基于排序对社会选择函数的在线服务评价

不同用户具有不同的评价准则,导致不同用户对同一在线服务的评分不具可比性,使聚合服务评分得到的在线服务评价结果难以真实反映服务之间的优劣关系。为此,该文提出一种基于排序对(ranked pairs)社会选择函数的在线服务评价方法,根据用户对在线服务的偏好关系而不是传统评分计算在线服务评价结果。首先根据用户-服务评分矩阵获得每个用户对在线服务的偏好关系;然后基于多数准则确定服务优先关系,并根据服务优先关系建立服务对排序列表;最后构造以服务为节点的有向无环图,并在该有向无环图中寻找一条包含所有服务的路径,根据该路径的服务排序计算在线服务评价值。理论分析和实验结果验证了该方法的合理性和有效性。     

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.     

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.     

基于位置的偏好查询处理技术

在线位置服务技术日益普及,用户能够很容易获得他们的地理位置信息.随之产生了各类有关空间关键字的查询,这些查询可以提供定位服务的基本查询功能.研究了基于位置的偏好查询处理技术,旨在为用户找到一个目的地,找到的结果应该满足指定的特性,并且靠近满足用户提出的偏好.同时,提出一种新颖的查询框架,该框架通过对IR-tree的节点扩展给出预计算信息表,根据扩展的IR-tree能够减少搜索空间并提出准确计算方法来有效地回答基于位置的偏好查询.在真实数据集上进行实验验证了提出方法的有效性.     

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HMM与张量分解的两阶段个性化推荐模型与应用*

针对个性化推荐系统中用户偏好的进化学习与高维稀疏数据处理的问题。受隐马尔科夫模型(HMM)结构特征启发,提出了一种考虑上下文感知的两阶段用户偏好集推理策略的个性化推荐算法(HHRA算法)。通过对系统历史评分信息的处理,将用户偏好的提取过程抽象为一个HMM模型,来进行第一阶段的用户偏好集学习与推理。然后在此基础上,引入用户的实时上下文信息,构建了一种融入用户实时偏好的张量模型,并基于一种改进的高阶奇异值分解算法来处理高维稀疏的数据集,对模型进行优化求解,生成最优推荐集合。实验设计在3个具有不同特征的真实数据集上将HHRA算法与传统经典推荐算法进行对比分析,结果显示HHRA算法具有较好的适应性和推荐质量。     

基于隐马尔科夫模型(HMM)与张量分解的两阶段个性化推荐模型与应用

针对个性化推荐系统中用户偏好的进化学习与高维稀疏数据处理的问题。受隐马尔科夫模型(HMM)结构特征启发,提出了一种考虑上下文感知的两阶段用户偏好集推理策略的个性化推荐算法(HHRA算法)。通过对系统历史评分信息的处理,将用户偏好的提取过程抽象为一个HMM模型,来进行第一阶段的用户偏好集学习与推理。然后在此基础上,引入用户的实时上下文信息,构建了一种融入用户实时偏好的张量模型,并基于一种改进的高阶奇异值分解算法来处理高维稀疏的数据集,对模型进行优化求解,生成最优推荐集合。实验设计在3个具有不同特征的真实数据集上将HHRA算法与传统经典推荐算法进行对比分析,结果显示HHRA算法具有较好的适应性和推荐质量。     

基于偏好度特征构造的个性化推荐算法

随着在线旅游业酒店数量的日益增多,用户点评信息稀疏问题愈加严重,这不仅导致推荐准确度大幅下降,而且使传统推荐算法的计算负荷随之增加,难以满足实时性要求.基于此,从挖掘用户历史信息与待推荐物品之间潜在相关性的角度出发,对基于内容的推荐算法进行改进,提出了一种基于偏好度特征构造的个性化推荐算法.该算法通过计算偏好分来构造偏好度特征,并借助机器学习领域的分类算法得以实现.将该算法应用于线上旅游业的个性化子房型推荐,通过对真实数据集的实验与分析,验证了所提出个性化推荐算法的简便与有效性,且较传统推荐算法更具实时性和通用性.     

加入用户对项目属性偏好的奇异值分解推荐算法

由于目前的矩阵分解推荐算法在解决项目冷启动问题时,没有充分利用项目的属性偏好信息与用户评分行为的交互信息,因此提出了加入用户对项目属性偏好的奇异值分解推荐(UCSVD)算法。该算法综合考虑项目属性和用户对项目的评分,不仅在矩阵分解算法中加入了项目的属性信息,同时通过对评分数据集和属性数据集的综合分析,得出用户对项目属性的偏好矩阵,将项目属性特征因子和用户对项目属性的偏好特征因子一并加入到矩阵分解中。在数据集Movielens、HetRec2011上进行实验,结果表明,与经典矩阵分解协同过滤算法相比,所提算法不仅在一定程度上解决了项目的冷启动问题,而且在同等条件下的均方根误差平均降低了3.5%,平均绝对误差平均降低了3%,尤其是在更为稀疏的HetRec2011数据集上,项目属性对用户评分行为的影响更加明显,改进算法在推荐精度上表现出更大的优越性。     

在线信誉管理系统中推荐子系统相关技术综述

电子商务网站中的推荐系统,是根据用户对商品的偏好,以及用户对卖家的信誉度的了解,把符合条件的卖家和网店推荐给潜在的购买者。在线信誉管理系统在很好地解决了网络购物中买卖双方信誉问题的同时,也为在其基础上发展起来的推荐系统模块的设计与实现,提供了很好的发展平台。本文将对推荐子系统的实现技术进行详细的梳理,设计出与在线信誉数据相结合的推荐系统。     

基于行为模式的用户声誉度量方法研究

在线评级系统由于水军和恶意打分者的存在而无法对物品给出客观评价，因此，建立一个基于打分行为的声誉度量模型对于在线评级系统的健康发展至关重要。现有的用户声誉度量方法仅依靠用户评分和商品质量之间的差异进行计算，忽略了用户的行为模式。将用户的评分偏差和行为模式相结合，提出了一种新的声誉度量方法，该方法不仅考虑了用户打分频率的极值，还考虑了用户打分总次数。在两个实证数据集上的实验结果表明，新方法对随机打分的识别准确率相较于经典算法最高可以提高17%，对于解决冷启动和鲁棒性问题具有更好的表现。     

在线用户声誉评价算法的鲁棒性分析

在线评分系统中的恶意或随机打分为准确评价在线用户声誉带来了极大的挑战.对3种基于迭代的经典在线用户声誉评价算法的鲁棒性进行了细致研究.实验先将不同数量用户打分随机化,再以均方根误差为指标衡量其余用户声誉值受影响程度.实验共在3个数据集中进行,在MovieLens和Netflix两个经典实证数据集上的实验结果表明:系统中1%~60%的用户进行随机打分时,基于关联分析的CR算法始终保持很好的鲁棒性;基于打分迭代的IARR算法的均方根误差略有增大,最大值达到0.22,但整体波动较小;而改进的基于打分迭代的IARR2算法的均方根误差最大值达到0.695,其鲁棒性的较大波动是因算法受高声誉用户的影响较大.在Douban数据集上的结果表明:在打分数据稀疏情况下,CR算法也能保持很好的鲁棒性.     

一种基于信誉度的Web服务质量预测方法

基于现有的服务质量预测方法大多是以其他用户的使用感受为依据,但前提部是假设这些信息是准确可信的,一旦这个假设难以得到保证,那预测的结果将会出现重大偏差.从服务用户信誉度的角度,提出一种Web服务质量预测的方法.首先介绍该方法的基本思想与主要过程,随后对评价用户信誉等级划分、评价用户信誉度计算以及服务质量的预测算法等内容进行重点分析:最后,通过仿真实验,将本文提出的方法与传统的算术平均值法进行比较.研究结果表明:该方法能有效提高Web服务质量预测的准确性.     

透射式透明薄膜厚度的在线测量

为满足工业半透明薄膜厚度在线检测的实际需求,论文提出了一种基于透射式光密度计量法的全场在线测量方法.该方法利用相机采集的放置薄膜前后的图像灰度值作为入射/出射能量计算其光密度值,再通过比尔-朗伯定律建立光密度值与厚度之间的关系.为减小测量误差,采用标准密度值标定板对系统进行标定,对计算的理论光密度值进行偏移校正.该系统结构简单,单次测量面积可达100 mm * 75 mm;以四氟薄膜为例进行验证,其测量的平均误差为5.7%,标准偏差为6.66%,为薄膜厚度全场在线检测提供了新的可行性.     

第三方网络零售平台的私人秩序治理

现有第三方网络零售平台基本都建立了某种有组织的私人秩序治理机制,其基础是在线声誉系统,但仍存在诸多缺陷。为弥补这些缺陷,促进平台诚信交易和可持续性成长,基于业界实践和系统性思维,提出一个第三方网络零售平台的私人秩序治理框架,涵盖声誉信息的收集、聚合、存储、传播以及声誉反馈回路等,其声誉信息来源于评价反馈、第三方中介服务、商盟与论坛社区、物流平台以及其他电子商务平台的声誉信息等。     

网购平台在线声誉机制研究现状与展望

在线声誉机制是网购平台重要组成部分,现有研究表明：在线声誉机制对促进平台可持续性成长,建立诚信交易环境,提升网上市场效率等均有显著作用,但在线声誉机制依然面临恶意评价、共谋攻击、评价报复与互惠、身份变更、品格改变、声誉信息收集、声誉度量与使用等方面的挑战。对在线声誉机制的进一步研究可从以下方面进行：基于各类平台、商业模式、社会信用基础等不同情境下的研究;与其它在线交易机制的相互作用以及买家诚信约束问题的研究。     

基于卖方行为影响的电子商务在线信誉评价

针对电子商务这一特殊交易环境中存在的信誉问题,以卖方行为造成的影响作为独特视角对电子商务在线信誉评价问题进行系统分析.从欺诈、服务、产品、交易四个方面建立了由14个指标构成的综合评价指标体系,采用层次分析法确定了各指标的权重,并运用模糊综合评价法对卖方行为影响下的在线信誉进行综合评价.旨在提高卖方信誉度的真实性,使购物者能够放心地进行在线购物,为以后研究建立信誉度评价模型提供基础,促进电子商务安全快速发展.     

基于网络的个人健康管理实时监控健康分析平台

针对个性化电子医疗服务、高效医疗服务和远程医疗服务的需求,将国际通行个人健康档案标准数据模型、Java手机客户端和网络服务技术相结合,构建一个基于Web2.0的社区医疗服务平台,该平台实现了为医生/患者、教练/运动员4类用户提供基于网络的实时监控及在线远程医疗分析功能.     

The influence and moderating effect of trust in streamers in a live streaming shopping environment

With its powerful real-time interaction and rich user experience, live streaming shopping has rapidly become consumers' new favorite. However, the frequent "rollover" incidents affecting the reputation of well-known streamers significantly reduce consumers' trust in the streamers. Academic research on trust in live streaming shopping has thus far mainly focused on purchase motivations. Few studies have focused on the factors influencing trust from the streamer's perspective, and they have ignored the moderating role of streamers and product factors, situational factors and individual characteristics of consumers. Therefore, this study introduces three new moderating variables – streamer-product matching, live streaming online reviews, and online shopping experience – to explore their moderating effects on streamers' reputation, popularity, and trust. The results show that streamers' reputation and popularity have a significant positive impact on trust in streamers, and streamer-product matching has a positive moderating effect on the relationship between streamers' reputation, streamers' popularity, and trust in streamers. Online reviews have a positive moderating effect on the relationship between streamers' popularity and trust, while online shopping experience has a positive moderating effect on the relationship between streamers' reputation and trust in streamers.     

基于消费者评论挖掘的B2C网购物流服务因素类型及其作用机制研究

随着电子商务的迅猛发展以及消费模式的转变,越来越多的消费者开始选择网络购物,物流服务成为影响消费者网购满意度和制约电商企业发展的重要因素之一,因此探索影响网购物流服务的因素及其作用,并依此设计相应的物流优化方案,进而为顾客提供优质服务,提高物流顾客满意度,为企业树立良好形象,提高企业的效益。为探究消费者网购物流服务因素类型及其作用机制,从网购消费者的角度出发,以网络购物者在平台上的评价信息为研究对象,利用八爪鱼数据采集工具从天猫商城抓取一定量的评论信息,使用扎根理论研究方法对其进行分析和挖掘,通过开放式编码、主轴式编码和选择式编码提取物流服务因素主范畴和类型。把影响网购物流服务的因素分为7个主范畴,挖掘主范畴关系结构,将影响网购物流服务质量的因素归纳为配送质量、感知体验、售后服务质量和可靠性等4个主要类型。基于主范畴的典型关系结构,最终确定了"网购物流服务满意度关键影响因素"为核心范畴,分析得出物流服务质量的作用模型。运用语义网络分析和理论饱和度检验对物流服务质量因素的类型及其作用机制进行验证,语义网络分析使用ROST Content Mining知识处理与内容挖掘软件进行全网分析,通过词频分析及关键词共现分析验证所得结果;理论饱和度检验采用原始资料法与信度评估法进一步验证研究结果。结果表明:感知体验是网购物流服务的直接驱动因素,它决定了顾客是否进行网购行为;售后服务质量和可靠性通过影响感知体验间接驱动消费者的网购行为,是网购物流服务的间接因素;配送质量既可以直接影响网购物流服务质量,又可以通过感知体验间接影响网购物流服务质量。通过上述几方面改善物流服务,不仅可以提高顾客满意度,获取和保持稳定的客户群以维持企业的竞争优势,而且可以作为电商企业完善自身物流系统的重要依据,探索自身物流的薄弱环节,使企业得到更好发展。该研究方法及所得结果对B2C电子商务企业改善物流服务质量、提高企业竞争力具有重要意义。