信息筛选中群体用户偏好聚合模型

将信息筛选描述为信息对象到用户偏好值的映射函数 ,利用多目标决策方法提出了一个信息筛选中多用户偏好聚合模型 .对信息筛选过程进行了分析 ,它包括定义用户偏好、接受信息输入流、计算其用户偏好值以及用户偏好修正 .在此基础上 ,用偏好向量定义个体用户偏好 ,并通过例子进行演示 .系统研究了信息筛选中的群体用户偏好 ,建立了一个群体偏好聚合模型 ,计算了不考虑信息代价和考虑信息代价两种情况下的群体偏好值 .利用模型通过聚合个体偏好求取群体偏好 .在考虑信息代价时 ,对不同类别的信息代价进行归一化处理 .实例验证表明 ,该模型是有效的 .     

信息筛选中群体用户偏好聚合模型

将信息筛选描述为信息对象到用户偏好值的映射函数,利用多目标决策方法提出了一个信息筛选中群体用户偏好聚合模型,对信息筛选过程进行了分析,它包括用户偏好,接受信息输入流,计算其用户好值以及用户偏好修正。     

一种基于Cook-Seiford函数的序区间群决策方法

针对具有序区间偏好信息的群决策问题,提出了一种决策分析方法.首先,对具有序区间偏好信息的群决策问题进行了描述;然后依据传统Cook-Seiford函数解决群决策问题的基本思路,给出了求解具有序区间偏好信息的群决策问题的计算步骤,其核心是通过定义群体排序与各专家排序之间的距离,并依此建立最优化模型寻找一种群的排序,使之与各成员排序的总的距离最小,该排序即为方案最优排序;最后,通过一个算例说明了本文给出方法的可行性和有效性.     

基于微博情感分析的电影票房预测研究

微博作为电子口碑的重要载体,极大影响了消费者的购买决策和商家的产品销售.为此,以新浪微博为平台,研究从微博中挖掘情感信息并利用这些信息对产品销售进行预测的方法.分析影响微博评论的因素,基于已构建的情感本体,建立微博中情感计算方法.然后在传统自回归模型的基础上融入情感因素,提出自回归情感预测模型用于产品销量的预测.对电影数据集进行了广泛地实验,分析参数选择,并与其它预测模型进行比较,实验证实我们提出的方法的有效性.     

基于商品评论的群体用户情感趋势预测研究

提出了一种基于商品评论的群体用户情感趋势预测方法.首先,提出了基于Boson NLP的情感特征词识别算法,对时间维度下的商品评论信息进行特征选取;其次,使用群体用户多维特征向量构造多层感知器(MLP)模型进行情感分析;最后,融合评论时间和用户情感倾向值构建群体用户时序情感倾向序列,并通过长短时记忆网络(LSTM)模型进行时序情感趋势预测.在大规模真实数据集上的实验结果表明,MLP模型具有较好的分类效果;相比于现有的自回归(AR)模型,LSTM模型的平均均方差降低了79. 06%,能够取得更加精准的预测结果.     

基于数据驱动和知识图谱的电影分类推荐方法

提出基于知识图谱和数据驱动的电影分类推荐方法；首先基于数据驱动爬取互联网中的电影数据并进行去重及清洗，然后采用知识图谱将电影数据与用户情感偏好数据进行关联，对海量的数据信息进行中心聚类，并在数据聚类的过程中计算投影向量得到相似度矩阵，最后查询相似度值并计算分类推荐指标权重得到最终的电影推荐清单.     

基于OWA算子威胁评估的群决策方法

基于作战实际情况,提出了一种新的基于OWA算子的威胁评估方法。采用将主观偏好信息一致化为效用值的方法,通过OWA算子集结出决策群体的主观偏好信息,建立主客观信息相集成的威胁评估模型,然后通过二次规划模型计算属性权重,最后"通过一个排序公式"得出目标的威胁评估值和排序结果。所建立的威胁评估模型更为符合作战的实际过程,算例表明了方法的有效性。     

不同粒度语言信息的群体一致性判别和改进方法

针对群决策中基于不同粒度语言判断矩阵形式偏好信息的群体一致性判断和改进问题,提出了一种新的分析方法.首先,根据专家给出的不同粒度语言判断矩阵,采用LOWA集结算子确定个体方案排序的序关系值向量;然后,以群体与专家个体意见偏差最小为目标建立目标规划模型,通过求解该模型得到群体方案排序的序关系值向量;进一步地,通过定义专家个体与群体意见的贴近度指标,给出了专家群体一致性的判别改进方法;最后,通过算例说明方法的可行性和有效性.     

微博负向情感热点话题发现模型

微博中热点话题,尤其负面情感热点话题对舆情的发现起到了重要作用,本文从情感的角度出发,提出了一个面向微博负向情感的热点事件发现模型。首先,在数据预处理阶段除了对微博文本中含有＂@＂＂#＂的博文进行过滤,并引入户信息对休眠用户及僵尸用户进行了剔除;其次构造情感分类器,对博文进行情感分类,筛选出负向情感博文;然后根据词频和词语增长速度对主题词进行评价;接着根据词意相似度以及共现度对话题进行聚类;最后通过计算话题负向情感值对负向情感热点话题进行细粒度划分。     

群决策中两类偏好信息集成的目标规划模型

带有不同偏好信息形式的群决策问题是一个重要的研究方向·根据多个决策者给出关于方案的两类偏好信息Fuzzy偏好关系矩阵和AHP判断矩阵,建立了一个能够集成这两类偏好信息的线性目标规划模型,通过求解这个模型可以直接得到每个方案的参考排序值,并使方案的排序结果最大程度地反映了每个决策者的偏好·最后给出了一个算例·     

数据库模糊查询结果自动排序方法

数据库模糊查询会产生多个查询结果,因此有必要将查询结果按照用户需求进行排序.首先根据元组对模糊查询的隶属度,将查询结果中具有不同隶属度的元组分开.然后,利用PIR改进模型和历史查询记录来分析元组中被查询指定的属性值与未指定的属性值之间的关联程度,从而获得用户偏好并以此对具有相同隶属度的元组进行排序.在此基础上,提出了模糊查询下的DPR自动排序方法.实验及分析证明,提出的模糊查询结果自动排序方法能够极大地提高排序质量.     

基于情感识别方法的推荐系统(英文)

随着电子商务的高速发展,推荐系统已成为广大客户选择合意商品的重要工具。目前应用的电子商务推荐方法,依赖于客户的购物素养;而客户在购物中,更重要的影响因素是人的情感。针对这种情况,提出了一种新型的、基于客户情感的推荐系统;给出了该系统的模型、数据结构等。该系统的核心是商品和情感二维叠加空间。实验证明,该系统具有较高的推荐精度和检索速度。     

带有Fuzzy偏好关系的多属性决策方法

针对多属性决策分析中决策者给出关于方案的Fuzzy偏好关系,提出了一种新的多属性决策方法·该方法是通过建立一个线性目标规划模型来确定属性的权重向量并相应地进行方案的排序,得到的方案排序结果体现了决策者给出的方案偏好信息与决策矩阵的集成,并最大程度地反映了决策者的偏好·最后给出了一个算例·     

面向领域的语义排序与自适应热点算法

为了加强面向领域的搜索技术查询有效性与准确性,在证券领域本体的基础上对检索表达式进行扩展,使检索内容更加相关.对于初始检索集,根据本体进行面向语义排序,提高了检索结果集相关度.对面向证券领域的语义信息检索系统框架数据流与算法效率进行了分析,并对语义排序算法功能进行增强,得到自适应热点算法扩展,使系统可以在特定时间段内根据用户点击率反映阶段性关注热点.     

Web数据库近似查询结果自动排序方法

针对Web数据库近似查询产生的多查询结果问题,提出了一种近似查询结果自动排序方法,该方法利用KL距离(Kullback-Leibler distance),PIR(probabilistic information retrieval)模型和查询历史(query history)来构建元组排序打分函数;打分函数根据结果元组中被查询指定的属性值对初始查询的满足度和未被查询指定的属性值与用户偏好的相关度来评估元组的排序分值.实验证明,提出的排序方法能够较好地满足用户需求和偏好,并具有较高执行效率.     

一种基于用户偏好和反馈的页面排序技术

传统的排名方法没有考虑用户的喜好、反馈和用户兴趣,很难满足用户的个性化需求.针对这个问题,提出一种新的网页排名方法,将网页的相似度、链接结构信息、用户偏好及用户反馈相结合进行页面排名.实验结果表明,改进的排序算法在一定程度上帮助用户提高检索网页的质量,最大限度地满足用户的需求.     

基于偏序线性扩张的群决策方法

针对决策者关于每个属性给出方案集的偏序偏好,决策者没有确定权重的多属性群决策问题,提出了一种新的集结排列方法。该方法首先利用偏序的线性扩张求出方案集在各个属性下的排列概率,进而定义一偏好关系的概念,得到每对方案间的偏好度,然后采用OWA算子对决策群体进行集结,集结后的群体偏好具有偏序特征,能更真实地体现现实的决策问题,并且最大程度地反映了决策群体的偏好。最后给出了一个算例。     

单一维度用户感知信息辅助概念设计技术研究

针对辅助产品概念设计中研究受专家主观因素影响较大,用户感知信息不能有效辅助产品概念设计的问题,探索了单一维度用户感知信息辅助的概念设计技术.基于用户单一维度认知方式,建立用户感知信息模型,并依据该模型构建用户感知信息与产品造型特征属性间的关联.采用目标用户群参与产品概念方案的决策评价,利用用户感知敏感度曲线分析方法提取用户偏好信息,并实现产品概念方案的优化,从而实现用户感知信息对产品概念设计的有效辅助.