• 综述：加密货币分析中的定价、风险与优化数学模型综述

  本文系统性地综述了加密货币与去中心化金融（DeFi）领域的数学模型应用（2019-2024），揭示了经济计量学模型（如GARCH、随机波动率）与数据驱动方法（如机器学习/深度学习、强化学习）的融合趋势。研究发现，这些混合框架提升了高频、非线性区块链市场的预测准确性。文章同时指出，可解释性、治理和环境可持续性仍是待深入探索的维度。

  来源：Decision Analytics Journal

  时间：2026-02-16

• 动态作业车间调度中的机器学习替代建模与基准测试框架

  本研究针对动态作业车间调度中仿真模型计算成本高、限制大规模快速实验的问题，提出了一种基于机器学习的替代建模框架。研究人员通过构建仿真环境生成合成数据，并系统性地对十种监督学习算法进行了基准测试与微调，最终确定随机森林模型效果最佳（R2为0.91）。该框架能以较低计算成本近似仿真输出，显著提升调度策略性能评估与分析效率，对依赖仿真的启发式和元启发式优化方法具有重要价值。

  来源：Decision Analytics Journal

  时间：2026-02-16

• 从文本框到会说话的虚拟形象：比较聊天机器人和数字人在在线评论收集中的应用

  数字人类通过高仿真视觉和语音交互提升用户在线评论的感知有效性、效率及满意度，其作用机制源于增强的感知人类化及更随意的对话体验。

  来源：Decision Support Systems

  时间：2026-02-16

• 本文獻研究了在Cramér–Lundberg風險模型下，保險公司通過動態投資於風險資產與無風險資產，以最大化所有中間資本水平效用累積期望值的最優投資策略問題。 中文标题 資本水平全時域效用最優化：Cramér–Lundberg模型下的動態投資策略

  本研究針對保險公司在Cramér-Lundberg風險模型下的資產配置難題，探討如何通過動態規劃和最優控制理論，構建一個最大化所有中間資本水平效用累積期望值的投資策略。研究證明了在正則條件下最優策略的存在性，推導並求解了對應的Hamilton–Jacobi–Bellman (HJB)方程，並通過數值模擬驗證了該策略能有效降低破產概率，為保險公司的風險管理和投資決策提供了理論工具和實證支持。

  来源：Decision Analytics Journal

  时间：2026-02-16

• 实时数据市场的最佳销售模式：订阅服务、基于订阅的免费试用或基于订阅的一次性购买

  本文针对实时数据市场供应商的三种销售模式，构建分析模型，探讨买家异质性（价值高低与信息知情）对最优模式选择的影响。研究发现，当高价值买家比例低时，订阅制加一次性购买模式最优；中等比例下免费样例模式最优；高比例时纯订阅模式最佳，并分析了对消费者剩余和社会福利的影响。

  来源：Decision Support Systems

  时间：2026-02-16

• 理解在支持视频会议的在线学习中出现的“网络闲逛”现象：基于资源的视角

  视频会议在线学习中用户网络偷懒行为的影响机制研究，基于资源保存理论，通过混合方法揭示个体（ conscientiousness, 心理疏离）和环境（信息再处理能力，系统资源）资源对自我调节学习的作用，以及感知学习与认知耗竭的中介效应。

  来源：Decision Support Systems

  时间：2026-02-16

• 综述：基于疑虑受益综合指标的政策与决策分析集成文献计量研究

  这篇综述对"疑虑受益"综合指标进行了系统的文献计量分析，聚焦该方法在政策评估中的应用。文章整合了专家知识与大语言模型（ChatGPT/DeepSeek），提出了三个前瞻性研究议程，涵盖了可持续性评估、公共服务绩效等多个领域，为该领域的未来研究提供了清晰的路线图。

  来源：Decision Analytics Journal

  时间：2026-02-16

• 亚马逊是否应该更显眼地展示产品的问答（Q&A）内容？问答和评论在提供信息方面的作用，以及产品使用体验对用户评价的调节效应

  用户生成内容（UGC）对高/低参与度产品销售的影响及设计策略研究。摘要：亚马逊将Q&A移至次级页面并推出AI助手Rufus，引发UGC呈现方式与消费者决策的关系探讨。通过机器学习构建主题重叠与新颖性指标，结合工具变量法分析发现：高参与度产品销售随评论与Q&A互补性增强而提升（降低不确定性），低参与度产品则依赖重复确认信息促进销售。研究提出分类型UGC呈现策略：高参与度需保留互补信息，低参与度优先展示交叉验证内容。贡献包括：1）建立UGC内容与销售影响的作用机制模型；2）提出基于产品参与度的动态内容管理框架；3）验证跨源信息协同效应的边界条件。

  来源：Decision Support Systems

  时间：2026-02-16

• 融合文本与结构化数据的混合机器学习模型：提升P2P借贷客户风险调整收益预测与决策

  随着金融科技的兴起，P2P借贷平台亟需更精确的客户估值方法来应对信息不对称和风险管理挑战。为填补非结构化文本数据在客户价值评估应用中的空白，Marcos R. Machado与Salma Karray开展了一项研究。他们从126,000条P2P在线贷款描述中提取文本主题，并将其与结构化数据结合，通过个体及混合机器学习模型来预测和解释客户的风险调整收益(RAR)。结果显示，混合模型，特别是结合潜在语义分析(LSA)进行客户聚类的模型，预测能力可达R2=97.55%。此项研究证明，整合贷款描述文本可显著提升P2P借贷市场的预测准确性、客户细分及整体估值水平，为金融机构的精准决策提供了新的视角。

  来源：Decision Analytics Journal

  时间：2026-02-16

• 汽车维修车间多目标开放式车间调度模型的优化与应用

  本研究聚焦于汽车维修行业售后服务的效率提升难题。针对维修车间每日调度中的资源分配与服务效率平衡问题，作者Mohammad Behbahani、Reza Izadbakhsh和Hamidreza Izadbakhsh开发了一个双目标开放式车间调度模型。该模型旨在同时最小化车辆总流程时间以及维修工位的空闲与加班成本。通过构建混合整数线性规划模型和提出改进的NSGA-II算法，并结合来自伊朗大型汽修中心的真实案例进行验证，研究结果表明，相较于人工调度，所提方法能将总流程时间减少约42%，并将空闲与加班成本降低约47%，显著验证了基于优化的调度方案在提升汽车售后服务运营效率方面的实际价值。

  来源：Decision Analytics Journal

  时间：2026-02-16

• 如何利用数字平台提升组织的韧性：供应链整合与市场导向的作用

  农业企业数字平台利用通过供应链整合影响组织韧性的机制研究。

  来源：Decision Support Systems

  时间：2026-02-16

• 基于知识蒸馏和课程学习的、在概念漂移情况下的金融强化学习

  概念漂移问题在金融高频交易中的强化学习框架研究。提出环境情绪感知的框架，结合知识蒸馏和课程学习应对突发与渐进式概念漂移。实验显示在TAIEX期权数据上PnL-MAP提升38.17%，夏普比率提高0.07，维持库存风险稳定，检测到每周约一次的突发漂移事件。

  来源：Decision Support Systems

  时间：2026-02-16

• 基于多式联运与返程运输协同优化的农产品供应链物流分析：以巴西大豆与化肥为例

  本研究针对巴西等发展中经济体农业供应链因高物流成本和对进口化肥依赖而全球竞争力受限的问题，开发了一个集成的多商品优化模型。该模型协同规划大豆出口与化肥进口的物流，整合了多式联运选项、运力约束、最低装载要求和返程策略。通过评估六种不同情景，研究发现运力限制显著重塑物流模式，而返程策略能在大豆与化肥供应链间促进整合，在限制条件下尤其能提升网络平衡与适应性，为基础设施规划与战略决策提供了重要洞见。

  来源：Decision Analytics Journal

  时间：2026-02-16

• 循环还是顺序？理论探讨人机协作模式在在线知识生产中的作用

  在线知识生产中人类-机器人协作的循环与序列模式研究，基于协调理论与自组织理论，分析任务依赖性如何影响两种协作模式形成及其对知识生产质量与效率的差异影响，发现循环模式在质量与效率上均显著提升，而序列模式仅提升质量。人类任务相关经验可增强两种模式下的效率，但对质量无影响。研究为优化在线协作提供理论依据与实践启示。

  来源：Decision Support Systems

  时间：2026-02-16

• 探究虚拟现实支持的元宇宙团队合作中的社会惰性现象

  虚拟团队协作中的社会 loafing 问题及心流机制研究，通过 S-O-R 框架分析技术熟练度、任务投入和感知共在三个刺激因素对个体心流状态的影响，揭示心流通过强化社会资本和抑制道德解离两条路径减少贡献退出的作用机制，并发现非正式惩罚可削弱道德解离与 loafing 的关联。

  来源：Decision Support Systems

  时间：2026-02-16

• 在直播市场中了解用户偏好：一个考虑时间效应的图形模型

  直播推荐系统优化。本文提出融合泊松因子分解与分层结构的时序可解释图模型，有效捕捉用户偏好、主播流行度及时间动态变化，解决传统模型在稀疏非负计数数据建模上的不足。实验表明模型在观看量预测和用户-主播交互分析中优于基线方法，且低维表征可提升支付预测和精准分群能力。

  来源：Decision Support Systems

  时间：2026-02-16

• 基于主题驱动的金融情感分析在财务报表舞弊检测中的应用

  本文聚焦于财务报表舞弊这一严重危害市场诚信、造成巨大经济损失的问题。传统方法依赖财务指标，常忽略管理层文本披露中的欺骗性语言模式。为此，研究人员提出并验证了一种基于主题驱动的金融情感分析（Topic-Driven Financial Sentiment Analysis, TDFSA）模型。该模型整合了FinBERT嵌入和金融主题建模，专注于分析年报中“管理层讨论与分析”（MD&A）部分的文本。研究结果表明，相较传统词典法、通用主题模型和深度学习基线，TDFSA模型在结合财务比率和成本敏感学习框架后，实现了更高的检测准确率和更低的误判成本，为构建更稳健、精准的自动化舞弊检测系统提供了新思路。

  来源：Decision Support Systems

  时间：2026-02-16

• 人工智能生成的内容如何重塑用户生成的内容？来自TripAdvisor的一项实证研究

  用户生成内容受AI摘要影响呈现双刃剑效应，差分分析显示高评分低星级酒店评论量降幅达40%，伴随评论长度增加18%和评分下降0.3分，内容主题转向具体体验，揭示AI工具在提升信息获取效率的同时削弱UGC生态多样性。

  来源：Decision Support Systems

  时间：2026-02-16

• 在随机条件下进行可持续性评估的分析框架

  短视频平台用户行为建模面临动态兴趣、复杂参与状态和异构特征融合挑战，本文提出基于S-O-R框架的DIEM模型，通过因果Transformer捕捉时序依赖，双向自注意力 amortized网络推断潜在参与状态，实现用户与内容特征的统一表征。实验表明DIEM在Kuaishou数据集上显著优于基线模型，有效揭示兴趣动态演变规律。

  来源：Decision Analytics Journal

  时间：2026-02-16

• 协变量偏移下机器学习系统性能影响的决策支持框架：估计、监控与模型生命周期管理

  本篇综述针对机器学习部署中的协变量偏移（Covariate Shift）问题，提出了一种数据驱动的决策支持系统（DSS）框架。该框架旨在无需目标（Target）集标签或重新训练模型的情况下，估计模型性能、监测偏移危害性，并指导模型维护决策，从而应对动态环境中因数据分布变化带来的预测偏差风险。

  来源：Decision Support Systems

  时间：2026-02-16

知名企业招聘：