支持偏好度动态适应的Skyline服务选择方法

提出了一种基于相对熵的Skyline服务排序方法,根据用户偏好信息定义理想服务,给出一种偏好支配关系,筛选出最符合用户偏好的Skyline服务集,引入相对熵方法来计算理想服务和各个Skyline服务之间的差距,为用户选择出Skyline服务集中Top-k个排序结果.在此基础上提出一种用户偏好度动态修正算法,根据用户对服务的选择计算偏好度调整函数,快速修正用户对不同QoS属性的偏好度.仿真实验与结果表明:本方法能够有效实现有序的Skyline服务集,解决用户对不同属性可能存在的偏好差异,具有更高的用户满意度和良好的扩展性.     

面向误差最小化的在线服务信誉度量

由于每个在线服务可以通过其自身的真实质量被客观比较,存在潜在的真相服务排序。为了使用户进行服务选择时有真实客观的在线服务信誉排序作为参考,服务信誉应当尽可能地接近真相服务排序。提出一种面向误差最小化的在线服务信誉度量方法。该方法将用户对服务的偏好排序视为对真实服务排序的带噪估计,利用Kendall tau距离指标来衡量服务排序与真相排序之间的误差,通过设定真相与用户对服务的偏好排序集合之间的平均误差上限找出可能的真相服务排序,寻找与可能的真相服务排序集合之间平均误差最小的服务排序作为服务信誉。由于所有的服务排序都有可能为真相排序,造成了该方法的计算困难,利用分支切割法对该方法进行优化求解。以真实数据集和模拟数据集为基础,通过实验验证了该方法在保证运行效率的同时得到与真相误差更小的信誉度量结果。     

基于有向无环图的时间——费用优化调度算法

在网格计算环境中,基于时间限制和费用最小的有向无环图（DAG）调度算法,运用了经济规律把网格用户的任务映射到网格资源中运行。该文综合考虑时间、费用以及任务间的优先关系等诸多QoS需求,提出了基于有向无环图的优化调度算法。通过仿真实例,论证了该算法的优越性。     

基于协同过滤的可信Web服务推荐

提出一种基于开放网络环境和用户协同过滤的可信Web服务推荐方法TWSRCF(trustworthywebservicerecommendationbasedoncollaborativefiltering).首先根据用户的查询请求得到一组功能相同或相似的候选Web服务集合,然后基于用户的历史共同评价得到目标用户的偏好相似用户集合,并求得候选Web服务集合中每个服务的可推荐用户集合,并根据可推荐用户的相似度、评价值和可信度计算各候选服务的推荐度,按照推荐度对各候选服务进行排序并向目标用户推荐.实验结果表明,随着用户评价数量的增加,该方法所获得的服务推荐效果也逐渐明显.     

基于知识结构图的个性化学习内容生成算法

在结构化知识图的基础上,根据不同学生的学习状态,提出了网络学习环境的个性化学习内容生成算法.在课程本体知识结构图的基础上,经过动态评估学习过程而形成基于不同学生的个性化知识结构图,结合其子空间及有向无环图的拓扑排序方法,设计并实现了基于目标知识点的学习路径和个性化学习内容生成算法,以及在线学习环境中个性化学习内容生成机制.经网络学习课程实例验证表明,该算法可以满足学生个性化学习的需求.     

基于用户类别兴趣偏好的个性化排序方法

信息检索中,个性化排序在传统的基于内容匹配的排序算法基础上,结合用户兴趣特征,返回更符合用户需求的检索结果.由于用户数据存在稀疏性和兴趣爱好不均衡等问题,用户兴趣偏好模型构建通常不是很精确,检索效果也不佳.本文在前人研究的基础上,提出了一种基于用户类别偏好的个性化排序方法.该方法首先借助词向量技术计算查询词和文档标签集之间的语义相似程度,其次,考虑到用户对不同兴趣的偏好程度不一,通过构建用户兴趣偏好模型,计算出用户对不同兴趣类别的偏好程度,对待查询文档进行个性化处理,以达到个性化排序的目的.在真实数据集上的实验表明,与传统方法相比,本文提出的方法可以有效地改善用户的个性化检索效果.     

基于酒店特征信息和在线评价信息的酒店选择

为辅助游客通过旅游网站进行酒店选择,提出了一种基于旅游网站提供的备选酒店特征信息和在线评价信息的酒店选择方法.首先,基于酒店特征信息和在线评价信息构建备选酒店有向加权图,依据备选酒店特征信息,基于离差最大化法对酒店特征进行客观赋权,并采用简单加权法确定有向加权图结点权重,依据备选酒店间在线评价信息的比较关系确定有向加权图的有向边及有向边权重;然后,基于PageRank算法原理给出备选酒店排序值求解算法;最后,以基于缤客网站提供的酒店特征信息和在线评价信息进行酒店选择.结果说明了提出方法的有效性和可行性.     

基于模糊偏好关系的工艺资源评价与选择的多准则群决策方法

以加工操作序列的选择过程为例,提出了基于模糊偏好关系的工艺资源评价与选择的多准则群决策方法.首先将加工效率、加工成本、设备负载、尺寸精度、表面粗糙度、形状精度和位置精度等评判准则分为定性、定量2种模糊偏好类型,实现定性模糊偏好准则的定量化,建立定量模糊偏好准则的隶属度函数.基于此,建立各评判准则的模糊偏好矩阵,并基于C-IOWA算子对多个决策专家的评估结果进行集结,生成一致性模糊偏好矩阵.然后,求出评判矩阵的排序向量,从而实现对备选加工操作序列评价和选择.最后,通过实例验证该方法的有效性.     

串行生产线的性能指标与扰动分析

通过引进并计算无环向图上各节点的裕度以及路径的裕度得到性能指标与扰动参数之间的关系．从而得出无环向图上关键路径扰动分析算法．     

融合用户偏好和信任关系的混合群组餐厅推荐

在推荐系统领域,群组推荐可以有效解决传统个性化推荐存在的仅对单用户推荐、数据稀疏、计算量大等问题,已成为该领域研究的热点。在传统的推荐算法中,仅使用用户的评分数据,没有考虑用户的信任关系。本文提出的算法通过引用用户偏好模型,获取用户-餐厅偏好评分矩阵,代替原始的用户-餐厅评分矩阵,降低了数据的稀疏性;在计算用户信任度时,从公平性、准确性、影响力考虑了不同因素对用户信任度的影响;通过K-means算法对同城的用户进行聚类,使用改进的比重偏好融合策略预测群组偏好进行推荐。通过实验可知,该方法有更好的推荐结果。     

一种基于知识图谱的用户多偏好推荐系统

提出了一种基于知识图谱（KG）的用户多偏好（MPKG）推荐系统,从用户关系级、实体级和细粒度高阶用户三种不同的视角建模用户的偏好. 首先,将KG中关系向量组合,构建关系级意图,并通过独立性将不同意图之间的差异最大化,由关系级意图来指导学习关系级偏好;然后,根据用户交互实体的频率构建实体偏好图（EPG）,并学习用户的实体级偏好;接着,分别使用关系级意图和实体级偏好来指导模型学习用户的表示;此外,还直接从KG中构建关系实体信息流,用于用户的表示,挖掘用户的高阶细粒度偏好. 在两个基准数据集上进行实验,实验结果验证了该方法的有效性和可行性.     

在重大疫情下基于累积前景理论的在线教学软件平台选择预测研究

在重大疫情背景下,在线会议软件平台喷涌而出,对用户选择行为的合理预测有利于开发商进行合理的资源配置.该文针对重大疫情背景下的在线教学软件平台选择问题,提出一种基于累积前景理论的考虑多个参考点的在线教学软件平台选择预测方法.首先,该方法全面考虑决策者的参考点依赖、风险偏好和风险规避等心理特征,将决策者所给出的在不同疫情演变状态下的多个期望作为相应的参考点; 其次,根据累积前景理论,构建在线教学软件平台对应于各个属性的益损决策矩阵和前景决策矩阵; 最后,运用主观的决策权重,计算各个在线教学备选软件平台的累积前景值,并对其进行优先排序.通过算例验证了所提方法的有效性,通过对比分析表明该方法的优越性.该方法考虑了决策者的心理特征,更加符合真实的在线教学软件平台的选择决策过程,对决策者具有启示意义.     

基于群体偏好的交易评价可信度

利用交易评价数据对商品和卖家进行信用评价以供用户参考成为电子商务在线交易平台最基本的服务。然而,目前的信用评价方法很少考虑不同用户间的评价偏好差异,将所有用户的评价同等看待,导致蓄意刷分或恶意差评等信用造假问题屡禁不止。该文提出了一种基于群体偏好的交易评价可信度确立方法。首先采用K-means聚类算法将用户分为3类用户群,通过实证数据分析验证了用户群间明显的评价偏好差异,然后利用评价偏好特征确立每类用户不同类型交易评价的可信度,并提出了动态的交易评价可信度更新策略。该方法能够有效地限制信用造假行为。     

一种基于协同过滤和混合相似性模型的推荐算法

针对推荐系统协同过滤方法中存在的数据稀疏和冷启动等问题,提出一种基于协同过滤和混合相似性模型的推荐算法。该算法首先计算用户在不同项目间的相似性,然后结合项目特性和标签信息权重来描述用户、项目、特性和标签之间的关系;其次,设定用户偏好因子和不对称因子调整不同用户间的评分偏好;最后,结合用户间相似性、项目综合权重,以及评分偏好构建混合相似性模型,并加入用户时间权重信息解决项目冷启动问题。在公开的MovieLens数据集上的实验表明,该算法在各种评估指标上比其他相关方法获得更显著的结果。     

基于用户偏好的协同过滤推荐算法

在用户的协同过滤推荐模型中,用户对项目评分的偏好行为会导致计算用户之间的相似性出现偏差,影响推荐的质量。文章根据用户的评分习惯划分用户,利用大间隔寻找用户的近似邻居,提出了一种基于用户偏好的协同过滤推荐算法,首先引入一种新的相似性度量方法计算用户之间的相似度,再构建一种基于用户偏好的协同过滤推荐模型。实验结果表明,该算法能有效提高推荐质量。     

概率不确定下考虑偏好的ELECTRE Ⅲ方法研究及应用

针对概率不确定语言环境下的多属性群决策问题,为了更好地反映多位专家的评价信息对于不同属性的偏好程度,创新性地构建了一个新的属性偏好关系。基于考虑专家评价信息之间的差异程度,提出了差异度的概念与计算方法。首先,对多个专家的评价信息进行汇总,通过计算不同方案之间与不同属性之间的差异度,进而获得所有专家对于每个属性的偏好程度。其次,文章研究了在概率不确定语言环境下解决多属性群决策问题的ELECTRE Ⅲ方法,通过计算方案之间的一致性指数与不一致性指数,构造方案间的级别优先关系,从而对备选方案进行综合排序。最后,通过绿色供应链供应商选择的算例分析及概率不确定语言环境下的其他方法进行比较分析,验证了该环境下ELECTRE Ⅲ方法的适用性与可行性。     

基于Vague集和PROMETHEE的工程博士培养方案研究

该文基于Vague集构建了工程博士培养方案的关键因素。利用PROMETHEE方法建立基于"一般性准则"赋值的优先关系,然后计算每一方案的"正流量""负流量"以及"净流量",根据净流量值进行工程博士培养方案排序。最后结合案例分析说明了评价体系和评价方法的有效性。通过应用实例表明,整个评价步骤简单明了,排序的思想浅显易懂,应用方便,易于推广使用。     

《数据结构》拓扑排序算法的分析和实现

拓扑排序是有向无环图的一种重要应用,实现算法与数据结构关系密切,本文以邻接表作为图的存储结构,详细讨论了拓扑排序算法在计算机上的实现方法,并对该算法作了必要的分析.     

一种基于QoS偏好的服务选择策略

面对服务质量敏感的用户,应该依据用户的偏好进行服务选择。给出了Web服务QoS的描述形式,从5个方面对QoS属性进行分析。根据用户对各QoS指标的偏好构建层次分析法(analytic hierarchy process,AHP)矩阵,进一步利用AHP矩阵获得各QoS属性的权重。在此基础上,提出了一种基于逼近理想解的排序方法(technique for order preference by similarity to an ideal solution,TOPSIS)。该方法基于候选服务的QoS属性构建决策矩阵,确定正理想解和负理想解,通过贴近度的大小对服务进行优劣排序。实例分析表明,该算法是有效的。     

广度优先遍历方式下拓扑排序算法的实现

拓扑排序算法是图的应用领域中的一种重要算法,用户可以根据拓扑序列解决活动之间复杂的关系。本文根据图的广度优先遍历方式及AOV网中活动之间的优先关系,对于活动的安排进行了拓扑排序算法的分析,并给出了相应的伪代码。