基于评论分析的评分预测与推荐

推荐系统广泛地应用在网络平台中,推荐模型需要预测用户的喜好,帮助用户找到适合的电影、书籍、音乐等商品.通过对用户评分和评论信息的分析,可以发现用户关注的商品特征,并根据商品的特征,推测用户对该商品的喜好程度.本文提出将评论中隐含的语义内容与评分相结合,设计并实现了一种新颖的商品推荐模型.首先利用主题模型挖掘评论文本中隐含的主题分布,用主题分布刻画用户偏好和商品画像,在逻辑回归模型上训练主题与打分的关系,最终评分可以被视为是对用户偏好和商品画像的相似程度的量化表示.最后,本文在真实数据上进行了大量对比实验,结果证明该模型比对比系统性能优越且稳定.     

矩形截面型材三维拉弯成形的回弹预测

设计了用于三维拉弯成形的、可重构的柔性模具,并采用支持向量回归机和有限元模拟对柔性三维拉弯成形的回弹进行预测.使用有限元法分析了对回弹量影响较大的6个因素(包括材料参数、几何参数和工艺参数),以及它们对回弹的影响趋势.选用这6个参数设计有限元三维拉弯模拟实验,并用模拟结果训练和检验支持向量回归机回弹预测模型.通过与广泛应用的神经网络预测方法的预测值和有限元模拟试验结果的比较,检验该回弹预测模型的准确性.研究发现,该模型与神经网络相比具有更高的准确度,在试验中根据该模型预测的回弹量对模具型面进行相应的补偿,可以有效地减小回弹和形状偏差.     

小秦岭国家级自然保护区植物群落数量分类与排序

设置25个20 m×20 m样地,用多元回归树(Multivariate regression trees,MRT)方法对小秦岭森林群落进行分类,采用对应分析(Correspondence analysis,CA)、除趋势对应分析(Detrended correspondence analysis,DCA)、冗余分析(Redundancy analysis,RDA)和典范对应分析(Canonical Correspondence analysis,CCA)方法对小秦岭森林群落进行排序,并比较了4种排序方法的优劣.研究结果表明,依据植物群落分类和命名原则,对25个样方进行多元回归树分类,本区植物群落可分为3类;样方除趋势对应分析排序明确地揭示各群落类型生境分布范围,较好地反映小秦岭自然保护区森林群落与环境因子的关系;分类与排序结合起来分析群落特征效果更好.     

中西部城镇居民住房类型分化影响因素分析

分析了转型背景下中西部城镇居民住房类型分化及其影响因素,研究发现:家庭生命周期、户籍、单位性质等变量显著影响住房选择.体现市场与制度(灰箱)因素对住房资源分配的双重影响.并基于上述实证研究的结论提出相应的政策建议.     

数控机床动压主轴的热误差建模技术研究

为了降低加工过程的热误差,提高数控机床加工精度,基于时序相关分析理论与数值计算方法,建立了一种以温度场分布及加工参数为输入的新型机床主轴热误差建模方法.所建模型由热误差模型、主轴动压轴承热特性模型以及主轴热传递模型三部分组成.该方法首先根据时序相关理论建立热误差与温度测点之间的相关模型,再通过灰色相关理论完成关键温度测点位置与数量的优化,同时,基于数值计算与热传导理论,建立了动压主轴系统热特性模型.以一台大型龙门导轨磨床为实验对象,建立了磨床主轴箱热误差预测模型.实验结果表明,所建立的热误差模型具有良好的热误差辨识性能.     

基于多元回归分析的STM32空气质量监测系统设计与开发

以鞍山市空气环境资料为基础,用统计软件SPSS分析了空气质量指数与PM2.5,PM10,SO2,NO2,CO以及O3的相关性,选取相关性最显著的因素建立多元回归模型,并以此为基础设计并开发出基于STM32处理器的具有温湿度和紫外线测量及空气质量指数预报的空气质量监测系统。测试结果显示,测量及预报值与实际值相符合。     

上市公司财务预警的T逻辑回归模型

针对经典的逻辑回归模型易受到样本类别噪声干扰的问题,采用T逻辑回归算法中的非凸损失函数以弥补这一不足。对T逻辑回归模型及求解算法进行了分析,建立T逻辑回归财务预警模型,并结合沪深上市公司财务数据开展实证分析,结果表明T逻辑回归模型具有较好的分类效果和鲁棒性。     

脉冲中子法检测煤的全水分

给出了利用脉冲中子发生器产生的快中子的非弹性散射[n,n′γ]反应和热中子的俘获[n,γ]反应,对煤的全水分进行分析的原理和方法.采用BGO(锗酸铋)探头作为γ射线探测器,通过多元回归分析方法,较好地解决了元素间的干扰问题.用脉冲中子法测得的全水分分析值与化验值的偏差不超过0.5%.     

多元散射校正和逐步回归法建立黑土有机碳近红外光谱定量模型

采用全谱建立近红外校正模型，计算工作量大且冗余信息多。通过特定方法筛选特征波长有可能得到更好的定量校正模型。逐步回归法在波长选取方面起到了重要的作用。多元散射校正技术（Multiple scatter correction，MSC）可以有效剔除由样品颗粒大小、装填密度、湿度等不同引起的散射影响，有效提高光谱的信噪比。以我国东北黑土为研究对象，采集了136个土壤样品3699cm^-1-12000cm^-1范围的近红外光谱，利用多元散射校正技术对近红外原始光谱数据进行预处理，评价MSC的去噪效果，并利用多元线性回归法建立了土壤有机碳含量与校正光谱优选波长点处吸光度之间的关系模型，评价多元逐步回归法优选波长的有效性。结果表明，多元散射校正技术有效降低了散射的影响，提高了相关光谱的信噪比，模型决定系数从0．598提高至0．681。基于手动挑选波长建立的模型决定系数高达0．956，预测样品集模型预测值与实测值之间的相关系数为0．823。手动挑选波长建立的SOC模型预测能力优于基于逐步回归方法建立的定量模型，利用逐步回归分析法优选波长还需要进一步研究。图7,参26。     

Price–Dividend Ratios and Stock Price Predictability

A long‐standing puzzle to financial economists is the difficulty of outperforming the benchmark random walk model in out‐of‐sample contests. Using data from the USA over the period of 1872–2007, this paper re‐examines the out‐of‐sample predictability of real stock prices based on price–dividend (PD) ratios. The current research focuses on the significance of the time‐varying mean and nonlinear dynamics of PD ratios in the empirical analysis. Empirical results support the proposed nonlinear model of the PD ratio and the stationarity of the trend‐adjusted PD ratio. Furthermore, this paper rejects the non‐predictability hypothesis of stock prices statistically based on in‐ and out‐of‐sample tests and economically based on the criteria of expected real return per unit of risk. Copyright © 2011 John Wiley & Sons, Ltd.