务。

摘要： 本发明公开了一种融合用户隐式物品偏好与显式特征偏好的可解释推荐方法，该方法通过提取评论中的特征词挖掘捕捉了时序信息的用户的特征偏好和物品的特征信息，通过用户的历史行为挖掘用户和物品的隐式表达，可以极大地提高评分预测的准确性和可解释性，本发明使用多层感知机从用户的偏好记录中获得用户和物品的隐式表达；然后，通过提取用户评论中的特征词，利用GRU捕获评论中的时序信息，并通过引入注意力机制和特征吸引力机制得到用户和物品的显式表达；最后，结合隐式表达和显示表达得到用户和物品的最终表达。本发明的优点是推荐结果合理性高、在保证推荐精度的同时还可以提供推荐解释。

摘要： 本发明公开了一种基于多维偏好模型的电影评分预测与偏好估计方法，采用多维偏好模型表达多个维度的用户偏好，在多维偏好模型的基础上采用变量消元法获取消元结果集合，实现对节点信息的整合，然后生成联合集合，再根据联合集合进行评分预测和偏好估计；整个过程都是基于Spark计算框架实施并行推理，充分利用Spark在大规模数据上的优势，提高评分预测和偏好估计的效率。

摘要： 本发明属于电网服务技术领域，具体涉及基于渠道偏好和业务偏好的电力客户服务偏好方法及系统。步骤1、统计电网客户对于不同电网服务渠道的累计接触频次X1和对于不同电网业务的累计办理频次X2；步骤2、分别对电网客户对于不同电网服务渠道的累计接触频次X1和对于不同电网业务的累计办理频次X2进行加权；步骤3、对加权后的得到的不同电网服务渠道加权频次、不同业务加权频次分别进行标准化处理，根据活跃度公式计算客户的渠道活跃度和基于业务考虑的渠道活跃度矩阵；步骤4、根据电网客户渠道活跃度的值，确定电网用户的偏好服务渠道。本申请能够根据客户活跃度，满足客服坐席快速、准确、全面了解客户偏好，时响应客户诉求。

摘要： 本发明提供了偏好提取装置、偏好提取方法和偏好提取程序。一种偏好提取装置包括：文本信息获得部分，其在具有与每个场景相对应的文本信息的视频内容被播放时，获得与当前播放的场景相对应的文本信息；关键字提取部分，其基于所述文本信息提取用于衡量用户偏好的关键字；呈现部分，其向用户呈现所述关键字已被提取的事实；偏好值定义部分，其根据用户对所述呈现的反应定义关于所述提取的关键字的用户偏好值；存储部分，其在所述关键字和所述偏好值之间建立对应关系，并在预定的存储装置中将其存储为用户偏好信息。

摘要： 本发明公开了一种集成用户的长期偏好与短期偏好的下一项推荐方法，包括下列步骤：为包含各个用户的若干个历史会话和一个当前会话的会话数据集中的各个项目生成项目的初始嵌入，并将该会话数据集划分成训练集、测试集和验证集；利用所述训练集构建一个集成用户的长期偏好与短期偏好的下一项推荐方法ILSTP的初始模型；利用所述训练集和验证集对所述ILSTP的初始模型进行参数调节后得到ILSTP的优化模型，并使用所述测试集评估该优化模型的推荐准确度；利用所得的ILSTP的优化模型为会话数据集中或实际会话数据中的用户提供下一项推荐。本发明提供的下一项推荐方法具有推荐准确度高的特点，在电影、音乐、在线新闻、电子商务等众多领域具有广阔的应用前景。

摘要： 本发明公开了一种基于学习者偏好与群体偏好的学习资源推荐方法及系统，方法包括:收集学习者信息、学习资源特征信息、教师信息，指学习者描述信息、学习者与学习资源的交互信息，学习资源特征信息包括学习资源描述信息、学习资源特征信息；根据学习者信息，寻找与学习者最高相似度的教师，通过卷积神经网络，根据教师特征得到目标学习资源的匹配分数；建立学习者短期偏好模型和长期偏好模型，融合两个模型得到学习者个人偏好模型；建立学习者群体偏好模型，融合学习者个人与群体模型得到学习者偏好模型；根据学习资源特征信息，使用学习资源的多种信息特征建立学习资源特征信息模型和领域知识模型，从而提高学习资源推荐的准确性。

摘要： 本发明提出一种考虑用户的长期偏好与短期偏好的景点推荐方法和系统，利用注意力机制关注整个序列行为中的重要信息，得到长期偏好；BiLSTM学习短期序列中的顺序信息，得到短期偏好；同时考虑长短期偏好为游客动态推荐下一个景点，提高推荐结果的准确度。其避免了数据稀疏和独立假设问题，同时进一步解决目前景点推荐方法中推荐精度不高和推荐结果个性化程度低等问题。该方法考虑了景点之间的关联性，且同时考虑游客长短期偏好，可有效为游客偏好建模，使得推荐性能得以提升。