基于二元不完全偏好的群决策方法

分析了群决策过程中不完全区间数互反判断矩阵和不完全区间数互补判断矩阵的集成方法.基于决策者给出的允许偏差,定义了群决策满意度隶属函数,建立了求解群体偏好满意程度最大化的权重模型,提出了群体偏好一致性程度的衡量指标,研究了对一致性程度较差的决策者判断进行交互调整的方法.为解决模型存在多组最优解以及因决策者判断误差波动造成的决策误导问题,建立了群体偏好权重分布范围的估计模型.通过算例分析,证明了方法的有效性及实用性.     

基于情境化用户偏好的协同过滤推荐模型

协同过滤推荐是目前个性化推荐系统中使用最为广泛的方法.然而,传统协同过滤推荐一方面仅根据用户对项目的评分来判断用户之间是否存在共同喜好具有一定的片面性,因而降低了近邻搜索的质量;另一方面忽略了不同情境对用户偏好影响的差异性,进而影响了个性化推荐的效果.为此,提出一种基于情境化用户偏好的协同过滤推荐模型.首先,在模型中采用信息熵理论分析不同情境对用户偏好产生影响的重要程度,并结合用户-商品评分和用户对商品属性的偏好来搜索近邻用户;在此基础上,将情境重要度的权重引入到协同过滤推荐的生成过程中进而产生推荐结果.通过MovieLens数据集对该模型和其它两种协同过滤推荐进行比较的结果表明:本模型具有较低的平均误差,进而表明了考虑情境化用户偏好的协同过滤可明显改善个性化推荐的质量.     

多粒度犹豫模糊语言信息下的群推荐方法

针对群推荐系统的偏好信息来自不同的网络平台,被推荐项目具有多粒度性、犹豫模糊性和多属性等问题.本文首先定义了多粒度犹豫模糊语言术语集的概念,定义了多粒度犹豫模糊语言术语集的广义距离公式、广义豪斯多夫距离公式和广义混合距离公式;其次,考虑被推荐项目属性的权值问题,定义了相应的广义加权距离公式距离、广义加权豪斯多夫距离公式和广义混合加权距离公式等.研究了这些公式的性质,讨论了公式之间的关系;最后,将这些距离公式结合满意度公式用于群体推荐问题,并进一步分析了公式的参数对满意度及电影排序的影响情况.     

一种基于满意与公正的群决策方法

在群体决策问题,如何将群成员的偏好集结构群体的偏好并构造一个群体的效用函数是基于效用函数的群决策方法的核心问题,本文给出了公正和满意的概念和测度方法,提出了一种基于满意和公正的群体效用函数构造方法,并通过求解一个规划问题来获得群体效用函数。     

关于序区间偏好信息的群决策方法研究

在群决策分析中,基于序区间偏好信息的排序方法的研究是一个新的重要研究课题.针对决策分析中基于序区间偏好信息的群决策方法问题,提出了一种新的分析方法.首先,提出了序区间的有关定义及性质；其次,通过定义序区间的可能度及可能度矩阵的概念,得出了每个专家的可能度矩阵均具有满意一致性的互补判断矩阵结论.进而构建了基于群体一致性的最优化模型,依据计算的最优权重向量给出了一种关于序区间偏好信息的群决策方案排序方法.最后,通过一个算例说明了提出的分析方法.     

基于格序偏好距离的群决策方法

针对决策者具有格序偏好结构的群决策问题,提出了一种基于偏好距离测度的群决策方法。该方法定义了格上偏好关系的一种距离测度,并算出二元关系之间的距离;利用偏好关系之间的距离建立一数学模型,结合优先原则和集结规则将个人偏好集结成群体偏好,并将该决策方法推广到专家权重信息不能完全确定的情况。给出了应用该方法的具体步骤,举例说明了该方法的可行性。     

模糊偏好下群决策结构的研究

研究了群决策问题的模糊偏好关系 ,在模糊理性条件下证明了一个不可能定理 ,提出了影响集的概念 ,讨论了对群决策产生影响的影响集的结构 ,并给出了一个实例.     

群机器人系统的建模与仿真

围绕群机器人学的起源与发展,针对群机器人系统与其他多机器人系统的区分准则及系统级功能特征,讨论个体机器人的交互、通信、协调控制机制和自组织、模式形成等群机器人研究中的主要问题,洞悉群机器人的研究概貌和既有研究成果,明确其研究方向.通过回顾概括群机器人系统的主要建模与仿真方法,以个体之间及个体与环境之间的局部交互机制为前提,使感知能力有限的个体机器人在协调控制算法作用下涌现群体智能完成规定的复杂任务,突出群机器人规模可伸缩的系统特征.     

基于偏好的多属性群知识系统

提出了基于偏好的多属性群知识系统模型,定义了封闭的处理偏好值的运算法则,得到具有偏好的多属性知识系统,并采用基于优势关系的粗集理论来处理给定问题中具有偏好属性间的冗余及依赖,由约简后的偏好属性决策表导出偏好决策规则.通过实证分析表明,该方法可获得认可的知识规则,能取得有实际意义的结果.     

基于满意度函数的群决策排序方法

针对层次分析法中决策成员对决策元素的两两比较判断值与群体偏好值往往会偏离的情形,提出基于满意度函数的群体决策排序方法.该方法利用基于离差的满意度函数,通过建立偏好度集结的目标规划来确定层次分析法中的属性权重.该方法能避免目前多数研究中仅将决策成员当成信,包提供者的情况.还能解决判断值缺失下的群体偏好度集结问题与决策成员的不同权重问题.最后给出一个具体的算例证明该方法有效.     

基于情境聚类和用户评级的协同过滤推荐模型

协同过滤是电子商务推荐系统中广泛应用的推荐技术, 但面临着严重的用户评分数据高维化和稀疏性问题. 同时, 传统协同过滤中的相似度度量方法没有考虑用户评分行为对其他用户的影响, 因而对评分预测的精度影响较大. 此外, 在移动环境下, 传统协同过滤未结合情境信息, 导致推荐质量下降. 对此, 提出一种基于情境聚类和用户评级的协同过滤模型. 首先, 根据情境信息对用户进行聚类, 降低用户评分数据维度和稀疏性; 然后, 引入社会网络理论分析用户间关系, 建立用户评级模型用于评价用户推荐能力, 并结合评级指标进行评分预测. 通过MovieLens和NetFlix数据集对基于该模型的SlopeOne算法和其它三种方法的比较验证结果表明: 本模型在所有数据集上都获得了最高的预测精度, 同时还具有最佳的推荐覆盖度, 可显著提高预测精度, 更适用于移动电子商务环境下的个性化推荐问题.     

协同过滤推荐算法研究: 考虑在线评论情感倾向

协同过滤推荐算法通常是基于兴趣相似的用户行为来实现个性化推荐, 其核心义用户之间的兴趣相似度. 本文在传统的协同过滤推荐算法基础上, 考虑在线评论对用似度识别的影响. 在混合商品推荐中, 粗粒度识别评论情感极性; 而在同类商品推荐中, 细粒别每个商品特征的情感极性. 如果用户对产品的某个特征评价次数大于平均次数, 表明用户对征较关注; 如果对产品的某个特征评价低于平均评价, 表明用户对该特征较挑剔. 进而根据用户评论来建立用户偏好模型, 用户在评论中反映出来的相似度越高, 表明用户之间的偏好越. 实验表明, 同传统的协同过滤算法相比, 基于在线评论情感分析的用户协同过滤算法在率和召回率指标上有显著提升.     

信息网络中的信息过滤技术

信息过滤技术针对用户之间不同的兴趣、爱好,为用户提供个性化的信息服务,是连接用户和信息空间的桥梁.描述并讨论了信息过滤系统中的关键技术,主要内容有系统框架、信息空间模型与用户模型、信息过滤算法、信息递送策略以及下一步的工作.     

基于区间直觉模糊数的群决策模型及其在社交网络中应用

基于经典熵方法的局限,提出一个新的区间直觉模糊熵计算方法.考虑社交网络数据高度动态及非结构化的特性,引入区间直觉模糊思想,创新性地将社交网络用户影响力量化评价转化为模糊多属性群决策问题,提出基于区间直觉模糊数的用户影响力动态评价模型.该模型对用户影响力进行多层次分解,建立模糊情境下的指标体系,以区间数描述用户数据,同时引入时间维度考察数据的动态差异,采用新的熵方法计算模糊熵,设计主客观相结合的熵权确定方法,从而对用户影响力进行量化分析.克服了主观赋权的局限,提供了社交网络量化评价的新思路,拓展了区间直觉模糊群决策方法的应用.最后,应用该模型对新浪微博用户进行影响力动态评价,验证模型的有效性.     

移动商务中融合签到位置与用户间相似性的兴趣点精准推荐

向位置频繁变化的移动用户进行精准推荐,如何提高推荐准确性,已经成为一个理论研究与实践中的热点与难点问题.针对于此,本文提出了面向移动社交商务的精准用户兴趣点推荐模型--MRGR.首先,利用用户的历史签到信息,通过改进核密度估计对兴趣点进行预测;其次,进一步考虑到用户间的签到相似性,使用信息熵定量表示用户移动的随机性和不确定性;最后,融合地理位置信息与用户间相似性,精准推荐用户兴趣点,并在Foursquare数据集上进行验证.实验结果表明:与传统模型相比,提出的模型在准确预测用户兴趣点的同时,可以有效缓解数据稀疏性和冷启动问题,并在准确率和召回率上都取得了显著的提高.成果将为移动商务中,如何更好满足企业的精准推送与用户个性化需求提供有力的技术支持和决策服务.     

具有多类资源多类用户智能电网实时定价决策

智能电网中的实时定价问题,对于当前正处于全面建设阶段的我国智能电网建设进程的后继顺利发展以及经营企业的经济效益和竞争力都将产生重要影响.基于反映智能电网中电力需求或电力消耗动态变化需求侧管理(DSM)思想,利用动态博弈理论研究了实时定价和电力采购决策问题.该研究创新性地考虑了电力零售市场中零售商通常需要采购不同电力资源然后将其销售给不同类型用户这一现实,改变以往研究电力市场中零售商和用户之间策略互动时仅研究单一类型用户和单一类型电力来源局限,使用特殊的效用函数来模型短期用户的偏好和消费模式,将采购不同类型电力资源零售商与其服务的不同类型用户之间的策略互动构造出一个五阶段动态Stackelberg博弈模型,最终使用逆推归纳法求出博弈解子博弈精炼纳什均衡,从而为零售商提出了一种基于智能电网DSM实时定价的新型博弈决策机制,既为零售商提供了一种最优采购和定价机制,也通过实时定价为不同类型用户提供电力消费的不同最优反应模式.数值仿真表明了所提出的机制的有效性及系统参数变化对决策的影响.     

基于灰关联分析和时空偏好特征的兴趣点推荐算法

为了提高动态推荐效果, 从时间个性化和连续性的角度出发, 细化了签到用户的时间特征, 利用灰关联分析度量时间向量的相似度, 与矩阵分解算法结合, 给出了一种新的矩阵分解算法。该算法可缓解时间戳细化签到矩阵后带来的数据稀疏的影响。同时为了提高个性化推荐, 采用自适应核密度估计方法捕捉用户的空间偏好, 增强用户的个性化体验, 进而提高推荐质量。在此基础上, 设计了一种新的兴趣点推荐算法。实验结果表明, 该算法能有效地提高推荐准确率和召回率。     

面向用户的一种遗传算法研究

电子商务的发展对网络服务的多元化提出了更高的要求。WebsiteMaster不仅应该考虑为用户提供内容丰富的服务 ,还应兼顾用户个性化服务的请求。利用遗传算法的理论和方法 ,讨论了一种在WWW上根据用户最近访问的一组页面挖掘出表达用户兴趣信息关联的GMPWS模型、算法及其相应的改进方法 ,并给出了相应的编码方式。在此基础上进行了实例验证和分析     

有向相似性对协同过滤推荐系统的影响研究

为研究用户的相似性对协同过滤个性化推荐算法的影响,认为用户的有向相似性应该由邻居用户指向目标用户,而非由目标用户指向邻居用户。基于该思想,提出了一类改进的协同过滤算法。通过对Movielens数据集的实验分析,结果发现改变用户相似性的方向可大幅提高推荐结果的准确度和推荐列表的多样性。进一步,强化相似度高的用户的推荐强度可大幅提高推荐效果,算法的准确性可提高17.94%,达到0.086 4,当推荐列表的长度为10时,推荐列表的多样性可达到0.892 9,提高20.9%。该工作表明用户相似性的方向是否合理对推荐算法具有非常大的影响。