考虑用户兴趣和能力的众包任务推荐方法

众包平台的信息过载使工人面临任务选择的困难.针对众包特征,本研究提出一种考虑工人兴趣和能力的任务推荐方法.该方法基于协同过滤推荐思想,首先通过TF-IDF技术构建考虑兴趣偏好的工人模型,然后将基于胜任力理论分析构建的工人KSAO能力集合融入到模型中,构建新的工人模型;在此基础上,利用余弦相似性、Jaccard相似性和改进的余弦相似性公式,计算工人间融合兴趣和能力的综合相似度,依此来选取近邻集并最终生成推荐.利用猪八戒网采集的数据进行实验,结果表明该方法的有效性,并通过对比实验证实该方法比传统协同过滤方法推荐效果更佳.从推荐视角丰富众包任务选择的研究,对于众包中解决信息过载、增进个性化体验等具有一定的现实意义.     

基于符号数据与非负矩阵分解法的混合推荐算法北大核心CSSCI

针对现有推荐算法在处理海量数据时效率和精确度低下的问题,提出一种将基于内容的推荐算法与基于项目的协同过滤算法相结合的新的混合推荐算法。首先引入符号数据分析方法,使用模态符号数据对项目建模,同时针对评分矩阵的超高维及稀疏性问题加入非负矩阵分解算法,对项目的特征矩阵进行有效"平滑",以此为基础计算项目之间的相似性,进而完成混合推荐。基于MOVEILENS数据的实验结果表明,本文提出的混合推荐算法与传统的基于项目的协同过滤算法相比,在相似性计算上具有更高的效率,同时在应对数据稀疏性及新用户问题时,具有更高的推荐精度。     

基于符号数据与非负矩阵分解法的混合推荐算法

针对现有推荐算法在处理海量数据时效率和精确度低下的问题,提出一种将基于内容的推荐算法与基于项目的协同过滤算法相结合的新的混合推荐算法。首先引入符号数据分析方法,使用模态符号数据对项目建模,同时针对评分矩阵的超高维及稀疏性问题加入非负矩阵分解算法,对项目的特征矩阵进行有效"平滑",以此为基础计算项目之间的相似性,进而完成混合推荐。基于MOVEILENS数据的实验结果表明,本文提出的混合推荐算法与传统的基于项目的协同过滤算法相比,在相似性计算上具有更高的效率,同时在应对数据稀疏性及新用户问题时,具有更高的推荐精度。     

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.     

从定性到定量的信息安全模糊综合评估

依据从定性到定量的综合集成思想,为电子政务信息安全评估提出了一种基于人-机结合数据采集的模糊综合评估方法,并提出了保障度的概念.在评估方法中,用人-机结合数据采集的方式,为Delphi方法中获取模糊矩阵时提供客观、科学的数据依据,减少了专家评判的主观性,解决了信息安全评估过程中数据采集困难、定性与定量评估不能很好结合的问题,并给出了应用实例,是一种兼具科学性、综合性和可操作性的综合评估方法.     

基于最优路径相似度传输矩阵的链路预测方法北大核心CSCD

为解决现有的基于相似性的链路预测方法忽略了最优路径在节点间传递相似性的能力的问题,提出一种基于最优路径相似度传输矩阵的链路预测方法。首先,分析节点间最优路径对信息传输能力的影响,进而对节点间紧密中心性进行定义;其次,依据最优路径数和中心性构建相似度传输矩阵,综合节点间局部信息和全局属性衡量节点间相似度。最后,将所提方法与其他相似性指标,在6个真实网络上进行实证对比研究。结果表明,所提算法预测精度较高,且算法更加稳定。     

超图结构下的在线社交网络中隐性影响力评估

本文将超图结构、概率行为与信息理论三者进行合理综合,并将它们应用到在线社交网络及其隐性影响力评估的研究中,从而提出了一种新的有效数学分析方法.本文首先利用超图理论并通过超路径建立了在线社交网络中用户之间的信息传播过程,同时结合概率行为描述了信息传播的量化关系与波动强度.然后,本文通过平均互信息提出了一种新的在线社交网络隐性影响力评估的量化方法,同时也使用数值算例验证了这种评估方法的有效性.     

基于模态符号数据分析的混合推荐算法

传统混合推荐算法基于点数据来描述用户模型,存在信息丢失、难以统筹考虑用户所有偏好信息等问题,严重影响了推荐系统的质量和效率。针对该问题,以符号数据为基础,建立了基于模态符号数据分析的混合推荐算法。用模态符号数据对用户建模,引入模态符号数据的距离度量计算用户兴趣模型间的相似性,同时整合用户人口统计信息的相似性,形成用户的综合相似性,最终完成推荐。实验结果表明论文方法在应对数据稀疏性及新用户问题时,具有更高的推荐精度。     

基于信任和不信任关系的实值受限玻尔兹曼机推荐算法

在社交网络与电子商务快速融合的背景下,将基于信任关系的推荐技术应用于电子商务领域实现个性化推荐已得到广泛研究.现有推荐算法鲜有考虑用户间不信任效应,导致社交信任度量过于保守,较大地影响了推荐系统准确性.针对现有推荐算法忽视不信任关系导致的非对称效应缺陷,本文提出一种结合信任和不信任的实值受限玻尔兹曼机推荐算法(TDA-RBM),首先建立个人受限玻尔兹曼机,进而运用用户社交行为特征信息分析用户信任与不信任关系并进行度量,在此基础上构造信任-不信任监督机制并用于TDA-RBM方法的优化,同时对该方法的有效性进行分析.通过Epinions数据进行的对比实验表明了TDA-RBM方法的有效性以及不信任关系的引入能有效提高推荐准确性.     

基于信息传播理论的微博协同过滤推荐模型

高速发展的微博带来信息富余,也带来了信息过载,不断新增的非结构化微博文本内容和复杂的社会网络关系导致个性化推荐难以实施.针对微博网站特征,提出一种基于信息传播模拟的协同过滤推荐模型并给出推荐框架图,解决推荐的数据稀疏性和冷启动问题.首先,通过自然语言处理技术处理非结构化文本内容,获取关键词为推荐对象,构建用户-关键词偏好模型;然后,采用一阶马尔可夫随机游走模拟用户偏好在社会网络中的传播过程,得到用户-关键词偏好矩阵.实验使用来自新浪微博的数据集,采用平均绝对误差、准确率和召回率三个指标评价推荐模型,并与基准模型进行对比.实验结果表明,因整合了社会网络结构信息,基于信息传播的协同过滤推荐模型的效率比基准模型有明显提高.     

垂直电子商务网站的混合型推荐系统

提出了一种新的混合型推荐系统框架,该框架采用改进的K-means方法对用户和产品进行聚类,然后用Logistic回归对交易数据进行关联分析,最后使用线性信息融合模型对所有规则进行综合判断,给出合理的推荐结果.介绍了这个框架的实现过程,并将系统应用于一个具体的商业案例,以对推荐效果进行检验.结果表明:新系统适用于垂直型电子商务网站,推荐准确度较高.     

基于信用差异度最大的信用等级划分优化方法

信用评级对当代社会有极其重要的影响,若信用等级划分不合理,必将误导债权人和社会公众.信用评级结果的变动直接反映经济状态的变化,2011年标准普尔把美国的主权信用评级从AAA级降为AA+,引起全球金融市场的动荡.信用评级的本质是合理区分客户的信用状况,揭示不同等级客户的信用风险水平.国际上比较流行的标普、穆迪的信用评级针对中国客户的评级结果往往存在信用等级很高、违约损失率反而不低的不合理现象.本研究以信用差异度和违约金字塔为标准,构建非线性规划模型划分信用等级,并以中国小企业贷款数据为样本进行实证研究·本研究的创新与特色一是根据第k个信用等级中最后一个样本的信用评分P_(mk)~k与第k+1个信用等级中第一个样本的信用评分P_1~(k+1)确定相邻两个等级的信用评分差值,以所有信用等级的评分差值之和∑(P_(mk)~k-P_1~(k+1))最大为目标函数,确保最大程度的保证信用评分差异大的客户划分为不同信用等级.避免了把信用状况差异较大的客户划分成同一个信用等级的不合理现象.二是以信用等级由高到低的违约损失率严格递增为约束条件建立信用等级划分模型,保证信用等级划分结果满足信用等级越高、违约损失率越低的违约金字塔标准,避免出现信用等级很高、违约损失率反而不低的不合理现象.三是1814笔工业小企业贷款数据的实证研究表明,本研究的信用等级划分方法不仅满足信用等级越高、违约损失率越低的违约金字塔标准,还能保证信用状况差异大的客户划分为不同信用等级.     

我国绿色食品营销现状与策略研究

随着我国人民食品消费的不断升档,具有品质好、多营养、无污染、可健身多重功效的绿色食品,日益得到了广大消费者的欢迎和喜爱,绿色食品的市场前景是广阔的。因此,作为"21世纪的主导食品"的绿色食品,带给消费者的不仅仅只是一个概念,而是一个具有开发潜力的市场。分析了绿色食品的发展现状,研究了阻碍绿色食品发展的因素,提出开发绿色食品的发展策略。参3。     

基于"关系"发展视角的企业集群式创新研究

为比较太量生产和精益生产方式下，不同的客户一供应商关系结构对于企业技术创新的影响，文章首先简速了合作理论的发展；然后通过供应商结构的实证分析以比较其效率差异，利用行为生态学的方法分析了企业粜群式创新的出现及其优势f最后从实践建议的角度，分析了“关系”中客户和供应商的战略定位及可能的发展方向。     

水平穿越法在带有不耐烦顾客的呼叫中心中的建模及应用

研究了一种需求服从泊松分布的多座席呼叫中心服务系统的两个问题, 其中考虑了顾客的不耐烦行为. 第一个问题中只有单一排队队列, 顾客进入系统后由于不能立即接受服务或等待时间超过其期望等待时间会选择放弃排队. 第二个问题中有两个排队队列, 主排队队列是顾客呼入队列, 次排队队列是座席提供回拨服务的队列, 且这个队列的顾客来源于由于等待时间超过其期望等待时间放弃排队的主排队队列的顾客. 本文利用水平穿越法得到了稳态时第一个问题的顾客平均等待时间及顾客总的放弃概率及第二个问题中座席繁忙的概率. 该方法不仅具有直观清晰的物理意义, 而且能避免排队系统中冗长的推导过程, 有利于快速简单解决问题. 数值分析表明第一个问题中顾客平均等待时间是座席数的凸函数, 并且顾客的不耐烦程度越高则他们的平均等待时间越短. 同时坐席数的增加在初期能够显著提高接通率, 达到一定数量后效用开始递减. 而且在系统其它参数确定且系统需求流较大情况下, 顾客的放弃率大小对顾客总的放弃概率大小的影响几乎可以忽略.     

Products Ranking Through Aspect-Based Sentiment Analysis of Online Heterogeneous Reviews

With the rapid growth of online shopping platforms, more and more customers intend to share their shopping experience and product reviews on the Internet. Both large quantity and various forms of online reviews bring difficulties for potential consumers to summary all the heterogenous reviews for reference. This paper proposes a new ranking method through online reviews based on different aspects of the alternative products, which combines both objective and subjective sentiment values. Firstly, weights of these aspects are determined with LDA topic model to calculate the objective sentiment value of the product. During this process, the realistic meaning of each aspect is also summarized. Then, consumers’ personalized preferences are taken into consideration while calculating total scores of alternative products. Meanwhile, comparative superiority between every two products also contributes to their final scores. Therefore, a directed graph model is constructed and the final score of each product is computed by improved PageRank algorithm. Finally, a case study is given to illustrate the feasibility and effectiveness of the proposed method. The result demonstrates that while considering only objective sentiment values of the product, the ranking result obtained by our proposed method has a strong correlation with the actual sales orders. On the other hand, if consumers express subjective preferences towards a certain aspect, the final ranking is also consistent with the actual performance of alternative products. It provides a new research idea for online customer review mining and personalized recommendation.     

收益管理中考虑顾客策略行为的多航班无约束估计方法

传统的收益管理多航班无约束估计方法假设顾客到达时的购买决策是一次性的,未能充分考虑策略型顾客的跨期替代行为.在仅能获取产品的历史可观察订购量、历史预售开放状态以及市场份额信息的情况下,基于顾客偏好排名列表建立了考虑顾客策略行为的非参数离散选择模型.针对历史预售数据的不完备性,采用EM算法对顾客到达率和非参数离散选择模型的概率质量函数进行联合估计,并提出了考虑历史顾客策略行为的"初始需求"无约束估计计算方法.使用数值算例说明了所提方法的可行性,通过与现有文献中已有方法比较,验证了所提多航班方法能够反映产品价格变化对顾客选择行为的影响,并能更加有效地避免需求预测对未来顾客"初始需求"的高估.     

具有强占优先权的不耐烦顾客的M/M/m/k排队模型

首先研究只有一类不耐烦顾客的M/M/m排队模型,其中顾客到达服从相互独立的泊松分布,服务时间服从相互独立的指数分布,到达率与服务率随着系统中的顾客数而发生变化。顾客的耐心等待时间(截止到服务开始前)服从指数分布。在此基础上进一步研究两类顾客到达的M/M/m/k排队系统。其中第一类顾客对于第二类顾客有强占优先权,两类顾客的到达率与服务率随着系统中顾客人数而发生变化。采用矩阵分析的方法得到了两类顾客各自的稳态分布,并有相应的性能分析,为系统的优化设计提供了依据。     

基于信任和推荐关系的可信服务发现

随着基于开放Web的服务网络中服务数量的急剧增长, 快速、准确地发现可信服务是面向服务计算的一个关键问题. 针对开放网络环境下可信服务发现工作量大、效率低等问题, 基于模拟现实世界的网络小世界特性, 设计了基于信任和推荐关系的可信服务发现方法. 首先, 提出一种开放的具有信任和推荐关系的服务网络模型, 给出该模型的形式化定义和两种关系的计算策略; 接着, 在具有信任和推荐关系的服务网络模型之上, 给出一种动态的可信服务发现算法, 该算法能有效减少服务的搜索路径, 在较短的时间搜索到可信服务; 最后, 仿真实验表明, 该方法能快速返回可信服务, 具有较高的效率和满意度.