The Crude Oil International Trade Competition Networks: Evolution Trends and Estimating Potential Competition Links
Notice bibliographique
Résumé
In the context of the economic situation, international relations, and the consequences of COVID-19, the future competition pattern of crude oil trade is uncertain. In this paper, the crude oil international import competition and export competition networks are based on a complex network model. The link prediction method is used to construct a crude oil competition relationship prediction model. We summarize the evolving characteristics of the competitive landscape of the global crude oil trade from 2000 to 2019 and explore the reasons for the changes. Finally, we forecast the future potential crude oil import and export competition. The results indicate the following. (1) The crude oil import competition center is transferred from Europe and America to the Asia–Pacific region and it may continue to shift to developing regions. (2) At present, the competition among traditional crude oil exporters is the core of crude oil export competition, such as OPEC, Canada, and Russia. The United States has become the world’s largest crude oil exporter, which means that the core of crude oil export competition has begun to shift to emerging countries. The competition intensity of emerging crude oil exporters is gradually increasing. There is likely to be fierce export competition between traditional and emerging exporters. (3) In the future crude oil competition, we should pay attention to the trend of the United States, which may lead to the restructuring of the global oil trade pattern. Finally, this paper considers the exporters and importers and puts forward policy suggestions for policymakers to deal with the future global crude oil trade competition.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».