CN110442794B - 一种分析师画像***的构建方法 - Google Patents
一种分析师画像***的构建方法 Download PDFInfo
- Publication number
- CN110442794B CN110442794B CN201910740963.8A CN201910740963A CN110442794B CN 110442794 B CN110442794 B CN 110442794B CN 201910740963 A CN201910740963 A CN 201910740963A CN 110442794 B CN110442794 B CN 110442794B
- Authority
- CN
- China
- Prior art keywords
- analyst
- analysts
- user
- portrait
- stock
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种分析师画像***的构建方法,包含以下步骤:A、分析师以及用户基础信息获取,股票基础信息生成;B、分析师以及用户行为数据采集;C、构建分析师画像特征;D、提供分析师画像特征获取接口和展示接口;本发明所建立的分析师画像***形象简洁且富有针对性,可为平台提供可视化的分析师数据展示,同时为***对分析师的管理提供数据层面的决策支撑。平台可将部分分析师画像特征为用户开放,使用户可自主的将分析师的画像特征与自身实际情况进行匹配,便捷准确地关注特定的分析师,获取对自己价值最大化的研报,可有效提升用户的平台内容消费体验。
Description
技术领域
本发明涉及电子商务技术领域,具体是一种分析师画像***的构建方法。
背景技术
随着电子商务的快速发展,越来越多的用户选择在股票投资平台查找股票资讯,分析师的股票分析,行业分析等信息。投资平台上的各类证券分析师繁多,用户通常会根据自己感兴趣的股票,行业板块,题材,投资风格等来选择关注那些分析师。
然而,同一分析师的关注者通常存在性别、年龄、所关心股票,行业,甚至投资风格等方面的差异,用户所参照的分析师的关注度,发表的言论以及研报内容、评论数目或评论内容无法准确地判断该分析师是否适合自己,且大量的研报内容,评论内容也会因为上述差异而存在大量没有参考价值的内容,同时淹没一些有价值的信息,这样耗费了用户大量精力的同时,也使用户错失了适合自己的投资分析。此外,现有的分析师特征通常是由后台工作人员根据对分析师的了解及从业经验等主观因素进行手动添加,或者仅仅罗列出分析师的关注度,活跃度,所在证券公司等一些主要参数值。上述后台添加分析师特征的方式具有主观性和固定性,且操作繁琐,以该种方式添加的分析师特征也不能够使用户快速准确的了解该分析师是否适合自己。
总之,现有的股票投资平台所提供的分析师、投资风格及的特征信息无法满足用户快速准确地选择合适分析师的需求,容易造成投资信息获取体验不佳。
发明内容
本发明的目的在于提供一种分析师画像***的构建方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种分析师画像***的构建方法,包含以下步骤:
A、分析师以及用户基础信息获取,股票基础信息生成;
B、分析师以及用户行为数据采集;
C、构建分析师画像特征;
D、提供分析师画像特征获取接口和展示接口。
作为本发明的进一步技术方案:所述步骤A具体是:从平台数据库获取分析师基础信息,构成分析师基础特征;获取用户基础信息,构造股票相关基本信息,为后续画像特征提供基础数据。
作为本发明的进一步技术方案:所述步骤A包含以下步骤:1)获取分析师数据,如分析师从业年限,所在证券公司,年龄,性别,学历等个人信息,构成分析师基础特征;2)获取注册用户信息,如用户年龄,性别等个人信息,用于计算分析师高维特征;3)构造股票基础信息,包括股票名字,编码,所属行业,板块,概念等,用于协助完成分析师研报,言论,评论等数据的信息抽取和特征构建。
作为本发明的进一步技术方案:分析师行为数据包括:历史研报和言论、同时获取每篇研报和每个发言的用户浏览记录、评论记录和点赞记录。
作为本发明的进一步技术方案:用户行为数据包括关注的分析师和板块、搜索、浏览、评论和点赞历史记录。
作为本发明的进一步技术方案:所述步骤C具体是:使用获取到的分析师以及用户行为数据,结合股票行业基础信息,进行用户特征提取和分析师特征提取。
作为本发明的进一步技术方案:所述步骤C包含以下步骤:对分析师和用户行为数据,使用统计方法,计算得到分析师的时间属性,更新频率,上线时间,咨询指数,根据分析师文章的收藏,评论,浏览等数据和分析师的关注人数,计算得到分析师的流行度,使用自然语言处理技术提取分析师研报以及言论中的股票,板块,操作建议等,构造出分析师的板块属性,长短线属性,个股偏好属性。
作为本发明的进一步技术方案:所述步骤D具体是:将步骤C中所建立的分析师画像特征存入数据库,并进行定期更新,通过应用接口为平台的展示模块和决策模块提供支持。
作为本发明的进一步技术方案:所述应用接口具体为向用户展示画像特征的接口、平台或者APP内部工作人员用于获取画像特征的***内部应用接口。
与现有技术相比,本发明的有益效果是:本发明所建立的分析师画像***形象简洁且富有针对性,可为平台提供可视化的分析师数据展示,同时为***对分析师的管理提供数据层面的决策支撑。平台可将部分分析师画像特征为用户开放,使用户可自主的将分析师的画像特征与自身实际情况进行匹配,便捷准确地关注特定的分析师,获取对自己价值最大化的研报,可有效提升用户的平台内容消费体验。全方位的分析师画像***,亦可以为***的精准营销和个性化推荐提供数据支持,运营人员可使用特定的画像特征,筛选出分析师和研报,使用消息提醒或者其它方式,推荐给用户。
附图说明
图1为本发现的实施步骤流程示意图。
图2为信息获取模块的原理图。
图3为特征计算模块的原理图。
图4为应用模块的原理图。
图中:01-信息“点”、02-定位靶点、03-方向靶点、04-虚拟的用数字1-5表示图形点阵的行号、05-虚拟的用字母A-R表示图形点阵的列号、06-虚拟的等距定位网络表格。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:请参阅图1-4,一种分析师画像***的构建方法,包含以下步骤:
A、分析师以及用户基础信息获取,股票基础信息生成;从平台数据库获取分析师基础信息,构成分析师基础特征;获取用户基础信息,构造股票相关基本信息,为后续画像特征提供基础数据:具体过程如下:1)获取分析师数据,如分析师从业年限,所在证券公司,年龄,性别,学历等个人信息,构成分析师基础特征;2)获取注册用户信息,如用户年龄,性别等个人信息,用于计算分析师高维特征;3)构造股票基础信息,包括股票名字,编码,所属行业,板块,概念等,用于协助完成分析师研报,言论,评论等数据的信息抽取和特征构建;
B、分析师以及用户行为数据采集;收集并获取分析师的行为数据,包括:历史研报和言论,同时获取每篇研报和每个发言的用户浏览记录,评论记录,点赞记录等,收集并获取用户的行为数据,包括关注的分析师和板块,以及用户行为数据如搜索,浏览,评论,点赞等历史记录;
C、构建分析师画像特征;使用获取到的分析师以及用户行为数据,结合股票行业基础信息,进行用户特征提取和分析师特征提取;过程如下:对分析师和用户行为数据,使用统计方法,计算得到分析师的时间属性,更新频率,上线时间,咨询指数,根据分析师文章的收藏,评论,浏览等数据和分析师的关注人数,计算得到分析师的流行度,使用自然语言处理技术提取分析师研报以及言论中的股票,板块,操作建议等,构造出分析师的板块属性,长短线属性,个股偏好属性;
D、提供分析师画像特征获取接口和展示接口:将步骤C中所建立的分析师画像特征存入数据库,并进行定期更新,通过应用接口为平台的展示模块和决策模块提供支持。应用接口具体为向用户展示画像特征的接口、平台或者APP内部工作人员用于获取画像特征的***内部应用接口。
实施例2:在实施例1的基础上,本设计所使用的分析师画像***分为三个模块:信息获取,特征计算和应用模块。
步骤101,收集股票基础信息。
本实施例中的股票相关信息包括股票名称,股票别称,股票代码,股票所在的行业板块,概念等,用于后期分析师研报和言论的信息提取使用。
步骤102,获取用户基础信息和分析师基础信息。
在本实施例中,用户的基础信息主要包括年龄,性别,职业,学历等。
分析师的基础信息,包括年龄,从业年限,所属公司,性别。
步骤103,获取用户历史行为和分析师历史行为。
在本实施例中,用户历史行为包括用户关注的分析师,以及搜索,浏览,评论,点赞等历史记录。
分析师的历史行为包括分析师的历史研报和言论,同时获取每篇研报和每个发言的用户浏览量,评论数,点赞个数。
步骤201,构造股票相关的投资知识,设计股票投资行为标签,用于从分析师研报和言论中学习分析师特征。
本实施例中的股票投资行为标签,即分析师的投资操作建议,该标签结合股票实例和时间,用于后期计算分析师投资相关特征。
步骤202,分析师统计特征计算,统计周期为三个月。
对前步骤获取的信息,使用统计方法,如计数,均值,众数,中值,归一化等方式进行加工处理,得到分析师的统计特征。
在本实施例中,分析师的统计特征包括以下几个维度:时间属性,流行度,股票偏好,行业偏好,认可度,专业度,成长度,活跃度等。
分析师的时间属性又称为早中晚属性,该属性有四个维度:早,中,下午,晚上。统计分析师分别在这四个时间段内的操作次数与总体操作次数的占比为相应维度的取值,操作次数包括,发表研报,发表言论,对评论和留言的回复。
分析师的在线间隔:统计分析师两次之间行为的时间间隔的平均值,其中在半小时内的行为,视为同一次行为。
分析师的最近上线时间:分析师最近一次线上行为距离现在的天数。
分析师的活跃度:该活跃度包括研报活跃度和言论活跃度,活跃度计算方式为该分析师在统计周期内发表研报或者言论的平均间隔时间,其中,研报以天为单位,而言论以小时为单位。
分析师的流行度:计算该关注过该分析师的用户量。
分析师的股票偏好:从分析师的研报和言论中,使用步骤101得到的知识,提取股票信息,统计每只股票被提到的次数占总体股票提到次数的比例,取top5,并取占比值。
分析师的板块偏好:从分析师的研报和言论中,使用步骤101得到的知识,提取板块信息,统计每个板块被提到的次数占所有板块提到次数的比例,取top5,并取占比值。
步骤203,使用自然语言处理技术和机器学习技术,从分析师的研报和言论提前关键信息,计算得到分析师的抽象特征。
在本实施例中,分析师的抽象特征包括分析师的长短线偏好,题材偏好,投资年龄,金牌属性:
用户的投资偏好,该特征用来表征分析师倾向于给出价值投资建议还是题材投资建议,提取分析师研报和言论中提到的股票,计算分析师推荐的价值股占比。
在本实施例中,白马股即认为是价值投资,否则为题材投资。
分析师长短线偏好:使用自然语言处理技术,构建上短线模型,识别出每篇研报和言论中,分析师对股票投资建议的操作,并统计出变化的频率,将一周内的买卖操作定义为短线,将一周以上一月以内,定义为中线,更长时间则定义为长线,然后统计每类操作数量的占总数量的比例,即可得到三个维度的值。
分析师的投资年龄特征的计算方式如下:
1.统计所有有年龄记录的用户属于每个年龄的人数(例如,20岁 x人, 21岁y人等)
2.统计关注某一分析师的有年龄记录的用户属于每个年龄段的人数(例如, 20岁p人, 21岁q人等)
3.用1)中原始年龄分布对b)中购买年龄分布进行惩罚(例如, 20岁 p/x 人, 21岁 q/y 人)
4.3的结果中最大值所对应的年龄即为该分析师的投资年龄
在本实施例中,分析师的金牌属性计算过程如下:
1.计算创利能力:被购买的次数
2.计算准确度:统计改分析师历史上推荐的股票在推荐未来一段时间内的涨跌占比,时间范围,取决于该条投资建议属于长线,中线还是短线。
3.计算稀缺度:统计每次分析师推荐的股票,近期被推荐的总分析师数,取所有推荐次数的均值。
对以上三个特征(创利能力,准确度,稀缺度)进行线性归一化处理,均映射到[01]区间
给每个特征设定一个权重(目前全为1),并得到新的特征值f1, f2, f3。
使用TOPSIS方法计算基于f1,f2,f3的分析师的金牌属性值
本实施例中,为了使画像***可以准确的捕捉分析师画像维度的变化,***更新画像***的时间为每天一次。
在本实施例中,分析师计算完成后,即可为***其它应用模块提供接口支撑。这里主要包括三类应用,分别是后台管理接口,精准推荐接口和平台展示接口。
步骤301,后台展示以及分析师维护接口模块使用分析师的画像特征,为后台的分析师管理和分析提供决策支撑,可以给出平台关于分析师的上下架建议,亦可以为分析师提供定价和研报等发布建议。
步骤302,将分析师的画像特征用于精准营销***和金***师筛选***中。
本发明实施例建立的画像特征,形象简洁且富有针对性,运营人员可将画像特征与用户数据进行匹配,便捷准确地挑选合适的分析师和研报,推送给用户,可显著的提升用户的复购率。
通过分析师的金牌属性,可以选出金***师,可供平台进行营销和推荐活动提供支持。
步骤303,使用分析师特定的画像特征,对分析师进行筛选过了,展示在特定区域,实现***的个性化推荐。
股票投资平台可根据不同模块设定的展示策略,使用本发明实施例建立的分析师画像特征,并结合用户的偏好,选出分析师候选集,在平台上展示给用户,实现分析师的个性化推荐。
上述实施例是本方法针对股票投资平台分析师画像的实例,本发明所述方法,不局限于分析师画像构建,同样适用于投资平台用户画像的构建等场景。
分析师金牌属性,使用分析师的三个基础特征:创利能力,准确度,稀缺度,将每个特征权重设置为1.0,采用TOPSIS方法计算得到,这里可考虑使用更多分析师画像基础特征,以得到符合平台策略的金***师特征,这里基础特征个数的选择,以及他们的权重的设置,不影响本专利的权力要求。
应用模块中,每个应用根据其本身需求,选择分析师画像特征中的某一个或者几个均可,对不同模块,选择的特征不同,可能会影响对应模块的效果,但不产生决定性影响,因此,在应用模块中,分析师画像特征的选择,不影响本专利的权利要求。
在应用模块中,分析师的画像***,可为分析师管理***,精准营销***,个性化推荐***等提供数据支撑,也可为平台更多模块提供,应用的模块越多,分析师画像***的价值越大,这里分析师画像***应用的范围,不影响本专利的权利要求。
分析师的股票偏好和板块偏好特征中,我们选取top5的股票和板块来表征分析师对应的偏好,选取TOP的个数不同,会对分析师的偏好特征的表达以及后续应用模块有一定的影响,但是对这两个特征并没有决定性的影响,因此,top个数选择的差异,不影响本专利的权利要求。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (1)
1.一种分析师画像***的构建方法,其特征在于,包含以下步骤:
A、分析师以及用户基础信息获取,股票基础信息生成;
所述步骤A具体是:从平台数据库获取分析师基础信息,构成分析师基础特征;获取用户基础信息,构造股票相关基本信息,为后续画像特征提供基础数据;
所述步骤A包含以下步骤:1)获取分析师数据,如分析师从业年限,所在证券公司,年龄,性别,学历的个人信息,构成分析师基础特征;2)获取注册用户信息,如用户年龄,性别的个人信息,用于计算分析师高维特征;3)构造股票基础信息,包括股票名字,编码,所属行业,板块,概念,用于协助完成分析师研报,言论,评论的数据的信息抽取和特征构建;
B、分析师以及用户行为数据采集;
分析师行为数据包括:历史研报和言论、同时获取每篇研报和每个发言的用户浏览记录、评论记录和点赞记录;
用户行为数据包括关注的分析师和板块、搜索、浏览、评论和点赞历史记录;
C、构建分析师画像特征;
所述步骤C具体是:使用获取到的分析师以及用户行为数据,结合股票行业基础信息,进行用户特征提取和分析师特征提取;
所述步骤C包含以下步骤:对分析师和用户行为数据,使用统计方法,计算得到分析师的时间属性,更新频率,上线时间,咨询指数,根据分析师文章的收藏,评论,浏览的数据和分析师的关注人数,计算得到分析师的流行度,使用自然语言处理技术提取分析师研报以及言论中的股票,板块,操作建议,构造出分析师的板块属性,长短线属性,个股偏好属性;
D、提供分析师画像特征获取接口和展示接口;
所述步骤D具体是:将步骤C中所建立的分析师画像特征存入数据库,并进行定期更新,通过应用接口为平台的展示模块和决策模块提供支持;
所述应用接口具体为向用户展示画像特征的接口、平台或者APP内部工作人员用于获取画像特征的***内部应用接口。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910740963.8A CN110442794B (zh) | 2019-08-12 | 2019-08-12 | 一种分析师画像***的构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910740963.8A CN110442794B (zh) | 2019-08-12 | 2019-08-12 | 一种分析师画像***的构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110442794A CN110442794A (zh) | 2019-11-12 |
CN110442794B true CN110442794B (zh) | 2023-03-31 |
Family
ID=68434691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910740963.8A Active CN110442794B (zh) | 2019-08-12 | 2019-08-12 | 一种分析师画像***的构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110442794B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344184B (zh) * | 2021-06-03 | 2023-05-30 | 网易(杭州)网络有限公司 | 用户画像预测方法、装置、终端和计算机可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007081519A2 (en) * | 2005-12-30 | 2007-07-19 | Steven Kays | Genius adaptive design |
CN109785144A (zh) * | 2019-01-18 | 2019-05-21 | 国家电网有限公司 | 一种资产分类方法、装置、设备及介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7315837B2 (en) * | 1999-11-01 | 2008-01-01 | Accenture Llp | Communication interface for a financial modeling and counseling system |
CN104867037B (zh) * | 2015-05-29 | 2019-03-26 | 北京京东尚科信息技术有限公司 | 一种画像特征的数据处理方法及装置 |
CN107515943A (zh) * | 2017-09-01 | 2017-12-26 | 安徽教育网络出版有限公司 | 基于协同过滤的用户偏好模型构建方法 |
CN110019392B (zh) * | 2017-11-07 | 2021-07-23 | 北京大米科技有限公司 | 在网络教学***中推荐教师的方法 |
CN109241117A (zh) * | 2018-08-02 | 2019-01-18 | 上海慧岳信息科技有限公司 | 一种画师匹配的方法和装置 |
CN109492029A (zh) * | 2018-11-13 | 2019-03-19 | 程在舒 | 一种股票信息展示法 |
-
2019
- 2019-08-12 CN CN201910740963.8A patent/CN110442794B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007081519A2 (en) * | 2005-12-30 | 2007-07-19 | Steven Kays | Genius adaptive design |
CN109785144A (zh) * | 2019-01-18 | 2019-05-21 | 国家电网有限公司 | 一种资产分类方法、装置、设备及介质 |
Non-Patent Citations (2)
Title |
---|
Masashi Okubo等."Development of avatar generating system by constructing portraits made by friends".《 2013 IEEE RO-MAN》.2013,第1-4页. * |
齐艳平等."分析师关注对股价同步性的影响——基于新浪财经网分析师股票推荐数据".《中国林业经济》.2018,第84-92页. * |
Also Published As
Publication number | Publication date |
---|---|
CN110442794A (zh) | 2019-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Franceschini et al. | Designing performance measurement systems | |
Wöber | Information supply in tourism management by marketing decision support systems | |
Belda et al. | Necessity and opportunity entrepreneurs: Survival factors | |
Swann et al. | What do we know about urban sustainability? A research synthesis and nonparametric assessment | |
Boll et al. | The EU gender earnings gap: Job segregation and working time as driving factors | |
Horng et al. | Developing a novel hybrid model for industrial environment analysis: A study of the gourmet and tourism industry in Taiwan | |
Aschauer et al. | Time use, mobility and expenditure: an innovative survey design for understanding individuals’ trade-off processes | |
CN111026801A (zh) | 一种辅助保险类电商运营快速决策工作的方法及*** | |
Bostan et al. | The three-dimensional impact of the absorption effects of European funds on the competitiveness of the SMEs from the Danube Delta | |
Maré et al. | Firm productivity growth and skill | |
West | New measures of teachers’ work hours and implications for wage comparisons | |
Fellner | Trends in the activities generating technological progress | |
Lozano et al. | An integrated analysis of tourism seasonality in prices and quantities, with an application to the Spanish hotel industry | |
Wang et al. | Economic resilience after the Great Recession: An examination of unreserved fund balance in Michigan counties | |
Oakshott | Quantitative methods | |
Nunden et al. | An assessment of management skills on capital budgeting planning and practices: evidence from the small and medium enterprise sector | |
CN114628007A (zh) | 一种情绪信息处理***和方法 | |
Kuepié et al. | Where does education pay off in Sub-Saharan Africa? Evidence from two cities of the Republic of Congo | |
Cárdenas Rubio | A web-based approach to measure skill mismatches and skills profiles for a developing country: the case of Colombia | |
CN110442794B (zh) | 一种分析师画像***的构建方法 | |
Civera et al. | When austerity means inequality: the case of the Italian university compensation system in the period 2010–2020 | |
Buchmann et al. | Labour market, job opportunities, and transitions to self-employment: Evidence from Switzerland from the mid-1960s to the late 1980s | |
Opeskin | Lazy data? Using administrative records in research on judicial systems | |
Nierling et al. | The landscape of crowd work in Germany: An overview of the scientific and public discourse | |
Aizenman et al. | Evaluating the quality of IMF research: A citation study |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |