Potential Ways for Smart Contract Technology to Improve the Efficiency of Economic Transactions in the Context of Artificial Intelligence
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Smart contract technology based on artificial intelligence background is gradually becoming a brand-new path to improve the efficiency of economic transactions due to its unique advantages. This paper initially explores the impact of smart contract technology on economic transaction efficiency through empirical analysis of models and data. The credit mechanism is introduced as an intermediate variable to analyze its mediating effect in the process of improving economic transaction efficiency by smart contract technology. The optimization of Fabric transaction mechanism is realized by using the improved credit model, which further exerts the role of smart contract technology in enhancing economic transaction efficiency. The principal component analysis is used to calculate the comprehensive score of economic transaction efficiency before and after the optimization of smart contract trading mechanism to show the effect of the development of smart contract technology on the improvement of economic transaction efficiency. This paper concludes that the development of smart contract technology will significantly and positively promote the improvement of economic transaction efficiency through benchmark regression analysis, mediation effect test and other methods. After the optimization of smart contract transaction mechanism, the comprehensive score of economic transaction efficiency produces significant improvement compared with the pre-optimization period, in which the average value of the comprehensive score of transaction efficiency in Guangdong, Jiangsu, Shanghai, and Beijing is improved by 20.18%, 24.52%, 33.77%, and 35.54%, respectively. It further indicates that smart contract technology is an effective path to improve economic transaction efficiency.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle