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。     

主成分分析的改进及其在疫情后住宿餐饮业中的应用

对主成分分析法步骤进行了推广，并给出了此方法可行的判断标准，即提取主成分时确保贡献率达到一定值.根据统计年鉴2020年的住宿餐饮数据，凭借该实例清楚地展示了推广后的主成分分析的运算过程，利用主成分法分析了中国在此行业的经济指标的变化情况，并分析了疫情对各类型企业的影响：餐饮运行成本显著提高，餐饮消费更为保守，消费者外出就餐次数减少，外卖所占比额增加.同时，旅游和出差减少，住宿消费整体减少.     

基于Tri-training算法的多分类信用评级方法

随着经济的快速发展，信用贷款在企业资金周转中的作用越来越重要.信用评级是信用贷款发放的基本依据之一.本文针对实际信用评级中有标签样本数量不足的问题，提出一种基于Tri-training算法的多分类信用评级方法，该方法选择支持向量机、决策树和最大熵模型作为基分类器组合.最后，本文使用真实的信用数据集验证了该方法的实际效果.