基于声誉、法律和不完全契约的执行

随着市场经济的发展,声誉机制作为一项能为人们提供长期稳定预期的重要制度安排日益受到重视。同时,随着社会开放程度的增强,匿名交易范围不断扩大,而交易的完成需要契约的支撑。由于事件的不确定性以及契约的不完全性导致了契约在大多数情况下不能自我实施,契约的实施主要有两种手段——基于声誉的私人执行机制以及基于法律的第三方公开执行机制。另外,两种契约实施方式之间存在着密切的关系,法律执行方式依赖于当事人对声誉的重视程度,而声誉执行方式又要求法律具有较强的威慑力。     

我国公共政策的公平价值取向：解读“廉租房”政策

公共政策作为政治系统的输出物,体现了公共权力机关的价值取向;廉租房政策作为一项重要的公共政策。保障了社会弱势群体基本的住房需求,是实现社会公平的重要途径。可从宏观、中观和微观的视角分别阐述廉租房政策所蕴含的我国公共政策的公平价值取向。     

论传统民居特色的保护——以通道侗族民居为例

对现代农村建设中建筑民居现状与原因分析,分析强势文化对农村文化的深刻影响,指出传统建筑民居具有不可低估的文化价值和旅游价值,提出传统建筑民居保护的建议.     

五羊-本田市场营销策略的博弈分析及启示

针对五羊-本田市场营销策略的现状:高品质、高成本、高价格、低利润、市场萎缩,以价格作为切入点,用博弈论中不完全信息静态博弈、不完全信息动态博弈的方法浅析其营销策略的有效性,并得出五羊-本田市场营销策略不妥的结论及对企业在制定营销策略中的启示。     

公立中小学教师“临聘制”困境及应对策略

我国公立中小学教师临聘制存在自我履约机制困境、缺乏第三方依赖和缺少纵向一体化等问题。基于经济学中的不完全契约理论,笔者提出应对之策在于发挥“教师是基础、学校是保障”的自我履约机制;健全“完善法律设计,规范聘任程序”的第三方实施机制;实施“政府营造环境,学校规范执行”的纵向一体化机制,从而保证公立中小学临聘制教师有效管理与培养。     

客家民居在川西地域文化中的生存方式

四川是全国五大客家人聚居省之一。生活在成都地区的这支一直保留着浓郁的岭南风俗习惯的四川客家人大约是在1680年至1800年左右从粤东、粤北、闽西、赣南等地迁入的。本文将探讨17世纪以来川西客家民居的特点,从思想文化的角度探讨客家民居在地域文化中的生存演变方式及其变迁,从建筑文化领域反映客家移民融入不同地域文化的过程。     

论大情景图式下的信息分析

不完全信息条件下传统情报研究方法面临巨大挑战,在这种背景下情景分析越来越被国内外学者所重视.本文从情景观出发,创造性地提出情景分析的核心思想--大情景图式,并在该模式下,构造出了一个信息分析模型.最后针对如何实施情景分析给出了一个解决方案.     

对高校“去行政化”问题的思考——基于“契约不完全”代理的视角

高校过度行政化的管理模式使得政府与高校出现管理危机和信任危机,政府与高校以及高校内部契约不完全的委托代理制度催生了高校的行政化问题。高校去行政化必须发挥制度诱致性变迁的作用,以契约和市场精神改造政府与高校及高校内部的委托代理制度,并在此基础上构建现代大学制度。     

我国中途宿舍的发展历程、问题及对策研究

21世纪以来,我国中途宿舍得到较快发展,历经创立兴起、快速发展、平稳前进三个阶段,从个人创办到国家管理再到相关政策的颁布,逐渐走向成熟.但目前面临着性质不明确、政府支持力度有限、衔接机制有待完善、高质量员工欠缺和地域社会融入困难等发展难题.因此,应通过中途宿舍硬件设施建设和法律地位、任职资格、信息沟通、社区人员及资源等软件环境的优化来促进我国中途宿舍的发展.     

Scale and Translation Invariant Collaborative Filtering Systems

Collaborative filtering systems are prediction algorithms over sparse data sets of user preferences. We modify a wide range of state-of-the-art collaborative filtering systems to make them scale and translation invariant and generally improve their accuracy without increasing their computational cost. Using the EachMovie and the Jester data sets, we show that learning-free constant time scale and translation invariant schemes outperforms other learning-free constant time schemes by at least 3% and perform as well as expensive memory-based schemes (within 4%). Over the Jester data set, we show that a scale and translation invariant Eigentaste algorithm outperforms Eigentaste 2.0 by 20%. These results suggest that scale and translation invariance is a desirable property.