网络舆论对人们生活的影响程度与日俱增,通过结合多源数据进行事件发现可以更好地捕捉舆情事件,提高舆情系统的效果。针对在多源文本场景下如何将来自新闻、微博、微信等多通道的数据融合,文章根据事件的定义,提出了事件核心实体的概念,设计了事件核心实体识别方法,并且将事件核心实体应用到事件发现过程,提出了结合实体的事件发现方法 ESP（Entity Single-Pass）。该方法通过引入实体信息,丰富了多源文本中每篇文档的表达,从而提高了多源文本事件发现的效果。实验表明,在微博、新闻等数据上,我们的方法与K-means和SinglePass方法相比,在NMI与RI两项指标上分别提高了0.2和0.3,证明了ESP算法的有效性。

Outbreak prediction in social networks is a part of popularity dynamic analysis of social networks,and it is an active research topic in the domain of social computing.This study proposes a social messages outbreak prediction model based on recurrent neural network (SMOP) by modeling the message propagation process.Compared with the traditional models on machine learning,SMOP directly models the arrival process of message without the need of tedious feature engineering in traditional methods.When it comes to point process models,SMOP is able to automatically learn the rate functions of propagation process,making it adaptable to a variety of scenarios.Moreover,time vector and user vector,which contain the periodicity of time and the user profile,are used as input to improve the performance of outbreak prediction.Experimental results on real word data sets such as Twitter and Sina Weibo show that SMOP has excellent data adaptability,and it is able to predict whether a message would outbreak with higher F1 score in the beginning of the message spread (within 0.5h).

金融是经济发展的血脉,是现代经济的核心.我国正处于转型的关键时期,金融市场环境发生巨大变化,金融全球化及创新活动的开展不断深入,金融监管的重要性日益凸显.针对当前我国金融监管理念滞后、监管模式发展滞后及监管法律法规和制度建设滞后等问题,为进一步优化与提升我国金融监管能力与水平,要重塑金融监督理念、积极推进金融监管体制改革、完善金融监管法律法规建设、加强国际金融监管合作.

目前，我国金融存在着信用基础薄弱、信用体制建设滞后；金融机构内部缺乏鼓励创新、支持创新的氛围；政府行为的不当；金融市场立法的不完善等因素，直接制约着金融创新活动的有序开展。金融不创新，经济也就失去了活力。因此，要从国家战略层次进一步推进我国金融改革与创新，需实现信用制度创新与法制建设的紧密结合；坚持金融创新与实体经济发展相适应的原则；金融机构要审时度势，深刻认识金融创新的紧迫性；准确定位，积极发挥政府在金融创新中的作用；加快我国金融人才的培养与建设力度。