杜亚军近年来发表的主要论文:[1].YaJun Du, HaiMing Li. Strategy for Mining Association Rules for Web Pages Based on Formal Concept Analysis. Applied Soft Computing, 2010，10(2),( SCI).[2].YaJun Du,ZhanBing Dong. Focused Web Crawling Strategy Based on Concept Context Graph. Journal of Computational Information Systems, 2009, 3:1097-1106(EI: 20094412411886).[3].ShangMing Chen, YaJun Du, QiangQiang Peng. Ontology-Based Query ExPansion In Formal Concept Analysis. Journal of Computational Information Systems, 2009, 3:1603-1612(EI: 20094412411945).[4].FuGui Wang, YaJun Du, QingHua Dong. A search Quality Evaluation Based on FCA. International Journal of Digitai Content Technology and Its Applications, 2009, 3(2):55-61.[5].Mingli Feng, Yajun Du Mingjun Feng, Yingyu Wang. Personalized user-query semantic clustering using search click information. International Conference on Management and Service Science (MASS 2009).[6].Qiangqiang Peng, Yajun Du,Yufeng Hai,Shaoming. Topic-specific crawling on the Web with concept context graph based on FCA. International Conference on Management and Service Science (MASS 2009).[7].Zhen Zhang, YaJun Du, ChengJie Li. AntCrawlers: Focused Crawling Agents Based on the Idea of Ants. The Proceeding of International Conference on Control, Automation and Systems Engineering, 2009, 250:253.(EI:20094712474494)[8].Bing Zhang, YaJun Du, HaiMing Li, LiBo Jia. The method of Query Expansion Based On Domain Ontology. The Proceeding of Pacific-Asia Congerence on Circuits, Communications and System, 2009, 755-758.( EI:20094512436248)[9].YingYu Wang, YaJun Du, ShaoMing Chen. The understanding between teo agent Crawlers Based on Domain Ontology. The proceeding of Computational Intelligence and Natural Computing, 2009, 47-50.(EI: 20094512430674)[10].YueKui Yang, YaJun Du, YuFeng Hai, ZhaoQiong Gao, A Topic-Specific Web Crawler With Web Page Hierarchy Based on HTML Dom_tree. The proceeding of Asia-Pacific Conference on Information Processing, 2009, 420-423. (EI:20094912527470)[11].ZhaoQiong Gao, YaJun Du, LiangZhong Yi, QiangQiang Peng, YueKui Yang, Incrementally Updating Concept Context Graph(CCG) for Focused Web Crawling Based on FCA. The proceeding of Asia-Pacific Conference on Information Processing, 2009, 40-43. (EI:20094812515462)[11].杜亚军，The Strategy of Matching User Queries with Web Pages Based on Formal Concept，西华大学学报：自然科学版，2008,27(6):38-48.[12].Kai Li, Yajun Du, Dan Xiang, Honghua Chen, Zhenwen Liao. A Method for Building Concept Lattice Based on Matrix Operation. ICIC (2) 2007:350-359.(EI: 080311023722).[13].Dong QinHua, Du YaJun, Wang FuGui. Scheduling strategy based on the collaboration of agents for MSE. Proceedings - ISECS International Colloquium on Computing, Communication, Control, and Management.2008.8: 556-560(EI :084311659247).[14].Li XinChun, Du YaJun. Domain Ontology based Semantic Matching of Concept Lattices. Journal of Computational Information Systems. 2008.02:535-540.(EI: 081811231572).[15].Yajun Du, HaiMing Li. An intelligent model and its implementation of search engine. Journal of convergence information technology. 2008, 3(2): 57-66.[16].Bing Zhang, YaJun Du, YuTing Wang HaiMing Li. Query Expansion based on Topics. Proceedings - 5th International Conference on Fuzzy Systems and Knowledge Discovery, FSKD2008,v2:610-614(EI: 20090211845668).[17].YuTing Wang, YaJun Du. Selection of personalized start-URLs based on User Ontology.Journal of Computational Information Systems.2008,v2,3: 899-906. (EI: 083211445080).[18].Qinhua Dong, Yajun Du, Fugui Wang.A MSE Model with Learning Mechanism and FCA Merging,2008, proceedings of ICALIP 2008(EI: 083911587679).[19].Fugui Wang ,Yajun Du,Qinhua Dong. A search quality evaluation based on objective-subjective method. Journal of convergence information technology, 2008, 3,2: 50-56.[20].Yuekui Yang, Yajun Du, Jingyu Sun,Yufeng Hai. A topic-specific web crawler with concept similarity context graph based on FCA, proceeding of icic2008: 840-847.(EI: 084111630427).[21].Yan Bing, Du YaJun, Li ZhanSheng. The new clustering strategy and algorithm based on latent semantic indexing. Proceedings - 4th International Conference on Natural Computation, ICNC 2008, v 1, 486-490.( EI:20085211803858).[22]. Xiang dan, YaJun Du. Coordination and Communication among Topic Specific Search Agents. icnc2007:703-707. (EI: 080311026960).[23]. ChunZhi Xie, Liangzhong Yi, Yajun Du, Zheng Pei: The Research of Social Navigation based on Fuzzy Concept Lattice. ACIS-ICIS 2007:1005-1011. (EI:082911 375286).[24]. Tang, Juan; Du, Ya-Jun; Wang, Ke-Liang. Design and Implement of Personalize Meta-Search Engine Based on FCA. ICMLC.2007:4026-4031.(EI: 080311031024).[25]. Yajun Du, Zheng Pei, Haiming Li, Dan Xiang, Kai Li. New Fast Algorithm for Constructing Concept Lattice. ICCSA (2) 2007,10:434-447.(EI: 080311038602).[26].杜亚军，智能信息处理及其在搜索引擎中的应用，西华大学学报：自然科学版，2007,26(2):1-5.[27].唐娟,杜亚军,王可亮. 一种基于形式概念分析的问答系统答案抽取的研究. 计算机应用. 2007,27(3):653-656.[28].邓波, 杜亚军, 王丽. 基于BAM的用户查询与网页匹配的研究. 河北师范大学学报：自然科学版. 2007:31(5):594-599.[29].YaJun Du, XinChun Li. An Semantic Rank for Web Crawler Based on Formal Concept Analysis. ISKE-2007 Proceedings. 2007.10:971-977.[30].ChunZhi Xie, LiangZhong Yi and YaJun Du. An Algorithm for Fuzzy Concept Lattices Building with Application to Social Navigation. ISKE-2007 Proceedings. 2007,10:950-955.[31].Jing Wang, YaJun Du. A Method of Personalized Web Search Result Clustering Based on Formal Concept Analysis. ISKE-2007 Proceedings. 2007,10:983-987.[32].YaJun Du, Zheng Pei, HaiMing Li, Dan Xiang, Kai Li. New Fast Algorithm for Constructing Concept Lattice. ICCSA (2) 2007,10:434-447(EI: 20080311038602).[33].YaJun Du, The Strategy of Matching User Queries with Web Pages Based on Formal Concept. ICIC (2) 2007:489-498.[34].Tang Juan, Du YaJun, Wang KeLiang. Design and Implement of Personalize Meta-Search Engine Based on FCA. ICMLC.2007:4026-4031(EI: 20080311031024).[35].Tang Jun, Du YaJun, Qi, Liang. Research on Concept Lattice Based Personalized Information Retrieval. ICMLC.2007:4032-4037(EI: 20080311031025).[36].Kai Li, YaJun Du, Dan Xiang, HongHua Chen, ZhenWen Liao. A Method for Building Concept Lattice Based on Matrix Operation. ICIC (2) 2007:350-359(EI 20080311023722).[37].Li Kai, Du YaJun, Dan Xiang. Collaborative Recommending Based on Core-Concept Lattice. ASC2007:583-592.[38].Deng Bo, Du YaJun. Research on matching between user queries and web pages based on BAM. SNPD 2007:81-85(EI: 20074110862678).[39].Xiang Dan, YaJun Du. Coordination and Communication among Topic Specific Search Agents. icnc2007:703-707(EI: 20080311026960).[40].ChunZhi Xie, LiangZhong Yi, Yajun Du, Zheng Pei: The Research of Social Navigation based on Fuzzy Concept Lattice. ACIS-ICIS 2007:1005-1011(EI: 20082911375286).[41]Du YaJun, Li HaiMing, Chen HongHua, Xie Chuan, The analysis of intelligence behavior of search engine. 2006 International Symposium on Communications and Information Technologies, ISCIT, 563-567(EI: 20083711530362).[42].Hai YuFeng, Du YaJun, Li HaiMing. A New Strategy of Query Expansion using Formal Concept Analysis. Proceedings - Sixth IEEE International Conference on Computer and Information Technology (EI:20073110733126).[43].Cao Long, Du YaJun，Shen JieFeng. Design and implementation of universal print function about grid component in Delphi. Computer Engineering. 31(20), 2005, p 229-230+233(EI:05479500429).[44].Zeng ChuanHua, Xu Yang, Du YaJun, Xie WeiCheng. Knowledge discovery and model structure selection based on rough set theory.Xinan Jiaotong Daxue Xuebao/Journal of Southwest Jiaotong University, v 41, n 3, June, 2006, p 324-328(EI: 063310068157).[45].Pei Zhen, Du YaJun, Ying LiangZhong. Decision inference based on extended decision rules of probabilistic information system. Xinan Jiaotong Daxue Xuebao/Journal of Southwest Jiaotong University, v 41, n 1, February, 2006, p 131-134(EI: 06139783852)[46].陈俊华, 慕长龙, 陈秀明, 向成华, 罗成荣, 陈国先, 杜亚军. 基于物元分析的小流域土地利用结构调整及景观格局变化. 生态学报, 2006, 7. 2093-2100.[47]. Du Ya-Jun, Li Hai-Ming, Hao Fei, Xie Chuan. A method checking the correctness of sentence of formal language based on linear resolution. 2006 International Symposium on Communications and Information Technologies, 558-562 (EI:20083711530361).[48].Jun Tang, Du YaJun, Shen JieFeng.Research in Concept Lattice based automatic document ranking.2005 International Conference on Machine Learning and Cybernetics, ICMLC 2005, 5560-5565(EI: 05509539716).[49].Du YaJun, Xu Yang, Pei Zheng, Pen Hong, Li HaiMing. An algorithm retrieving rules from web page based on concept lattice. 2005 International Conference on Machine Learning and Cybernetics, ICMLC 2005, 2368-2372(EI: 05509539134).[50].Shen JieFeng, Du YaJun, Jun Tang. The personalized page recommender system based on meta-search engine, 17th IMACS world congress scientific computation applied mathematics and simulation, 2005.[51].曹龙, 杜亚军. 基于Web Services的个人搜索引擎. 计算机工程与应用,2005年2期: 138-141,175.[52].Zheng Pei, YaJun Du, LiangZhong Yi, Yang Xu, Obtaining a complex linguistic data summaries from database based on a new linguistic aggregation operator, IWANN2005, LNCS，Springer-Verlag, Spain, 771-778，2005. （SCI BCO15）[53].YaJun Du, HaiMing Li, Zheng Pei, Hong Peng. Intelligent Spider's Algorithm of Search Engine Based on Keyword. Transactions on Computer and Information technology. 2005 1(01):40--49.[54].沈杰峰，杜亚军，唐俊，基于项目分类的协同过滤算法，第22届全国数据库会议，2004[55].沈杰峰，杜亚军，唐俊，基于蚁群算法的网页推荐，西华大学学报·自然科学版,2005, 24(6), 29-32.[56].唐俊杜亚军沈杰峰. 判断点与区域位置关系的改进算法. 西华大学学报：自然科学, 24(5), 14-17,71.[57].YaJun Du, Yang Xu, LiangZhong Yi, Zheng Pei. Research on Personal Intelligent Search Engine Based on Keywords. Proceeding of International Symposium on Communications and Information Technologies 2004. Sapporo, Japan. 2004:228--231.(EI:05299224396).[58].YaJun Du, Yang Xu, ZhanShen Li, DongMei Qi. Discussion on Interest Spider's Algorithm of Search Engine. Proceeding of The 2004 IEEE International Conference on Information Reuse and Integration (IRI 2004). Las Vegas, Nevada, USA. 2004:433--436(EI:05169044887).[59].YaJun Du, Yang Xu, ZhanShen Li, DongMei Qi. Implementation of AN Intelligent Spider's Algorithm for Search Engine.Applied Computational Intelligence - Proceedings of the 6th International FLINS Conference:324--327.(EI:04498704428).[60].杜亚军，邱小平，徐扬. 中文搜索引擎智能的探讨. 计算机应用研究. 2004, 21(4), 29-31,35.[61].杜亚军, 严兵宋亮. 爬行虫算法设计与程序实现.计算机应用. 2004,24(1),33-35.[62].齐冬梅, 杜亚军, 李战胜. 计算机应用, 2004, 24(B12),179-182.[63].杜亚军. 计算机科学前沿问题综述与评价. 四川工业学院学报, 2004, 23(4), 46-48.[64].杜亚军, 陈国先, 陈秀明, 陈俊华, 雷效章, 蔡小虎, 彭沛好.川渝77县长防林（一期）工程的综合效益评价与分析. 生态学杂志, 2003，22(1),69-72.[65].杜亚军, 陈国先, 李辉, 蓦长龙, 陈秀明. 低山丘陵地区稳定高效防护林体系地理信息系统. 四川工业学院学报, 2003, 22(3),74-76.[66].YaJun Du, Zheng Pei,Yang Xu. The Humanity Research of Seaech Engine Based on Uncertain Reasoning. Proceeding of The Second International Conference on Machine Learning and Cybernetics(ICMLC'2003). 2003, Xi'an, Volumn 4:447--452 (EI:EIP04128071058).[67].ZhanShen Li,YaJun Du, Yang Xu, YueKun Wang, Dongmei Qi. The Personalized PageRank Based on User Behavoirs, Applied Computational Intelligence - Proceedings of the 6th International FLINS Conference:318--323.(EI:04498704427).[68].XiaoPing Qiu, Yang Xu, YaJun Du, Xiaohong Liu, YongChuan Tang, Hua Zhu,A New Special-Domain and Stepwise Intelligent Development Method in Software Engering.Proceedings of 2003 IEEE International Conference on Systems, Man \& Cybernetics, Oct. 2004, Washington:2398--2401 (EI:04458446856).[69].李辉, 杜亚军. 图书资料检索过程的智能行为研究. 西华大学学报（哲学社会科学版）, 2004, 23(4).[70].XiaoPing Qiu, Haiming Li, YaJun Du, Yang Xu. Adding Forecast Support to Workflow Management System by Classical Logic Formula Computing. Proceedings of the Second International Conference on Machine Learning and Cybernetics(ICMLC'2003). 2003, Xi'an, Volumn 4:2061--2066(EI: 04128072218).[71].XiaoPing Qiu,YaJun Du, FengBin Zheng. An Automated Reasoning Method Used in Workflow Management System. Proceedings of 2003 IEEE International Conference on Systems, Man \& Cybernetics. Oct. 2003, Washington: 5016-5021 (EI:03487751505).[72].杜亚军，徐扬. 关系数据库中的关系代数范畴模型的讨论. 西南交通大学学报. 2003, 38(2):703-707.[73].杜亚军, 陈国先. 低山丘陵地区稳定高效防护林体系地理信息系统主要功能-小流域结构调整. 四川工业学院学报, 2002, 21(4), 50-53.[74].杨顺军, 郭再平, 杜亚军. 小折射解释程序的研制与应用. 四川地质学报, 2002, 22(3).[75].杜亚军, 刁礼泉. 基于Windows95/98操作系统的软盘加密系统, 四川工业学院学报, 2001, 20(1), 37-38.[76].Du Yajun, Yang Long, He Zhengwei. Reservoir parameter prediction procedure facing to microfacies on the basis of BP artificial neural network. Chengdu Ligong Xueyuan Xuebao/Journal of Chengdu Institute of Technology, 1998, 25( Suppl), 107-111(EI:1998084339183).[77].Du Yajun, YangLong. Application of the scientific visualization and artificial intelligence to the substratum correlation. Chengdu Ligong Xueyuan Xuebao/Journal of Chengdu Institute of Technology, 1998, 25(Suppl), 112-117(EI:1998084339184).[78].Yang, Long; Du, Yajun. Visual research into BP neural network and BP intelligence algorithms. Chengdu Ligong Xueyuan Xuebao/Journal of Chengdu Institute of Technology, 1998, 25(Suppl), 97-106(EI:1998084339182).[79].杜亚军, 杨龙. 线性地质统计学在地质工作计算机化中的作用及意义. 四川地质学报, 1996, 4.[80].杜亚军，田竞亚．李伍铜矿床控矿构造地质特征及演化模式探讨. 四川地质学报, 1996, 16(3), 213-218.
近五年来，在国内外学术期刊上公开发表论文30多篇，其中有15篇论文被EI或ISTP收录。出版的教材或专著有：1．《Foxpro实用教程》，南京大学出版社，1994年（主编）2．《用C++建造专家系统》，电子工业出版社，1996年 （副主编）3．《机器学习与智能决策支持系统》，科学出版社，2004年5月（副主编）4．《编译原理》，北京希望电子出版社，2005年11月（主编）5．《现代物流技术》，中国物资出版社，2006年1月（主编）（被评为国家“十一五”规划教材）6．《物流信息系统》，中国物资出版社，2006年2月（副主编）7. 《智能管理技术与方法》，科学出版社，2007年10月（主编）8. 《动态数据挖掘》，科学出版社，2010年8月（主编）近年来，发表的主要学术论文如下： [1] Zhangjun Wu, Xiao Liu, Zhiwei Ni, Dong Yuan, Jinjun Chen, Yun Yang: A Market-Oriented Hierarchical Scheduling Strategy in Cloud Workflow Systems, Journal of Supercomputing, Volume 63,Issue 1,pp.256-293,2013.(UT WOS:000313166000013).[2] Xiao Liu,Zhiwei Ni,et al.A Novel Statistical Time-Series Pattern based Interval Forecastting Strategy for Activity Durations in Workflow Systems.Journal of Software and system,2011,(84),354-376.(SCI indexed)[3] Liping Ni, Zhiwei Ni, YaZhuo Gao.Stock trend Prediction Based on Fractal Feature Selection and Support Vector Machine.Expert system with applications,2011,(38),5569-5576.(SCI indexed)[4]Xiao Liu,Zhiwei Ni,et al.A probabilistic strategy for temporal constraint management in scientisfic workflow systems.Concurrrency and Computation :Pratice and Experience,2011,23(16),1893-1919.(SCI indexed) [5] Xiao Liu, Zhiwei Ni, Zhangjun Wu, Dong Yuan, Jinjun Chen, Yun Yang: A Novel General Framework for Automatic and Cost-Effective Handling of Recoverable Temporal violations in Scientific Workflow Systems, Journal of Software and System,2011,(84),492-509. (SCI indexed ) [6]Zhiwei Ni,Junfeng guo ,et al.An Efficient Method for Improving Query Efficiency in Data Warehouse.Journal of software,2011,6(5),857-865.[7]高雅卓， 倪志伟等.连续属性上的OLAP查询建模方法研究.情报学报，2011，30(4),372-379.[8]张以文，倪志伟等.云计算环境下动态虚拟企业伙伴选择模型.计算机科学，2011，38(7),212-215.[9]倪志伟，公维峰等.数据流中随机型分型维数计算方法研究.计算机科学，2011，38(4),209-212.[10]倪志伟，吴昊等.基于改进的经验模态分解的时间序列匹配算法.系统仿真学报，2011，23(11),2395-2399.[11]姜苗，倪志伟等.数据流时间窗口中闭频繁项集的在线挖掘.中国科学技术大学学报，2011，(8),729-745.[12] Zhangjun Wu, Zhiwei Ni, Lichuan Gu, Xiao Liu: A Revised Discrete Particle Swarm Optimization for Cloud Workflow Scheduling, 2010 International Conference on Computational Intelligence and Security (CIS2010), Nanning, China, 11-14 Dec. 2010 (EI indexed) [13] Xiao Liu, Zhiwei Ni, Zhangjun Wu, Dong Yuan, Jinjun Chen, Yun Yang: A Framework for Handling Fine-Grained Recoverable Temporal Violations in Scientific Workflows, 16th IEEE International Conference on Parallel and Distributed Systems (ICPADS2010), Shanghai, China, December 7-11, 2010, on Sept. 05, 2010 (EI indexed). [14] Yazhuo Gao, Zhiwei Ni, Yuxiao Zhao.A scheduling strategy for OLAM tasks and its application in a financial BI system Business Intelligence and Financial Engneering .2009会议论文集: 435-440 (EI收录) [15] Zhiwei Ni, Dan Han, Gongrang Zhang, Yazhuo Gao.Extension CBR Retrieval.AICI2009:224—227 (EI收录) [16] Zhangjun Wu, Zhiwei Ni，Chang Zhang, Lichuan Gu. A Novel PSO for Multi-stage Portfolios Planning, IEEE International Conference on Artificial Intelligence and Computational Intelligence (AICI2009)，71—77 (EI收录) [17] Chang Zhang, Zhiwei Ni, Zhangjun Wu,Lichuan Gu. A Novel Swarm Model with Quasi-Oppositional Particle, International Forum on Information Technology and Applications (IFITA 2009), pp.325-330 (EI收录) [18] Li Fenggang, Wang Xiaolu, Ni Zhiwei, Ni Liping. Semantic Analysis Based Literature Transaction System of Xi-An Medical Authority, Intelligent Information Management Systems and Technologies (2010),Volume6,No.3 ,219—226 [19] Xiao Liu, Jinjun Chen, Zhangjun Wu, Zhiwei Ni, Dong Yuan, Yun Yang.Handling Recoverable Temporal Violations in Scientific Workflow Systems: A, Workflow Rescheduling Based Strategy,2010,pp.534-537 [20]Chao Wang ,Zhi-wei Ni ,Jun-fen Guo.A Fast Bidirectional Method for Mining Maximal Frequent Itemsets，The Third International Joint Conference on Computational Sciences and Optimization (CSO 2010),447—450 [21]倪志伟,高雅卓,李伟东,束建华.基于矩阵的增量式关联规则挖掘算法.计算机工程与应用, 2008,44(13):153-155 [22]刘斌,倪志伟,赵敏.基于属性重要性的贪心算法的改进算法.合肥工业大学学报,2010,33(8):1185-1188 [23]王丽红,倪志伟, 高雅卓.改进的蚁群算法求解多目标车间作业调度问题.计算机技术与发展,2008 ,18(10):49—52 [24]吴姗,倪志伟,罗贺,郑盈盈.一种基于密度的无监督联系发现方法.中国管理科学,2008,16:29—32 [25]梁敏君,倪志伟,倪丽萍,杨葛钟啸.基于网格与分形维数聚类算法.计算机应用,2009,29(3):830-833 [26]倪丽萍,倪志伟,吴昊,叶红云.基于分形维数和蚁群算法的属性选择方法.模式识别与人工智能, 2009,22(2):293—298(EI收录) [27]倪志伟,倪丽萍,杨葛钟啸.分形技术在案例库维护中的应用.计算机应用,2009,29(6):1598—1604 [28]倪志伟,吴姗,胡汤磊.联系发现在证券客户划分中的应用研究.计算机工程与应用, 2009, 45(18):201--204 [29]Dan Han, Zhiwei Ni, Gongrang Zhang, Hongyu Wang, Jun Yan. Research and Design the Extension Case BaseBased on CBR. BIFE International meeting, 2009，:210—214 (EI收录) [30]郑盈盈,倪志伟,吴姗,王丽红.基于移动网格和密度的数据流聚类算法.计算机工程与应用,2009,45(8):129--131 [31]王园园,倪志伟,赵裕啸,伍章俊.基于决策树的模糊聚类评价算法及其应用.计算机技术与发展, 2009,19(9):232-235 [32]严军,倪志伟,王宏宇,韩丹.案例推理在汽车诊断中的应用.计算机应用研究. 2009,26(10):3846-3848 [33]刘慧婷,倪志伟.基于EMD与交叉覆盖算法的个人信用的评估.计算机工程与设计,2009,10:4472—4491 [34]刘慧婷,倪志伟.基于EMD与K-means算法的时间序列聚类.模式识别与人工智能,2009.10 :803—808 [35]倪志伟,李建洋,李锋刚, 杨善林.案例决策技术及案例决策支持系统研究综述.计算机科学,2009,36(11):18—23 [36]郭峻峰, 倪志伟, 高雅卓, 伍章俊.一种提高数据仓库查询效率的有效方法.计算机集成制造系统, 2009,15(12):2451-2457 (EI收录) [37]高雅卓,倪志伟,郭峻峰,胡汤磊.用户兴趣驱动的冰山数据立方体构建及更新方法研究.计算机科学, 2009,36(12):179-182 [38]赵裕啸,倪志伟,王园园,伍章俊.SQL Server 2005数据挖掘技术在证券客户忠诚度的应用.计算机技术与发展, 2010,20(2):229-232 [39]李锋刚,倪志伟, 郜峦.案例推理和多策略相似性检索的中医处方自动生成.计算机应用研究,2010, 27(2):544—547 [40]李建洋,倪志伟,郑金彬,谢秀珍.案例知识维护技术的研究进展.武汉工程大学学报,2010,32(3):96-99 [41]赵敏,倪志伟,刘斌.K-means与朴素贝叶斯在商务智能中的应用.计算机技术与发展, 2010,20(4):179-182 [42]王宏宇,倪志伟,严军,韩丹.灰度关联理论在CBR中的应用研究.计算机技术与发展, 2010,20(5):96-100 [43]罗义钦,倪志伟,杨葛钟啸.一种新的数据流分形聚类算法.计算机工程与应用, 2010,46 (6): 136-13 [44]查春生，倪志伟，倪丽萍，公维峰.基于相空间重构的股指时间序列相关性分析,计算机技术与发展，计划在2010年第8期刊载 [45]姜苗，倪志伟，王超，戴奇波.在线挖掘数据流混合窗口中闭频繁项集，系统仿真学报， [46]辜丽川，倪志伟，张友华.一种基于核矩阵迭代学习的范例相似度算法，模式识别与人工智能。 [47] Case base maintenance based on outlier data mining，Proc. 4th Intl. Conf. on Machine Learning and Cybernetics，IEEE Press, China, 2005.8 ，2861-2864 [48] 基于相似粗糙集的案例特征项的约简维护, 计算机科学，Vol.32,No.8.A , 2005，93-96 [49] 数据流管理与挖掘研究, 合肥工业大学学报(自然科学版), Vol.28, No.9 , 2005，1157-1162 [50] Case-Based Reasoning Framework Based On Data Mining Technique. Proceedings of the Third International Conference on Machine Learning and Cybernetics, Shanghai, August，2004，2511-2514 [51] 基于案例和规则相结合的推理技术,小型微型计算机系统，2004,Vol.25，No.7,1155-1158 [52] 集成范例推理系统的研究，系统仿真学报，2004，Vol.16，No.4， 803-806 [53] 范例推理中范例自动获取的数据挖掘技术，天津大学学报，2003年，Vol.36,No.1，82-86 [54] 基于知识发现的范例推理系统，计算机科学，Vol.30,No.5,2003年，26-29 [55] 范例推理系统中的范例库维护，小型微型计算机系统，Vol.24, No.10，2003年10月，1825-1828 [56] Integrated case-based reasoning，Proceedings of 2003 International Conference on Machine Learning and Cybernetics ,Xi’an,2003，1845-1849 [57]范例推理中的知识发现技术，小型微型计算机系统，Vol.23,No.2，2002年2月，159-162 [58]范例库中特征项权重的发现技术，厦门大学学报， Vol.41,No.2,2002年3月，168-172 [59]用神经网络来实现基于范例的推理系统，计算机工程，2002年7月，Vol.28,No.7 [60]A neural network case-based reasoning and its application , Proceedings of 2002 International Conference on Machine Learning and Cybernetics ,Beijing, 2002.11，529-532 [61]范例库上的知识发现，南开大学学报，2002年12月，Vol.35,No.4 [62]神经网络专家系统及其数据挖掘技术的探讨，系统工程学报，2001年，Vol.16, No.1, 61-65
蔡自兴教授已在国内外发表论文和科技报告等860多篇。2010年：1.Cai Zixing. Research on navigation control and cooperation of mobile robots (Plenary Lecture 1). 2010 Chinese Control and Decision Conference, New Century Grand Hotel, Xuzhou, China, May 26- 28, 2010.2.Cai Zixing. Research on navigation control and cooperation of mobile robots (Plenary Lecture 1). 2010 Chinese Control and Decision Conference, New Century Grand Hotel, Xuzhou, China, May 26-28, 2010.3. Chen Baifan,Zi-Xing Cai, Zhi-Rong Zou. A Hybrid Data Association Approach for Mobile Robot SLAM. International Conference on Control, Automation and Systems, October 27-30, 2010, KINTEX, Gyeonggi-do, KOREA (Accepted).4. Guo Fan,Cai Zixing, Xie Bin, Tang Jin. Automatic Image Haze Removal Based on Luminance Component. The International conference on Signal and Image Processing (SIP 2010).May 2010 (Accepted).5. Linai. Kuang,Zixing. Cai.Immune System based Redeployment Scheme for Wireless Sensor Networks[C].In proceeding of 1st IET International Conference on Wireless Sensor Network. Beijing, China, November,2010.6. Lingli YU,Zixing CAI, A Study of Multi-Robot Stochastic Increment Exploration Mission Planning [J]. Frontiers of Electrical and Electronic Engineering in China, (Received).7. Liu Hui,Cai Zixing, and Wang Yong. Hybridizing particle swarm optimization with differential evolution for constrained numerical and engineering optimization. Applied Soft Computing, 2010,10(2): 629–640.8. LIU Xian-ru,CAI Zi-xing. Advanced obstacles detection and tracking by using fusing radar and image sensor data. International Conference on Control, Automation and Systems，2010/10/27,Korea.9. Liu Xianru,Cai zixing. Advanced obstacles detection and tracking by using fusing Radar and Image Sensor Data[C]. International Conference on Control, Automation and Systems. (October 27-30,2010, KINTEX, Gyeonggi-do, KOREA).10. Ren Xiaoping,Zixing Cai. Kinematics Model of Unmanned Driving Vehicle. Proceedings of the 8th World Congress on Intelligent Control and Automation, July 6-9 2010, Jinan, China, 2010: 5910-5914.11. Suqin Tang,Zixing Cai: Tourism Domain Ontology Construction from the Unstructured Text Documents. The 9th IEEE International Conference on Cognitive Informatics, Beijing, China.2010,pp297-301.12. Suqin Tang,Zixing Cai: Using the Format Concept Analysis to Construct the Tourism Information Ontology. The 2010 Seventh International Conference on Fuzzy Systems and Knowledge Discovery (FSKD'10)，Yantian, China.2010, pp2941-2944.13. Tan Ping,Zixing Cai. An Adaptive Particle Filter Based on Posterior Distribution. Proceedings of the 8th World Congress on Intelligent Control and Automation, July 6-9 2010, Jinan, China, 2010: 5886-5890.14. Wang Yong,Cai Zixing, Zhang Qingfu. Differential evolution with composite trial vector generation strategies and control parameters. IEEE Transactions on Evolutionary Computation, Accept, regular paper.15. Wang Yong,Cai Zixing. Constrained evolutionary optimization by means of (mu+lambda)-differential evolution and improved adaptive trade-off model. Evolutionary Computation, in press.16. Wang Yong, Combining multiobjective optimization with differential evolution to solve constrained optimization problems. IEEE Transactions on Evolutionary Computation, (regular paper, Accepted).17. Xianru Liu,Zixing Cai.Advanced Obstacles Detection and tracking by Fusing Millimeter Wave Radar and Image Sensor Data,International IEEE Intl Coference on Control,Automation and Systems , Korea, 2010, 22:1115-1121.18. Xie Bin, Fan Guo,Zixing Cai. Improved Single Image Dehazing Using Dark Channel Prior and Multi-Scale Retinex. 2010 International Conference on Intelligent System Design and Engineering Application, Changsha, China, 2010. (Accepted) .19. YU Ling-li,CAI Zi-xing, GAO Ping-an, LIU Xiao-ying. A spatial orthogonal allocation and heterogeneous cultural hybrid algorithm for multi-robot exploration mission planning. Journal of control theory and applications (Received) .20.蔡自兴，陈白帆，刘丽珏. 智能科学基础系列课程国家级教学团队的改革与建设. 计算机教育，2010，（127）：40-44 .21.蔡自兴，任孝平，李昭.一种基于GPS/INS组合导航系统的车辆状态估计方法. Proc.CCPR2010, 2010.22.蔡自兴。智能科学技术课程教学纵横谈. 计算机教育，2010，（127）：2-6.23.蔡自兴，蒋冬冬，谭平，安基程。H.264中快速运动估计算法的一种改进方案;计算机应用研究2010,27(4):1524-1525.24.蔡自兴; 任孝平; 邹磊; 匡林爱. 一种簇结构下的多移动机器人通信方法.小型微型计算机系统,2010,31(3):553-556.25. 陈爱斌，蔡自兴.一种基于目标和背景加权的目标跟踪方法,控制与决策，2010,25(8):1246-1250.26. 陈爱斌;蔡自兴; 文志强; 董德毅. 一种基于预测模型的均值偏移加速算法. 信息与控制 2010,39(2): 234-237.27. 陈爱斌; 董德毅;杨勇;蔡自兴. 基于目标中心定位和NMI特征的跟踪算法.计算机应用与软件,2010,27(4):276-279.28. 陈白帆，蔡自兴，刘丽珏. 人工智能课程的创新性教学探索——人工智能精品课程建设与改革. 计算机教育，2010，（127）：27-31.29. 官东，蔡自兴，孔志周. 一种基于推荐证据理论的网格信任模型.系统仿真学报，2010，22（8）：1895-1898.30.郭璠,蔡自兴,谢斌, 唐琎. 图像去雾技术研究综述与展望. 计算机应用, 2010, 30(9):2417-2421.31. 郭璠,蔡自兴, 谢斌, 唐琎. 一种基于亮度分量的自动图像去雾方法. 中国图象图形学报. 2010年3月(录用).32. 江中央,蔡自兴,王勇. 一种新的基于正交实验设计的约束优化进化算法. 计算机学报, 2010，33（5）：855-864.33. 江中央,蔡自兴,王勇.求解全局优化问题的混合自适应正交遗传算法.软件学报, 2010,21(6):1296-1307.34. 匡林爱,蔡自兴. 基于遗传算法的无线传感器网络重新部署方法. 控制与决策，2010,25(9):1329-1332.35. 匡林爱,蔡自兴.一种簇机构下的多移动机器人通讯方法.小型微型计算机系统.，2010，31（3）：553-556.36. 匡林爱,蔡自兴.一种带宽约束的无线传感器网络节点调度算法.高技术通讯，2010,20(3):309-313.37. 刘丽珏，蔡自兴，唐琎. 人工智能双语教学建设. 计算机教育，2010，（127）：74-77.38. 刘献如，蔡自兴. 基于SAD与UKF-Mean shift的主动目标跟踪. 模式识别与人工智能，2010,23(5)：646-652.39. 刘献如，蔡自兴. 结构化道路车道线的鲁棒检测与跟踪. 光电子.激光，2010，21(12):1834-1838.40. 刘献如,蔡自兴.UKF 与Mean shift 相结合的实时目标跟踪.中南大学学报，2009年录用.41. 刘晓莹;蔡自兴; 余伶俐; 高平安. 一种正交混沌蚁群算法在群机器人任务规划中的应用研究. 小型微型计算机系统, 2010,31(1):164-168.42. 蒙祖强，蔡自兴，黄柏雄. 课程交叉教学在应用型人才培养中的实践探索. 计算机教育，2010，（127）：55-57.43. 潘薇;蔡自兴; 陈白帆. 复杂环境下多机器人协作构建地图的方法;四川大学学报(工程科学版) 2010-01-20.44. 任孝平,蔡自兴,邹磊,匡林爱.“中南移动二号”多移动机器人通信系统.中南大学学报（自然科学版）,2010,41(4):1442-1448.45. 任孝平,蔡自兴.四种虚拟力模型在传感器网络覆盖中的性能分析.信息与控制,2010，39（4）：441-445.46. 任孝平;蔡自兴; 陈爱斌. 多移动机器人通信系统研究进展. 控制与决策 2010,(3): 327-332.47.唐素勤，蔡自兴，王驹，蒋运承: 基于gfp语义的描述逻辑系统FLE的有穷基,计算机研究与发展，2010,47(9):1514-1521.48. 唐素勤，蔡自兴，王驹，蒋运承: 描述逻辑非标准推理, 模式识别与人工智能，2010,23(4)：522-530.49. 肖赤心，蔡自兴，王勇. 字典序进化算法用于组合优化问题. 控制理论与应用，2010，27（4）：473-480.50. 谢斌，蔡自兴. 基于MATLAB Robotics Toolbox的机器人学仿真实验教学. 计算机教育，2010，（127）：140-143.51. 余伶俐,蔡自兴,谭平,段琢华.基于多模态Rao-Blackwellized进化粒子滤波器的移动机器人航迹推算系统的故障诊断. 控制与决策，2010，25（12）：1787-1792.52. 余伶俐,蔡自兴,谭平,进化粒子滤波器对比研究及其在移动机器人故障诊断的应用. 信息与控制，2010，39（5）：621-628.53. 余伶俐，蔡自兴，肖晓明. 智能控制精品课程建设与教学改革研究. 计算机教育，2010，（127）：35-39.54. 余伶俐,焦继乐,蔡自兴. 一种多机器人任务规划算法及其系统实现. 计算机科学，2010，37（6）：252-255.55.周涛;蔡自兴。 信息审计中短消息中心实验环境的仿真[J].科学技术与工程 2010,10(6): 1551-1554.56. 邹磊,蔡自兴,任孝平.一种基于虚拟力的自组织覆盖算法.计算机工程,2010,36(14):93-95 .2009年：57. Gao Ping-an,Cai Zi-xing. Evolutionary Computation Approach to Decentralized Multi-robot Task Allocation. Proc. of the 5th International Conference on Natural Computation, IEEE Computer Society, 2009,415-419.58. Wang Yong,Cai Zixing, Zhou Yuren. Accelerating adaptive trade-off model using shrinking space technique for constrained evolutionary optimization, International Journal for Numerical Methods in Engineering, 2009, 77(11):1501-1534.59. Wang Yong,Cai Zixing, Zhou Yuren, Fan Zhun. Constrained optimization based on hybrid evolutionary algorithm and adaptive constraint-handling technique, Structural and Multidisciplinary Optimization, 2009, 37(1): 395-413.60. Wang Yong,Cai Zixing. A hybrid multi-swarm particle swarm optimization to solve constrained optimization problems, Frontiers of Computer Science in China, 2009,3(1):38-52.61. Wang Yong,Cai Zixing. Constrained evolutionary optimization by applying (mu+lambda)-differential evolution and improved adaptive trade-off model. Evolutionary Computation, Accept.62. Liu Hui,Cai Zixing, and Wang Yong. Hybridizing particle swarm optimization with differential evolution for constrained numerical and engineering optimization.Applied Soft Computing, 2010,10(2):629–640.63. Liu Limei,Cai Zixing. An Improvement of Hough Transform for Building Feature map.64. Limei Liu, Zixing Cai,WeiPan.AMapBuilding Method Based on Uncertain Information of Sonar Sensor[C]. The 9th International Conference for Young Computer Scientists,2009,1738-1742.65. YU Ling-li,CAI Zi-xing. Robot Detection Mission Planning Based on Heterogeneous Interactive Cultural Hybrid Algorithm. Proc. of the 5th International Conference on Natural Computation.2009,583-587.66. Ren Xiaoping,Cai Zixing.A Distributed Actor Deployment Algorithm for Maximum Connected Coverage in WSAN. Proc. of the 2009 Fifth International Conference on Natural Computation, 2009,283-287.67. 王勇,蔡自兴,周育人,肖赤心.约束优化进化算法.软件学报, 2009,20(1): 11-29.68. 陈白帆,蔡自兴, 潘薇. 基于声纳和摄像头的动态环境地图创建方法.高技术通讯, 2009, 19(4): 410-414.69. 陈白帆,蔡自兴, 袁成. 基于粒子群优化的移动机器人SLAM方法研究.机器人, 2009, 31(6)：513-517.70. 高平安,蔡自兴. 多移动机器人任务负载均衡分组规划方法.高技术通讯,2009, 19(5):501-505.71. 高平安,蔡自兴. 一种基于多子群的动态优化算法.中南大学学报(自然科学版) 2009, 40(3): 731-736.72. 刘献如,;蔡自兴. 一种基于Integral Imaging和与模拟退火相结合的深度测量方法研究. 系统仿真学报. 2009，21(8)：2303~2306.73. 刘利枚，蔡自兴，潘薇.一种基于声纳信息的地图创建方法.计算机工程，2009，35（7）：166-185.74. 余伶俐，蔡自兴. 基于异质交互式文化混合算法的机器人探测任务规划.机器人.2009, 31(2):137-145.75. 余伶俐，蔡自兴，刘晓莹，高平安. 均分点蚁群算法在群集机器人任务规划中的应用研究[J].高技术通讯. 2009,19(10),1054-1060.76. 余伶俐，蔡自兴. 改进混合离散粒子群的多种优化策略算法.中南大学学报,2009, 40(4): 1047-1053.77. 余伶俐，蔡自兴，高平安，刘晓莹. 当代学习自适应混合离散粒子群算法研究. 小型微型计算机系统. 2009, 30(9):1800-1804.78. 余伶俐，蔡自兴. 基于当代学习离散粒子群的多机器人高效任务分配算法研究. 计算机应用研究. 2009, 26(5):1691-1694.79.蔡自兴; 谢斌; 魏世勇; 陈白帆. 《机器人学》教材建设的体会. 2009年全国人工智能大会(CAAI-13)，北京：北京邮电大学出版社，252-255，2009年9月.80.蔡自兴，郭璠. 密码学虚拟实验平台的设计与实现.中国人工智能进展（2009），中国人工智能大会(CAAI-13)论文集，北京：北京邮电大学出版社，432-438，2009年9月.81.蔡自兴,任孝平,邹磊.分布式多机器人通信仿真系统.智能系统学报,2009,4(4): 309-313.82. 任孝平,蔡自兴.基于阿克曼原理的车式移动机器人运动学建模.智能系统学报, 2009,4(6);534-537.83.蔡自兴; 任孝平; 邹磊. 分布式多机器人通信仿真系统.智能系统学报, 2009,4(4);309-313.84. 文志强;蔡自兴. 一种目标跟踪中的模糊核直方图. 高技术通讯, 2009,19(2):174-180.85.刘星宝;蔡自兴. 种子检测器刺激-应答变异算法研究. 高技术通讯, 2009,19(3):273-278.86. 刘星宝;蔡自兴. 负选择算法中的检测器快速生成策略. 小型微型计算机系统, 2009-07-15.87. 刘星宝;蔡自兴. 异常检测系统的漏洞分析.中南大学学报(自然科学版), 2009-08-26.88. 潘薇;蔡自兴; 陈白帆. 一种非结构环境下多机器人构建地图的方法. 高技术通讯, 2009-05-25.89. 孔志周;蔡自兴; 官东. 两种模糊密度确定方法的实验比较. 小型微型计算机系统, 2009-02-15.90. 江中央;蔡自兴; 王勇. 用于全局优化的混合正交遗传算法. 计算机工程, 2009-02-20.91. 肖赤心;蔡自兴; 王勇; 周经野. 一种基于佳点集原理的约束优化进化算法. 控制与决策, 2009-02-15 .92. 官东;蔡自兴; 孔志周. 一种基于网格技术的HLA分布仿真实现方法. 系统仿真学报, 2009,21(5):1363-1366.93.刘慧;蔡自兴; 王勇. 基于佳点集的约束优化进化算法. 系统仿真学报, 2009-03-20 .94. 潘薇;蔡自兴; 陈白帆. 基于遗传算法的多机器人协作建图方法. 计算机应用研究, 2009-04-15.95. 任孝平;蔡自兴; 卢薇薇. 一种基于扫描相关度的LSB算法. 计算机应用, 2009-05-01.96.胡强;蔡自兴. 一种基于改造时钟系统的Linux实时化方案. 计算机工程, 2009-06-05.97. 袁成;蔡自兴; 陈白帆. 粒子群优化的同时定位与建图方法. 计算机工程, 2009-06-05.98. 王勇;蔡自兴. “智能优化算法及其应用”课程教学的实践与探索. 计算机教育, 2009-06-10.99. 任孝平;蔡自兴; 卢薇薇. 网络可重构的多机器人仿真系统. 计算机应用研究, 2009-06-15.100. 袁湘鹏;蔡自兴; 刘利枚. 基于声纳的移动机器人环境建图的设计与实现. 计算机应用研究, 2009-07-15.101. 官东;蔡自兴; 孔志周.网格服务本体匹配算法研究. 小型微型计算机系统, 2009，30(8):1639-1643.102. 邹磊;蔡自兴; 任孝平. 基于簇的多移动机器人通信系统. 计算机应用研究, 2009-08-15.103.蔡自兴. 从严施教,精心育才,培养高素质人才. 计算机教育, 2009-09-10.104. 肖晓明; 旷东林;蔡自兴. 单亲遗传算法种群初始化方法分析. 电脑与信息技术, 2009-08-15.105. 刘丽珏; 陈白帆; 王勇; 余伶俐;蔡自兴. 精益求精建设人工智能精品课程. 计算机教育, 2009-09-10.106. 陈爱斌;蔡自兴; 安基程. 一种基于摄像机视角的立体视觉定位方法.中南大学学报(自然科学版), 2009-09-10.107. 唐素勤;蔡自兴; 江中央; 肖赤心. 用于求解约束优化问题的自适应佳点集进化算法. 小型微型计算机系统,2009,第9期，2009-11-15.108.胡扬;桂卫华;蔡自兴. 多元智能算法控制结构综述. 计算机科学, 2009-10-15.109.蔡自兴. 《混沌系统的模糊神经网络控制理论与方法》评介. 计算技术与自动化, 2009-12-15.110. 陈爱斌;蔡自兴; 安基程. 一种基于摄像机视角的立体视觉定位方法. 2009年中国智能自动化会议论文集（第六分册）[中南大学学报（增刊）], 2009-09-27.111. 于金霞;蔡自兴; 段琢华. 复杂地形下移动机器人运动学建模研究. 2009中国控制与决策会议论文集（1）, 2009-06-17.112. 刘献如，蔡自兴，杨欣荣. Integral Imaging与模拟退火相结合的深度测量方法研究. 系统仿真学报，2009,21（8）：2303－2307.
对于论文，首先就是要有创新点，或者实际应用。不改进就是别人的东西，改进了就是你自己的了。建议模仿别人的混合其他算法或者改进参数，或者参数自动生成等。这样有了改进的东西的论文才有创新点。
王洪涛，男，1976年11月出生，天津蓟县人，理学硕士，讲师。1999年毕业于陕西师范大学，获理学学士学位，研究方向是基础数学。2011获得西安科技大学硕士学位，研究方向为最优化理论与算法，智能优化算法。教学工作：主讲本科生的复变函数与积分变换，线性代数，微积分研究领域：粒子群优化算法的改进与应用 近期发表的代表性论文：1.王洪涛，任燕．基于改进惯性权重的粒子群优化算法[J]．计算机应用与软件，2011，28(10):271-274，级别：CSCD扩展库，2011年10月2. 王洪涛，任燕．一种动态多种群粒子群优化算法[J]．微计算机信息,2011,12(27):144～146，2011年12月3.李军民，王洪涛．一种改进惯性权重策略的粒子群优化算法[J]．西安科技大学学报，2010，30(5)：604～6081.级别：北大核心，2010年5月4.Wang Hongtao，Li Junmin．A New Two-stage Particle Swarm Optimization Algorithm [C]．the 2nd International Conference on Information Science andEngineering，2010，9：6398～6401 ，EI：20110913704667
粒子群算法，也称粒子群优化算法(Particle Swarm Optimization)，缩写为 PSO， 是近年来发展起来的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的"交叉"(Crossover) 和"变异"(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。粒子群算法是一种并行算法。
谢谢，那就把分送给我吧！！！！
蚂蚁科研论文靠谱 科研交流的论文辅导算是性价比挺高的了，而且这个机构你要是小白水平一上来要求辅导高水平论文，他也是建议先从基础论文开始写。 总体来说感觉不错，他们机构老师数量很多，服务价格也很合理，对老师不满意还支持全额退款，值得推荐！
蚂蚁科研的期刊不是真的。根据查询相关信息得知培训是形式，混检索是真的。在面试中很容易吃亏。选择这种机构时，一定要注意各方面的安全性。最好是寻找学校或导师帮助自己，这才是最专业的指导。
【文/ 赵燕菁】
一、围绕数据平台企业的争议
数据平台企业之所以如此引人注目，首先在于其超高的估值。以香港股市为例，金融类上市公司的平均市盈率（Price Earnings Ratio，简称P/E或PER）为18，如以传统金融业务为主的金控集团中信股份的P/E为4.2，招商局集团的P/E为3.8。资讯 科技 类企业的平均市盈率为24.8，其中阿里的P/E为33.7，腾讯的P/E为51.8，而蚂蚁集团的预计发行价格为68.8元/股，对应的动态市盈率高达96.48！即使根据原计划的发行价和2020年6月30日前12个月的每股收益测算，蚂蚁集团的市盈率也高达43倍。
实际上，不仅蚂蚁集团，世界上与之类似的数字金融公司，也都具有超高的市场估值。比如，MasterCard的市盈率为43，Visa为52，Paypal为85，Square为227；保险 科技 类公司，如SelectQuote，其市盈率为39。理财 科技 类公司，普信的市盈率为34，东方财富为53。微贷 科技 类公司，以消费者信用评级公司作为标杆，其中TransUnion的市盈率为47，益白利为49，艾可菲为38，费哲金服高达71，此类企业的平均市盈率约为52。
对于这些基于数据平台企业的超高估值的批评主要集中在以下两点：
一种观点认为，蚂蚁集团之所以估值这么高，不是因为它的业务多好，而是因为它借道“ 科技 公司”逃避金融监管。传统的金融公司，都要接受巴塞尔协议的限制，可是蚂蚁集团通过将自己“包装”成 科技 公司绕过了监管，把风险转嫁给传统金融公司。一旦蚂蚁金融出现金融风险而国家出手救助，就意味着让全体居民一起帮其分担和承受风险损失。
另一种观点认为，蚂蚁集团的技术优势来自于垄断。不是其他企业做不了，而是因为数据平台企业通过数据垄断，跨界“剿灭”了其它商业模式和竞争对手。垄断的定价权，带给平台企业不公平的利益。
在本文看来，这两方面的批评都是基于过时的经济学框架。
来看第一种观点，为什么蚂蚁集团可以不受巴塞尔协议的限制？不是因为它将自己包装成“ 科技 公司”，而在于蚂蚁集团和传统金融企业的风控能力完全不同。在传统金融下，由于银行对小额贷款进行风险评估的成本很高，小微企业的资金需求无法得到金融系统响应。高利贷是这类企业的无奈选择。平台企业通过机器学习和大数据实现了低成本风险控制——通过将小微企业的信用“提纯”，给以前无法从传统金融机构获取融资的中小企业征信。尽管蚂蚁集团的贷款规模巨大，但相对于传统的金融公司，它的坏账率反而更低。面对技术的变迁，用马车时代的交通规则监管 汽车 时代的交通显然是不合时宜的。
二、“企业群落”及其结构
对蚂蚁集团的高估值批评的第二个理由——垄断，主要是基于对平台企业性质的错误理解。在传统经济学看来，所有的企业都是同质的，但现实中，企业是有结构的——它是一组由平台企业和依附其上的普通企业共同构成的企业“群落”。普通企业从事私人产品生产，平台企业为这些普通企业提供服务。这两类企业在不同的“维度”上分别参与不同市场竞争。
为什么企业内部会存在不同“维度”？这是因为随着分工深化和市场规模扩张，普通企业逐渐衍生出对一些共同的生产和消费的需求。比如，所有企业都需要电力，但如果让每个企业都自己挖煤、运输、发电和送电……，世界上就不会有几个企业了。家庭可以视为从事人口再生产的小微企业，对大部分家庭而言都有获取教育的需求，但如果让每个家庭都自己去建一所学校，这样的教育是没有几个家庭能够负担得起的。这时 社会 分工就会在企业群落中演化出一类新的经济组织——平台企业——专门为普通企业提供公共服务：统一建设电厂，普通企业只要安装一个“插座”；统一建设学校，家庭将孩子送去读书。类似的还有道路、机场、港口等都是依循相同的逻辑由平台企业提供的。平台企业的出现使原本需要重资产运行的普通企业得以轻资产运行——不需要自己发电、自己打井、自己修路……，这些重资产都由平台企业统一提供。
理解了企业的结构，我们就可以更好地描述企业间的竞争。表面上看市场竞争发生在普通企业之间，但其背后却是依托不同平台的“企业群落”之间的竞争。由于平台企业的重资产可以显著降低每个搭载其上的普通企业的固定成本，是否有平台依托以及平台效率的高低，都将会极大地影响不同“企业群落”间普通企业的竞争。一旦一个企业群落的平台企业被另一个企业群落的平台企业击垮，所有依附于这个平台企业的普通企业都可能被击垮。
图1 平台可以显著降低企业盈利所需的固定成本
平台企业重资产的特点，决定了它必须依靠巨大的规模才能分摊固定成本。而平台的固定成本越低，普通企业的负担就越小。因此，通过反垄断进行拆分会导致平台企业的规模变小，反而导致所有普通企业成本的上升。按照这个定义，政府的本质就是一个平台企业，其通过空间收费（即税收），为所有依附于其上的企业提供公共服务。这就是为什么传统经济学拼命抹黑政府在经济中的作用，却找不到一个经济体能在“无为”政府治下获得成功。当数据平台企业发展到一定阶段，就会像政府一样具有平台性质，规模经济决定了这类公司也一定需要垄断。
正确“反垄断”绝不应当是缩小平台企业的规模，更不是降低平台企业的市场占有率，而是限制平台企业“降维”进入普通企业的业务。如果将足球职业联赛视为一个平台，那么作为联赛的组织者的足协，就不能自己也办一个足球俱乐部，否则其他俱乐部就无法与足协的球队竞争。同样的道理，一旦提供路网的平台企业自己也开始生产 汽车 ，提供电网的平台企业也自己发电、提供通讯服务的平台也自己生产手机，其他普通企业就无法公平竞争。按照这个推论，无论微软的市场占有率多高，都不构成将其拆分的理由。正确反垄断应当拆分的是Windows操作系统捆绑office。因为这种捆绑很容易被用来打击office 的竞争软件（比如WPS）。现实中，谷歌就是通过剥夺华为手机接入安卓平台来打击华为的终端业务的。
结论是，反垄断不是反对平台企业的水平整合，而是要反对其垂直整合——把电网拆分成国网和南方电网是“错误的反垄断”，把五大电厂同电网分开则是“正确的反垄断”。这当然并不是说平台企业就无需市场竞争。事实上，所有平台企业都在参与另一个“维度”的竞争。比如，政府虽具有高度的垄断性，但政府之间同样存在激烈的竞争；高速公路网也具有垄断性，但它要同高铁网，甚至航空网展开竞争。数据平台企业也是如此，不同的数据平台企业之间的竞争，一点不小于普通企业之间的竞争。如果错误的反垄断导致平台企业的效率下降，那么整个“企业群落”的竞争力都会受到影响。这就需要根据平台化程度的不同以及平台化的方式不同， 探索 不一样的拆分模式。
一个国家的实力，取决于其普通企业所依托平台的竞争力。各国最后比拼的不是一个个孤立的普通企业，而是其“企业群落”所依赖的平台。若阿里巴巴不如亚马逊，那么所有依托亚马逊的企业相对依托阿里巴巴的企业就会拥有不对称的竞争优势。只有依托强大的平台企业，普通企业才能通过更轻的资产运营，获得额外的竞争优势。在这个意义上，像马云、马化腾这些能创造出平台企业的企业家，都是其“企业群落”的“英雄”，他们创造的平台企业，都是该“企业群落”的核心资产。纵观全球，真正导致垄断的从来都不是平台企业，而是不完善的监管。允许平台企业“混业经营”的规则——如同不区分重量级的拳击——才是导致平台企业垄断的真正原因。
三、互联网平台的价值之源
回到前面的问题，蚂蚁集团为什么会有如此高的估值？这可以从蚂蚁金服改名为蚂蚁 科技 的举动中看出端倪——蚂蚁集团的高估值不是因为其是“金融”，而是因为其是“ 科技 ”。它上市所卖的不是传统的金融服务，而是一种全新的资源——大数据。资源是人类活动产生的权益，大数据也是一样，它是现代经济活动创造的一种全新的资源。麦克斯韦和马可尼发现了无线电的用途，从而使频谱资源变得稀缺而昂贵；瓦特发明了蒸汽机，从而使得煤炭资源的价值倍增。想象一下，如果马可尼的公司拥有了所有的无线电频谱，瓦特的公司拥有了所有的煤炭，这些企业的市值会有多高？大数据就像是无线通讯时代的频谱、蒸汽机时代的煤。数据平台企业之所以有超高的估值，乃是源于它们在把大数据这一公共资源据为己有。
也许有人对大数据的公共属性提出质疑，认为所有个人在无偿使用互联网提供的服务时，都会签署一个协议，向数据平台企业让渡数据的使用权。在一般人看来，数据是数据公司一种基础性生产要素。在合法、合规的前提下，通过各种渠道积累和使用数据，与传统企业使用资本、人才等要素一样，是正常商业活动的一部分。之所以会产生这样的质疑，乃是因为没有正确区分数据企业和数据平台企业——前者使用的是“数据”，后者使用的是“大数据”。“数据”在被单独使用时，往往没有多少价值，因此，数据的所有者通常会在一对一交易时，无偿让渡“数据”的所有权；真正有价值的是海量“数据”汇聚成的“大数据”，就包含的信息而言，数据和大数据可以被视作两种完全不同的资源。
包括蚂蚁集团在内的数据平台企业能有如此高的估值，乃是因为市场将中国庞大的用户群体所创造的大数据的价值，一并计算在了这些公司的资产之中。没有这些海量用户，数据平台企业的价值就会一落千丈。这就解释了为何数据平台企业的市场估值往往与其业绩无关，而与其用户数量高度相关。2011年以后，腾讯的营业额增速和利润开始跌落，此前是60%-80%的增长，之后的相关数据基本是在50%以下，且利润增速掉落到20%-30%之间。但腾讯的市盈率却从原来的23倍上浮到47倍。对这一独特现象的唯一的解释，就是用户数量的增加导致了数据财富的增加。
不仅腾讯，其他的数据平台企业也都具有类似的特征，即低利润、低分红、低纳税，但却高估值。2020年12月亚马逊的市盈率高达89.98！如果此次蚂蚁集团上市，按照68.8元/股的发行价格，对应的动态市盈率也高达96.48倍。这些都说明数据平台企业上市卖的不仅仅是其创造的价值，而更多的是其使用的资源——大数据。当初把谷歌、推特和脸书之类的互联网企业排除在中国市场之外广受知识界诟病。现在回过头来才理解，其真正意义乃是保护了中国的大数据，为后来的BAT的国内平台公司的崛起留下了宝贵的资源。假如当初放任这些互联网巨头在中国开展业务，哪怕这些业务不赚一分钱，海量数据的价值也会投射在他们的股价上，这些企业依然可以从资本市场上获取巨额财富！
四、初始资源的权属
数据平台企业价值的来源是大数据。接下来需要回答是，在互联网平台上产生的大数据究竟应当属于个人，还是平台，抑或 社会 ？ 历史 上资源的初始产权既有私有，也有公有，都是由不同的制度决定的。但不同制度的实践却表明，资源的初始产权界定的不同，会极大地影响制度的绩效。
一个可以用来参照的资源就是土地。对于城市政府这一平台企业而言，土地是其最主要的初始资源，所有城市都必须经历土地集中，配套公共服务和基础设施，再私有化的过程。其中第一步——土地集中——是城市化第一个也是最难跨越的门槛。我们把英国治下的殖民地分为两类，可以发现，凡是将土地初始产权界定给原住民经济体，比如印度等，基本上都没能完成城市化；而那些将土地界定给政府的非原住民经济体，比如美国、加拿大、澳大利亚、新西兰、新加坡、香港，都进入了发达经济体行列。这是因为工业化必须依赖城市这个平台实现轻资产运行，所以凡是不能完成城市化的国家，都被挡在了现代化的门槛之外。
中国的城市化很大程度得益于1982年宪法将城市土地的初始产权界定给了城市平台的主要提供者——地方政府。正是因为地方政府垄断了土地一级市场，中国才得以参考香港的土地金融（也被误称为“土地财政”），成功开启中国城市化的伟大 历史 进程。中国成为全球少数能完成城市化的原住民国家。对比初始土地私有制的印度与实行土地公有制的中国，可以明显看出两者在城市基础上的显著差异。
正是因为依托强大的城市平台，同样加入WTO的中国才没有像其他发展中国家那样沦为发达国家的经济附庸。不仅如此，依托世界级城市平台的中国企业还在全球“攻城略地”，反噬了发达国家的市场。尽管有很多人批评说，中国的农民在政府征地时没有得到足够的补偿，但是由于城市居民就是原来的农民，城市平台显著降低了城市经济活动所需重资产的成本，相当于对原住民的土地丧失进行了间接补偿。
从中印两国由土地初始产权界定导致的经济增长绩效的差异上，我们可以得出一个重要结论——平台所需资源的初始产权，应当界定给平台的提供者而不是其原始所有者。按照这一规则，大数据的初始产权应界定给提供平台的企业而不是私人。任何以私人隐私为理由的数据私有制，最终都会制约平台的创立和运营，并最终危害“企业群落”的整体竞争力。
五、平台企业的制度演进
平台企业超高的市场估值，来源于全体用户创造的大数据。尽管资源的初始产权界定给平台提供者，有利于平台的创设与发展，但这并不意味着平台的所有者应当攫取大数据价值带来的全部利益。具体到蚂蚁集团上市，那些在事后被曝光的投资者，是否是应该是平台企业天量溢价的合法所有者？平台企业运营不可避免地要捆绑大量全民所有的自然资源，这些资源的溢价体现为平台公司的超额收益。平台企业的所有制必然涉及到巨大 社会 财富的分配。数字 社会 也是如此，它是成为一个公平的 社会 还是一个贫富分化的 社会 ，这都取决于平台公司的所有制。
与土地资源国有化路径相反，中国的矿产（特别是煤炭）资源 探索 了一条私有化道路。其结果不仅没有像土地那样创造出数以亿计的中产阶级，反而是暴富了一批正巧“家里有矿”的原住民。由于大数据往往是数据平台企业在提供服务过程中产生的“副产品”，正好在大数据的“富矿”上，所以大数据就被想当然地当作公司财富的一部分计入了该上市公司的市值。今天那些通过数据平台企业上市不劳而获的股东们，和那些地下正好有矿的原住民没有本质差别，只不过他们卖的不是矿产，而是大数据。
严格上讲，“大数据”是平台企业与大众在交易“数据”时共同创造的。但无论是发达的资本主义国家，还是发展中的 社会 主义中国，都将“大数据”的产权武断地界定给了平台企业，原因就是前面讲到的初始产权——初始产权没有给到平台公司，就根本不会有平台。真正的问题是平台企业本身一定要私有吗？要回答这个，就必须触及到一个常被讨论的话题——公有制。中国的改革开放，是从破除具有“大锅饭性质的公有制”开始的，公有制的特点，就是追求资产安全，而与风险厌恶共生的就是难以创新。从某种意义上讲，如果中国目前还是实行“大锅饭性质的公有制”，根本就不会有以阿里巴巴和腾讯为代表的一批伟大的平台企业。
但私人创造，却不一定意味着私人拥有。一旦普通企业发展为平台企业，也就开始了从私有企业逐渐向公有企业（public company）的演化。最典型的平台就是政府。政府诞生于为所有人提供财产安全的需求——居民只要给政府交税，就无需自己去供养一支军队。由于平台的规模效益，政府从创立伊始就是天然垄断的。随着政府提供公共服务的领域增加，政府就逐渐成为整个 社会 经济活动运行的平台。政府也从普通企业变成平台企业，其所有制也逐渐从一开始的私有变为混合所有，乃至彻底公有。所以大家看到，在现代国家体制中，纯粹由私人拥有的政府已经非常少见了，哪怕是采用君主立宪制的国家，其国王也都是虚设的，真正的权力是通过议会代表全民来拥有的。政府的领导人不论在任时权力多大，到离任时也不能把任期内政府创造的财富带回家。
政府平台化后其所有制从私到公的制度演进 历史 ，有助于我们预判基于数据的平台企业未来可能的演进方向：平台企业被私人创造出来后，其公共的属性，决定了它也一定会逐渐演变为一个公众公司（public company）。平台企业内在逻辑决定了：（1）凡是保留了私有的平台企业的地方，最终一定会产生系统化的贫富分化；（2）凡是有系统性贫富分化的地方，你都可以追溯到深层的平台私有。互联网企业在其发展的最原始阶段，存在诸如私人“跑马圈地”的现象实属正常，就像最初的政府也是私人企业一样；而一旦互联网企业演变为大数据平台企业，贫富差距就会迫使它迟早会演化为某种形态的公众公司——这要么是通过以自我演进为主要特征的制度创新实现，要么是通过以某种外力迫使为主要特征的制度革命实现。
六、平台企业公众化
所谓的公众化，不是简单地没收，然后宣布国有。而是要通过制度设计，将使用公共资源创造的价值从平台企业“萃取”出来返还给公众。在实践中，有很多制度路径和产权组合，可以在不影响平台企业运作的前提下，帮助我们实现这一目标。
首先，应当通过反垄断政策，将数据平台企业的平台部门和应用部门（如淘宝和天猫、京东和京东自营）分开（这有点像政府从非公共产品领域退出一样），确保普通企业不能依托平台，获得相对其它普通企业额外的竞争优势。分离后的平台部分，从监管到运营，从投资到分配，都要有更多的公共利益代表进入，要“公进民退”；在非平台部分，可以完全私有化，“公退民进”。对于那些数据资源无法在使用环节拆分的互联网商业模式，可以在分配环节公有化，比如对数据使用收税，然后把税收返还给公众。长期以来，像谷歌这样的年利润超过1600亿美元的公司，其非美利润一直在享受个位数的有效税率，仅约为其海外市场平均税率的四分之一。例如，市值接近7900亿美元（一度曾突破过万亿）、2018年净利润高达112亿美元的亚马逊，不仅未缴纳任何联邦税，反而获得了1.29亿美元的退税。这显然是非常不合理的。对比之下，阿里巴巴2018年的缴税总额达到了516亿元人民币。
针对这一问题，各国开始研究对互联网巨头征收数字税。从2020年4月开始英国带头对Facebook、谷歌和亚马逊等企业征收2%的数字税。税收的本质就是作为“平台企业的政府”强制性参与作为“依附企业的平台企业”的分红，然后利用这笔收入去提供公共服务。
更加有效的做法，是政府通过PPP代表公众参与数据平台企业的投资，代表公众持有数据资源部分的公共利益。现在一提到PPP，很多人就以为是单方面的“国退民进”。事实上，PPP正确的作法是政府在退出非平台领域的同时，在平台领域“国进民退”。所谓“国进民退”不一定是政府亲自“下场”做平台，而是在平台企业初创时入股，去做风投，扮演类似当初淘宝创立时孙正义那样的角色。
当前的企业改革，一个比较大的争论，就是要不要“国退民进”让市场起决定性作用。传统的经济理论无法区分平台企业和依附企业，企业产权只能在全部公有或全部私有两端进行选择。一旦引入分层的企业结构，就可以在平台和非平台企业选择不同的制度组合。 社会 主义和资本主义也可以被重新定义——只要平台企业是公有的，哪怕普通企业都是私有企业，这个经济也是 社会 主义；反之，只要平台企业是私有的，不论普通企业是什么所有制，这个经济就是资本主义。
图2 当今的 社会 主义和资本主义实际上是市场 社会 主义和市场资本主义之间的竞争
平台企业一开始都是普通企业，发展成平台是一个渐进的过程。在什么阶段政府要进入平台企业？一是在创投阶段，公众基金对有可能成为平台的公司进行风投，这样做风险大但收益也高。二是在上市之前，当平台企业要上市时，可以强制要求其必须和代表公众利益的 社会 企业（如人力资源和 社会 保障局、住房公积金管理中心等）进行谈判，以发行价交出一部分（比如30%）的股份给这些公众公司，然后由这些公众机构保荐上市。未来该企业的分红也好，持续经营的利润也好，全体老百姓都能够分到一部分。
具体到蚂蚁集团，就应该在其上市前，将那些企图通过私自占有数据财富获利的私人投资者（比如私募、投行和“赵薇”们）踢出原始股东，将原始股按照市场公允的价格划拨给养老基金等公众基金（相应地，政府可以给持有公众股份的平台企业一定的税收减免）。随着公众基金占股的比例逐步提高，平台企业会逐渐从初创时的私有过渡到公有（类似君主立宪制的政府过渡模式）。2016年，我和周颖刚教授在《 财经 智库》上发表的《中国资本市场再设计：基于公平效率、富民强国的思考》一文中，曾提出通过保荐制由公共资本主导股票一级市场的建议。这个建议现在看来并不过时。
以上还都是比较简单的办法，实际上还有一些更复杂的操作。比如，央行基础货币发行。现在央行的基础货币很大程度上是通过贸易顺差结汇被动生成的。外汇实际上都可以折算成美元，而美元的本质是美国财政部的债务。央行实际上是通过持有美国政府的股份来发行本国的货币，这一货币生成方式导致到目前为止中国的基础货币仍无法自主内生。如果中国仿效美国通过购买国债发行货币，就需要巨大的财政赤字才能使货币供给与巨大的市场规模相匹配。这样的货币生成模式不仅与中国限制政府举债的法律相冲突，也不利于央行执行独立于财政的货币政策。
平台企业的一大特点，就是具有稳定的收益。如果能把平台企业创造的稳定现金流直接抵押给央行，央行就可以以这些具有固定收益的资产为锚，独立自主地发行市场运行所需的货币。央行就不需要依靠外贸顺差或者发行国债来生成货币。按照博尔顿和黄海洲的研究，中央政府的债务本质就是国家的股权，使用货币的老百姓，实际上也相当于持有了国家的股份，由此，通过货币渠道，实现了平台财富的全民所有。
七、通往公平与均富之路
数据平台企业是中国“企业群落”的核心资产，对于依附平台之上的普通企业降低成本、参与世界竞争具有系统性的重要性。一个国家能否在国家竞争中胜出，取决于其平台企业是否能在与其它国家的平台企业的竞争中胜出。在这个意义上，中国必须培育和保护包括蚂蚁集团在内的所有关键性数据平台企业，并将之作为国家发展战略的核心。
数据企业演进为大数据平台是一个过程。若在大数据还没有被发现之前就对相关公司实行公有化改革，其结果就是：由于缺乏有效的激励，平台企业根本就不会出现。此时，对平台企业的扶植是必须的，打压平台企业，就是打压其所在的“企业群落”。
要防止平台企业私有化必然导致的不可逆的贫富分化，防止平台企业被私人资本所挟持。是 社会 主义还是资本主义，不取决于你是否对资本征税，而取决于你是否对资本拥有所有权。在收入环节征税已经被皮凯蒂证明无助于缓解贫富分化，只有平台公有，才能“驯服”资本。为什么中国的房地产市场无论是在财富分配的平均程度还是家庭的致富速度，无论是对冲市场波动还是应对经济危机的冲击上，其表现都远远好于以股票为核心的其它国家的资本市场？原因就是一级土地市场的公有使得城市这个平台为财富分配提供了一个公平的基础。中国以土地财富为基础的城市平台，为管理以数字财富为基础的互联网平台提供了有益的参照。
怎样看待平台企业、看待垄断，怎样理解市场竞争导致的贫富分化，需要全新的经济学理论。如果监管紧盯着平台企业的垄断，并将市场占有率作为垄断的标准，就可能在反垄断上犯方向性的错误。垄断是由平台的本质所决定的。监管真正应该盯住的是平台的运营是否出现“降维”，特别是要盯住平台企业所依赖的全民所有资源，盯住上市公司背后那些企图将公众的“大数据”据为己有的股东。一旦对于平台经济的讨论从垄断转向产权，我们就会辨识出新经济通向均富和公平的正确道路。
18年我们UED团队提出设计中台概念，并为中台的建立做了3年中长期规划。设计中台主要围绕提升设计效率、设计质量、设计体验为目标，去搭建一系列设计研究。涉及隐私这里不放图，请见谅！ 2019年，用户体验组和企业品牌组两个专项小组成立。其中用户体验组包含了用户体验度量体系BI的建设和用户反馈数据平台VOC的建设。用户体验度量体系BI是这里要讲的主角。 建立BI体系的初衷，主要是希望全面提升公司产品的用户体验，让产品的用户体验量化，可度量、可跟踪和可提升。同时能培养设计师以及产品各成员在产品研发过程中的数据使用意识。 什么是用户体验度量？首先我们来看看何为度量？度量是一种测量或评价特定现象或事物的方法，让评测对象可观察、可量化，可变成一个数字或能够以某种方式予以计算的方法。 那么运用到可用性研究领域，可用性度量的定义是它是一套可靠的测量体系，能够使被测量事物（内容与人及其行为或态度有关）能代表用户体验的某些方面，并以数字表示出来，并且可以持续观察、跟踪、和优化。即衡量和提升产品用户体验的质量。相信大家不少人应该听过谷歌的HEART模型和蚂蚁金服的PTECH模型，这两模型在业界较有影响力。 那么我们为什么要做用户体验度量呢？一方面（刚才初衷里提到过）它是一种途径或方法，帮助获得很多信息以便做出产品决策，可以帮助全面、有针对性、可量化成效的优化产品的用户体验。另一方面，它可以了解关于用户使用产品的问题，对用户行为形成更好的理解以及获得新的产品见解，给决策者提供重要商业决策依据。 业界模型主要有谷歌的HEART模型、PLUSE模型，增长黑客AARRR模型、CX Index模型和蚂蚁金服的PTECH模型等。其中较知名和有影响力的是谷歌的HEART模型和增长黑客AARRR模型。下面稍微了解谷歌的HEART模型和蚂蚁金服的PTECH模型。 HEART模型 谷歌的HEART模型，发表于论文《Measuring the User Experience on a LargeScale：User-Centered Metrics for WebApplications》，即《大规模测量用户体验：以用户为中心的网页应用度量体系》。虽然其研究的对象为网页应用，但HEART模型的扩展性、系统性和易于落地性，故也适用于大部分To C产品，也可以扩展到传统行业的客户体验研究中，只是在HEART的大框架下，不同的行业其细化指标有可能不同。 PTECH模型 蚂蚁金服的PTECH，在谷歌HEART模型的灵感基础上，以体验科技助力业务增长为愿景，产出了适用于企业级产品的PTECH模型。该模型历经2次发布，PTECH模型由1.0版的TECH框架，加入了系统性能维度，并可直接计算产品体验分。发布于2019年SEE CONF蚂蚁金服体验科技大会。下一篇，将开始介绍我们是如何制定适用于自家产品的BI模型，敬请期待！
蚂蚁金服进行SWOT分析 这个问题如下：(一)优势(Strengths)1.对于传统银行业的优势(l)支付便捷。相比于如 、刷卡、支票等传统支付手段，蚂蚁金服推出的第三方新型支付方式更加便捷，只需随身携带手机，即可完成几乎所有支付活动。(2)提高支付效率，降低交易成本。与传统“客户一银行”模式不同，支付宝代替客户与多个商业银行同时建立联系，通过二次结算的方式，实现了大量小额交易在支付宝内部的轧差后清算，提高支付效率并降低了支付成本。(3)门槛低，范围广。支付宝进入门槛远低于传统银行，一定程度上弥补了传统支付的空白，为小微企业提供了机会，同时也为个人之间支付创造了条件。(4)金融监管较为宽松。传统银行受限于银监会的高强度监管，无法在本质上降低银行支付的复杂程度。相比之下，与银行严格的政策监管不同，蚂蚁金服省去了大多数审核环节，使得其业务 更加便利。2.对于同行业竞争者的优势(1)电商平台支持力度大。庞大的电商市场为支付宝提供了稳定的客户量和巨额交易量。创立之初，支付宝依托成熟电商平台淘宝网迅速打开市场。在与淘宝网分离之后，支付宝与淘宝网相互促进，共同发展。同时，支付宝积极与其他电商平台展开合作，其业务覆盖面几乎囊括所有电商行业。英语专业翻译方向学位论文中心服务系统本科金融论文金融学位论文金融生论文电大金融专科论文金融学本科论文 (2)支付手段较为完善。相比于同行业竞争者，支付宝进入市场早、发展时间长，已形成了一套较为安全的支付流程。例如，支付宝率先加入了保证金系统，大幅度降低了支付中的信用风险。(3)业务覆盖面广。除支付功能之外，蚂蚁金服先后推出了多种便民服务。蚂蚁金服已经成为集支付、转账、基金、保险、缴费、贷款等功能于一身的多功能平台。目前，国内各大商业银行及多个国际组织均与支付宝建立了深入的战略合作，进一步增强了蚂蚁金服的竞争力。(4)创新性强。一是金融创新。蚂蚁金服正将发展重点从支付业务转向互网络金融。2014年创立的新型基金理财产品——余额宝快速占领市场，在两年时间内吸引了2.5亿用户，累计吸引资金达万亿。此外，其推出的蚂蚁花呗、芝麻信用等多个信用平台，弥补了中国市场信用消费的空白。二是技术创新。2016年起，支付宝率先推出条码支付，打破了支付宝只能转账支付的局面。相比于传统刷卡支付和 支付，条码支付更加快速便捷，成本更低，深受商家和顾客的喜爱。此外，其推出的刷脸支付、指纹支付等手段也迅速在市场中普及，为其提供了持续的竞争优势。(二)劣势( Weaknesses)1.对于传统银行业的劣势(1)客户基础不足。作为传统金融企业，各大商业银行运营时间长、客户累积量多、资本积累量大，拥有完善的金融产品交易系统和客户信息管理系统，占据难以撼动的统治地位。(2)金融风险大。经过多年发展，商业银行已拥有成熟的风险管控机制，同时依托银监会的高强度监管，银行的金融风险得以较好的控制。而蚂蚁金服推出的金融产品风险高于传统商业银行。此外，蚂蚁金服的经营模式，容易为虚假资金交易洗钱，以及非法资金流入正常流通领域提供便利，为隐匿资金提供便利。(3)资源有限。我国多数商业银行是国家控股企业，由政府信用作担保，其商业信用高于蚂蚁金服，且拥有成熟的人才培养系统、充足的资金和政策支持以及完备的技术。而蚂蚁金服作为私营企业，资源有限，难以与商业银行进行正面较量。(4)利润来源单一。蚂蚁金服的主要收入来源是服务佣金、广告收入等，而商业银行的收入主要来源于存贷利差，同时拥有支付宝所有的收入来源。同时，传统商业银行在接受第三方支付的同时，也接受 支付、ATM支付等多种货币支付手段，均可获得利润。2.对于同行业竞争者的劣势作为第三方支付的龙头企业，蚂蚁金服是同行业企业的主要模仿对象和竞争对象。同行业竞争者会迅速借鉴其推出的各项业务，在短时间内推出相似，甚至优于原产品的新产品，而作为第三方式支付平台的领先者，蚂蚁金服很难学习借鉴其他平台的经验。(三)机会( Oppmtunities)1.市场广，发展空间大相比于商业银行所拥有的较为完善的市场，支付宝仍有很大的发展空间。中国拥有7.51亿网民，其中手机网民占比96.3%，相比于支付宝4.5亿、余额宝2.5亿的用户量，其剩余市场仍潜力巨大。2.行业转型，合作力度加大近年来，由于市场环境变化，很多大型商业银行开始主动与蚂蚁金服达成合作意向，希望将支付宝归化为商业银行自身的引申支付手段。同时，第三方支付企业内部的合作也越来越频繁，在竞争加剧的情况下，出现了“抱团取暖，共同发展”的局面。 (四)挑战( Threats)1.商业银行转型加快面对市场变化，传统银行转型进程明显加快。近年来，由于国家政策的支持和商业银行内部改革，使其竞争力不断增强。各大商业银行陆续推出并完善了网上银行和手机银行客户端，稳定了其固有的巨大优势。2.同行业竞争压力加大近年来，越来越多的大型企业通过企业收(并)购进军移动支付，如中国移动、小米、恒大等公司先后参与到第三方支付的竞争之中，竞争规模之大实为罕见。蚂蚁金服虽然凭借其敏锐的商业嗅觉在竞争中保持领先，但其近年来统治力下降的趋势已经出现。3.金融监管逐步加强第五次全国金融工作会议提出：防范金融风险，增强国家对金融市场的管控，将成为短期内追寻的目标。在此前提下，蚂蚁金服不仅在金融创新方面的优势将会大幅降低，原有的成熟业务也会受到影响。二、支付宝的发展目标 1.面对传统商业银行——将便捷进行到底随着网络的迅速发展，商业银行推出的支付方式越来越便捷。为了保持竞争优势，蚂蚁金服平台不仅需要保证业务的安全性，更要使支付流程更加便捷。2.面对同行业竞争者——发展自身优势(1)缩减业务面，划分重点业务。国内第三方平台主流发展趋势，为不断扩大其业务覆盖范围，以获得更高的市场青睐。随着竞争者业务面越来越广，支付宝的优势不断缩小。为了保持平台的竞争力，现阶段，蚂蚁金服不断扩大其业务面，但新业务受众面小，盈利性不强，使其陷入进退两难的尴尬境地。相反，若蚂蚁金服凭借其良好的产品基础，侧重发展有竞争优势的项目，将有可能在很多方面达到垄断地位。(2)坚持金融创新。金融创新是蚂蚁金服迅速发展的基础。蚂蚁金服推出的金融产品，总能成为其他竞争者效仿的对象，为了保持其竞争优势，仍需要不断推出创新产品。只有在行业发展中充当引领者，才能换取较高的市场认可度。(3)控制自身风险。支付宝风险来源于多个方面，蚂蚁金服不能只追求市场占有率和盈利性，而忽略发展中不断积累的风险。随着余额宝设置购买上限、增强信用管理体制、账户实名认证等规则的出台，余额宝已经在不断强化其风险管控体制。 (二)长期目标蚂蚁金服的长期目标应是主动引导市场，控制行业发展方向。2016年以来，依托于互联网的企业迅速崛起，使大众对移动支付的依赖性大幅度增强。在以上提及的新兴行业中，传统纸币已无法进行支付，电子货币成为唯一的支付手段。第三方支付平台和新型网络企业相辅相成，使得“互联网+”的地位不断上升。蚂蚁金服率先将自身研发的Ocean Base数据库与平台结合。利用数据分析，平台可以精确掌握客户消费需求，以及消费承受能力等关键数据，为平台发展提供了新的思路。三、第三方支付平台转型方向预测(一)国家参与持股1.降低金融风险由国家控股企业，可以将各类人才积聚于企业之中，降低人为造成的技术风险。另外，政府直接管控企业，加大了监管力度，规范企业操作，合理投资，稳态运行，将大幅降低企业因违规操作所带来的投资风险。2.加快金融转型虚拟货币是世界金融体系新的发展方向之一，而虚拟货币的应用，必将建立在移动支付体系上。移动支付体系能否快速、平稳发展，是我国金融市场应率先考虑的问题。国家控股第三方平台龙头企业，必将在移动支付产业中起到改革先锋者的作用，即促进金融转型，又为国家在世界市场中增加竞争力。3.改革面临挑战国家控股私营企业对双方都是一次挑战。对企业来说，如何适应国有企业管理模式是最紧要的问题;对国家来说，如何在加强管理的前提下，保持企业的竞争力和盈利性，也是很重要的问题。另外，我国一直执行去国有化政策，企业国有化进程面临严峻挑战。(二)建立统一平台，加强市场内部自治2017年8月4日， 银行发文《将非银行支付机构网络支付业务由直联模式迁移至网联平台处理的通知》，即将完成对第三方支付平台的“收编”，将其纳入网联平台统一管理。网联由第三方平台共同出资建设，属于行业内自治组织。具体如图1所示。1.统一管理，防止恶性竞争建立统一管理平台，健全平台间的沟通机制，可有效控制第三方支付平台的发展方向，最大限度地防范平台与平台、平台与商业银行间的恶性竞争，以免造成不必要的金融风险和经济损失。2.方便统一管控通过网联平台，各第三方支付企业间信息统一管控，严格控制资金信息，监视资金流向，确保资金安全和合法交易。同时，统一管控机制，是建立健全管控手段、制定法律法规的前提条件。未来将通过完备的法律手段，降低第三方支付平台产品的风险，运用行业内自治制度相互监督、牵制，便于国家管理。(三)与传统商业银行融合，谋求协同发展传统商业银行坐拥大量客户资源，却限制于银行监管办法而转型缓慢，面临客户流失，业绩负增长的窘境。反观第三方支付机构，由于近年来机构数量大幅上涨，其间竞争日益加剧，新增客户数量速度减缓，发展速度已出现减缓趋势。近年来，各大商业银行开始与第三方平台进行小范围合作，共同推出一些新型互联网产品，颇受消费者喜爱。纵观两者的业务方向，第三方平台以小额支付业务为主，传统商业银行以传统企业客户为主，冲突面小且可转变。可见，两者是可以加大合作力度的，甚至商业银行可将第三方支付平台归化为子业务，间接促进网络支付模式发展。通过深入合作，商业银行可为第三方平台提供结算功能、强有力的技术支持和有效担保。同时，第三方支付可以为商业银行降低运营成本、创造良好的支付市场。通过合作，双方可以达到双赢。四、结论互联网的迅速发展，使传统金融业发生了翻天覆地的变化，互联网金融迅速崛起。作为互联网金融的基础，移动支付的重要性毋容置疑。虽然传统金融企业转型步伐不断加快，但相比于传统支付模式，第三方支付仍具有很大优势。若移动支付能快速健康发展，化挑战为动力，定会对整体金融市场造成更大震动，终将在市场上获得一席之地。
余额宝是一种资金管理服务。转入余额宝，即购买货币基金，可享货币基金收益； 货币基金销售服务将由蚂蚁金服网商银行提供支持， 由网商银行与多家金融机构合作，提供更多理财选择。 货币基金主要用于投资国债、银行存款等有价证券。 投资者购买货币市场基金并不等于将资金作为存款存放在银行或者存款类金融机构，基金公司不保证基金一定盈利，也不保证最低收益。