Preliminary Conference Agenda

The development of a large-scale pre-trained model has opened a new stage for artificial intelligence. More and more researchers have introduced models such as BERT and GPT into various application fields. However, the problems of complexity and interpretability have posed a degree of risk to the model’s generalization. Meanwhile, the accuracy of the model directly depends on the quality of the training dataset. Optimizing the dataset often leads to better results. Therefore, this article proposes the GSBERT model. Firstly, the model can explore a decision basis of the BERT model by gradient saliency. It can also present the BERT model decision-making process by visualization, so as to makes model decisions interpretable. Secondly, based on the interpretability of the model, the sample feature token is extracted to form a feature word list. Then classify and predict samples by Naive Bayes model again. Lastly, to test the effectiveness of GSBERT in analyzing data consistency, the GSBERT model is used to automatically detect and re-label the misclassified samples of the news classification datasets. The accuracy of model judgment also improved by 12.55% on the validation set due to the improved quality of the dataset. Not only can this study guide dataset quality detection in pre-trained models, but also can improves the accuracy of the model by peering at each layer during the running status of the BERT model. This method aims to provide reference ideas for the wider application of deep learning models in various fields.

随着网络社交媒体的普及，人们现实中的交往关系可能被复制到网络中，同时基于趣缘进一步延伸，形成网络圈层。网络圈层中的用户在海量信息的包裹下筑茧于无形，但圈层带来的情感共鸣和归属感可能导致用户不愿打破信息茧房。本文以豆瓣小组用户为样本，首先通过深度访谈和开放编码，探索社交媒体用户信息茧房滞留行为的表现特征。根据质性分析结果构建信息茧房滞留行为影响因素模型，收集问卷数据检验假设，使用fsQCA从组态视角进行补充分析。研究得出，社交媒体用户信息茧房滞留的行为的表现特征多种多样，影响该行为的因素包括信息技术、圈层建设、绩效期望、享乐动机、使用习惯、信息同质和信息过载，社交媒体用户信息茧房滞留行为成因路径较为复杂。研究结果有助于了解网络圈层中社交媒体用户应对信息茧房的方式，为社交媒体用户行为引导和网络环境治理提供一定的参考。

[目的/意义]公共数据开放是我国大数据发展过程中的首要任务，是为新时代赋能的重要研究领域之一。为此，本文回顾公共数据开放领域的研究现状，通过主题分析，发现热门研究主题，并进行热点主题的演化趋势分析与预测。[方法/过程]利用深度学习模型BERTopic进行主题识别，分析国内外公共数据开放研究的主题分类、关联和分布，并分别对国内外热度上升放缓的研究主题和持续攀升的研究主题进行梳理。[结果/结论]国内外均在“隐私保护”研究方面较为完善，国外的研究热点是“数据再利用”、“数据共享”和“数据质量”，国内的研究热点是“科学数据开放”、“数字经济”、“政府信息公开”、“政府开放数据平台”和“区块链”、“人工智能”等；相对国外热门研究主题，国内在“开放创新”、“公共数据再利用”、“数据质量”等几个领域还缺少关注；本研究认为，“公共数据开放需求”、“数据价值释放”、“建立统一数据市场”等研究领域将成为热点研究主题。

作为数字化时代的核心范畴和基本方法，算法为大型科技企业的全球规模和影响力持续注入动力，在赋能社会发展的同时也产生了一系列风险，因此需要深刻理解算法风险的治理规则，构建科学高效的算法治理机制。通过对美国算法治理实践中的联邦政策文本进行梳理，可以为社会治理中的算法治理提供一定参考借鉴。本文运用NVivo12 Plus质性文本分析工具进行编码，对美国联邦层面政策文件中关于算法治理的文本进行分析，从中提炼出由问责驱动的一系列治理路径，并试图梳理这些概念化的治理路径之间的联系，探讨其从概念走向实践过程中所面临的困难与挑战，最后总结概括得到在整个算法治理进程中算法问责呈现出的四大特征。

[目的/意义]在复杂国际形势背景下，产业危机情境和次生危机事件频发，我国产业正逐渐陷入外部不正当国际竞争导致的发展囹圄之中。产业危机事件发生后的应急恢复成为避免产业次生危机、保障产业永续健康发展的重要环节。因此，面向产业危机事件恢复的智慧情报服务成为产业危机事件恢复的重要辅助手段。[方法/过程]本文以“韧性治理”理论为研究视角，首先明确了产业危机事件恢复阶段的智慧情报服务需求，分析韧性治理理论与产业协同应急恢复智慧情报服务的适切性；然后，基于韧性治理理论，从韧性技术、韧性组织和韧性环境三个维度入手，构建产业协同应急恢复阶段的智慧情报服务模式；最后，以我国半导体产业为例，阐释该模式的运行流程，分析该模式的价值。[结果/结论]本文系统性地提出产业危机事件恢复阶段的智慧情报服务需求，构建产业协同应急恢复阶段的智慧情报服务模式，明确其运行流程，利用Vensim进行系统动力学仿真，验证该模式的有效性并进行敏感性分析，剖析该模式的实际价值，为我国产业面对危机事件的处置、恢复及治理及提供了智慧情报服务模式的支持，为产业链与创新链融合创造基础。