商品属性和同伴评价对大学生购买决策影响的实验研究

本研究在以往研究的基础上，通过实验研究，探索了商品属性和同伴评价对大学生购买决策的影响。结果发现，商品属性的主效应非常显著，同伴评价的主效应显著，最终的结果存在显著的差异，说明商品属性和同伴评价确实是影响购买决策的因素。     

考虑商品重复购买周期的协同过滤推荐方法改进

传统基于用户的协同过滤商品推荐方法通常未考虑目标用户是否购买过类似商品以及商品的重复购买周期等因素,由此造成有些商品推荐的时机不对,不仅占用了推荐资源,还可能给消费者带来困扰,为此提出一种基于商品重复购买周期的改进协同过滤推荐方法。在传统协同过滤算法的基础上引入已购商品回购状态变量,根据目标用户的历史购买数据和商品重复购买周期对所购买商品的回购状态进行计算,进而得出不处于回购周期内的已购商品类集,据此对原始推荐结果进行过滤。实验结果表明,改进后的协同过滤推荐系统能有效预测顾客的购买行为,明显提高商品推荐的准确性。     

复合两信息的同类机半在线排序问题

研究了两台同类机的一个半在线排序问题，当预先知道所有工件的加工时间总和（sum）与最大工件的加工时间（max）及目标为极大化最小机器完工时间的情形时，证明了此问题的竞争比为（3s＋2）／（2s＋2）的半在线算法．     

一种基于商品基因的个性化推荐模型

个性化推荐技术在电子商务系统中得到了广泛应用．但现有的个性化推荐模型不能反映出商品的某些特殊属性对用户购买行为的影响及用户购买某商品的真正原因．引入生物界中基因的概念,提出了基于商品基因的个性化推荐模型,发现用户钟爱商品基因,并将钟爱商品基因遗传到用户选择的商品．该模型能更好地发现用户的购买动机,从而进一步提高个性化推荐精度和用户满意度．     

基于协同过滤的在线教学视频推荐方法

在目前的在线教学系统中,用户对教学视频的选择具有一定的盲目性,根据这一特点,提出了一种基于协同过滤的在线教学视频推荐方法,可以将用户可能感兴趣的教学视频＂推＂给用户;首先将用户的观看视频纪录整理并保存至数据库中,依据各用户历史播放纪录以及用户的基本信息的兴趣差异来查询邻居用户,然后利用这些邻居用户的视频观看记录基于协同过滤的方法进行教学视频的推荐;改进了传统协同过滤推荐方法中普遍存在的稀疏性（Sparse）和冷启始（Cold Start）等问题,因此能使推荐更为精确;另外,通过用户是否观看所推荐的视频,可以对系统做出隐性评价以修正系统的参数,以提高推荐的准确性。     

一种基于协同推荐的网页排序算法

针对目前搜索结果个性化排序算法中的用户兴趣模型构建难、相关度计算不精确等问题,提出了一种结合用户兴趣模型和协同推荐算法的个性化排序方法.该方法从用户的搜索历史,包括提交查询、点击相关网页等反馈信息来训练用户的兴趣模型,然后采用协同推荐算法获取具有共同兴趣的邻居用户,根据这些邻居对网页的推荐程度和网页与用户的相关程度来排序搜索结果.实验结果表明:该排序算法的平均最小精确度比一般排序算法提高了约0.1,且随着用户邻居数目的增长,最小精确度随之增长.与其他排序算法相比,采用协同推荐算法有助于提高网页与用户兴趣关联程度计算的精确度,从而提高排序的效率,有助于改善用户的搜索体验.     

基于在线排序逻辑回归的垃圾邮件过滤

垃圾邮件过滤是网络信息处理中的重要问题,基于机器学习方法的垃圾邮件过滤技术是目前的研究热点。现有研究一般将过滤问题视为二值分类问题进行解决,存在着模型优化目标和性能评价指标1-AUC不一致的问题,导致模型优化结果产生偏差,过滤性能受到很大影响。该文通过直接优化评价指标1-AUC来提升过滤器性能,将垃圾邮件过滤问题转化成排序问题进行建模,提出了在线排序逻辑回归学习算法,解决了在线学习中的邮件得分偏移问题;综合应用TONE算法和重采样技术,提出参数权重更新算法,解决模型学习中在线调整模型参数时的处理速度问题,满足垃圾邮件实时过滤的要求。在垃圾邮件过滤公开评测数据集上的实验结果表明,基于在线排序逻辑回归模型的过滤结果全面优于在线逻辑回归模型的过滤结果。     

基于排序学习的连续兴趣点推荐

针对位置社交网络中连续兴趣点推荐系统面临的个性化偏好、数据稀疏性和签到行为的隐式反馈属性等挑战,提出一种基于排序学习的连续兴趣点推荐模型.本文使用三阶张量模型对用户的连续签到行为进行建模,并利用LBSNs中的地理信息定义用户访问兴趣点的地理距离偏好,最后使用基于排序学习的优化标准优化求解模型参数.在两个真实的LBSNs...     

基于情感词汇的在线评论产品个性化推荐方法研究

针对网络在线产品评论,利用Apriori算法从在线产品评论中挖掘出产品的热门属性,提取情感词汇并确定词汇和属性的搭配关系;对情感词汇进行模糊化表示,通过构建产品属性与推荐度的模糊推理规则,实现个性化产品推荐计算.以京东商城网站手机产品评论为例进行了实际计算,结果表明,该方法较传统的按销量排序方法更具个性化和针对性.     

基于酒店特征信息和在线评价信息的酒店选择

为辅助游客通过旅游网站进行酒店选择,提出了一种基于旅游网站提供的备选酒店特征信息和在线评价信息的酒店选择方法.首先,基于酒店特征信息和在线评价信息构建备选酒店有向加权图,依据备选酒店特征信息,基于离差最大化法对酒店特征进行客观赋权,并采用简单加权法确定有向加权图结点权重,依据备选酒店间在线评价信息的比较关系确定有向加权图的有向边及有向边权重;然后,基于PageRank算法原理给出备选酒店排序值求解算法;最后,以基于缤客网站提供的酒店特征信息和在线评价信息进行酒店选择.结果说明了提出方法的有效性和可行性.     

求解序区间偏好信息群决策问题的理想点法

为了求解具有序区间偏好信息的群决策问题,提出了一种理想点法.首先对具有序区间偏好信息的群决策问题进行了描述,给出了任意两个序区间之间距离的公式;然后依据传统理想点法的基本思路,给出了解决具有序区间偏好信息的群决策问题的计算步骤,其核心是运用所给出的距离公式计算每个方案与正理想点、负理想点之间的距离,并进一步根据计算得到的方案的相对接近度对方案进行排序.最后通过一个算例说明了给出方法的可行性和有效性.     

基于熵权的TOPSIS供应商选择方法

结合汽车制造企业的实际,提出了供应商选择的指标体系,建立了基于熵权的逼近理想解的排序方法(technique for order preference by similarity to ideal solution,TOPSIS)的多层次评价模型.由于在该模型中采用了熵权,从而避免了低层次多因素权重确定的主观性.通过将该模型在某汽车制造企业供应商选择中的应用,得出了其供应商的优劣排序,为该企业选择了理想的优秀供应商.     

基于改进的基本效应法的网壳结构构件重要性分析方法

现有的网壳结构构件重要性计算方法仅考虑单根构件损伤或失效对结构的影响,未考虑构件间的相互作用和损伤的随机性。为解决这一问题,首先将基本效应法应用于构件的重要性判定中,定义了适用于网壳结构的基本效应;其次,将构件分为重要构件和一般构件两类,提出试算与正式计算结合的双阶段判定方法,以提高确定重要构件的计算效率;提出基于优劣解距离法的重要性排序方法,以确定重要构件内部的相对重要性排序;由此,进一步提出了基于改进的基本效应法的网壳结构构件重要性分析方法。此外,为减小改进的基本效应法的计算量,提出适用于该方法的修正径向抽样方法。凯威特型球面网壳数值算例分析结果表明：与现有方法相比,采用该方法确定的重要构件进行抽样检测鉴定时,评定网壳极限承载力的估计误差显著降低。     

基于GIS的永久性基本农田划定——以中方县为例

以中方县为研究区域,综合考虑耕地质量、区位条件和政策因素等多方面的因素,选取土壤肥力、坡度、地貌类型、灌溉能力和连片性等指标,建立耕地入选基本农田的指标体系.通过层次分析法确定评价指标权重,利用MapGIS 6.7的空间分析功能,计算耕地入选基本农田的适宜性综合指数.再通过TOPSIS法对中方县耕地的综合质量进行排序,最终得出基本农田布局图.实例研究证明,该方法可以减少基本农田划定中人为因素的干扰,使得基本农田的划定过程更加科学合理.     

基于 TOPSIS 的匹配博弈网络选择算法

针对无线通信中网络资源利用率的重要性,提出一种基于逼近理想解排序法（technique for order preference by similarity to ideal solution,TOPSIS）的匹配博弈论异构网络选择算法,联合考虑用户端的网络选择和网络端的用户选择,分析用户和网络的时延、传输速率、丢包率,运用匹配博弈的原理选择出双方满意度最高的网络选择方案。仿真结果表明,在多用户同时存在的情况下,给出 TOPSIS 的匹配博弈论异构网络选择算法具有较低的阻塞率和较高的满意度。     

基于TOPSIS的多维网络安全度量模型研究

为了能够较为全面地对网络安全进行度量,使用层次分析法将网络安全划分为3个维度,即环境安全、可靠性安全和漏洞安全3个维度,并选取逼近理想解排序法作为对网络安全度量指标进行综合评估的方法来消除层次分析法的主观性,以快速发现网络攻击并度量其风险.从3个维度出发,对网络安全进行划分,提取各个维度的度量指标,对其进行量化.在环境安全维度上,通过对网络中基础设施和基础数据的度量,得到网络的基础评估值;在可靠性安全维度上,将网络抽象为图,结合复杂网络和图论的理论知识,计算可靠性安全指标;在漏洞安全维度上,使用工具对网络中的漏洞进行扫描,对漏洞划分等级,计算漏洞相关度量值.实验结果表明,该模型在网络安全度量上有较好的准确性与实时性,这在网络安全维护的过程中,对网络中存在安全隐患的部分进行及时准确地定位并提高网络的安全性有重要意义.      

高 新 技 术 科 研 项 目 评 价

建立了高新技术科研项目评价指标体系,提出了基于层次分析法（AHP）和区间模糊的逼近理想排序法的高新技术科研项目评价模型,采用AHP确定评价指标的权重,借助于模糊理论构建区间模糊矩阵,计算其正、负理想解和接近度,根据接近度而对高新技术科研项目进行比较,并进行了实例分析.结果表明,所构建的评价指标体系和评价模型具有一定的实用性和可行性.     

TOPSIS方法在Vague集中的应用

研究属性值和权重皆为Vague值形式的逼近理想解的排序方法(TOPSIS). 根据Vague集的加法和乘法对属性值加权;根据记分函数确定理想解和负理想解;定义Vague集上的Hausdorff测度,据此度量各方案与理想解和负理想解的距离,在此基础上提出了属性值和权重同时表示赞成度和反对度的Vague集TOPSIS方法,并通过实际算例验证该方法的有效性.     

基于变权计算的公路路线方案优选

针对传统的常权评价容易导致"状态失衡",提出一种公路路线方案变权重优选模型。首先,根据方案优选影响因素构建指标体系,运用AHP和变权重理论计算评价指标的变权重系数;然后,基于以上各影响因素及其权重,构建变权重-TOPSIS公路路线方案综合评判模型,再对各方案优越度进行计算,得出最优方案。采用该模型对湖南省某二级公路A点至B点的四个方案进行评价,所得结果比传统的评判方法更贴近工程实际,表明该优选模型工程可行性和有效性较高。     

基于多准则决策方法的数据资产质量评价模型

结合最优最劣法(best worst method,BWM)、三角模糊数和逼近理想解排序(TOPSIS)方法,提出了一种用于评估数据资产质量的多准则决策框架。首先通过专家访谈构建评价指标体系。其次,采用BWM方法确定评价指标的权重信息。随后,邀请专家根据指标对数据资产质量进行语言评价,并引入三角模糊数克服单个实数表达不完整问题。最后,根据评价指标权重及专家评价信息,采用TOPSIS方法对数据资产质量进行排序。通过将提出的方法应用于商业银行的数据资产质量评估,验证方法的可行性。