基于偏好序考虑主体心理行为的双边匹配方法

针对心理行为在双边匹配过程中容易被忽略或不能准确表示其产生速率先快后平缓趋势问题,根据偏好序与期望值进行合理分段,分析产生高兴、遗憾两种心理行为的情况,并考虑主体是否给出期望值结合心理行为的增长(下降)速率随着实际偏好与期望偏好差距变大而趋于平缓的这一特点,利用对数感知函数衡量心理行为得到心理感知值。对心理感知值进行归一化处理得到心理满意度,在此基础上,创建双目标匹配模型并通过求解该模型获得匹配方案。最后,与已有方法进行对比实验,分析说明该方法在提高匹配双方总体满意度上的有效性。     

本体技术在个性化推荐系统中的应用研究

针对个性化推荐系统中传统的用户建模技术的缺陷,本文将领域本体的理论与方法应用到电子商务个性化推荐中,设计了一种本体和服装信息相结合的个性化推荐模型。利用Protégé实现了服装知识本体的构建过程,在真实数据集上的实验结果验证了算法的可行性和有效性。该设计与已有的推荐算法相比,具有更高的预测准确度。     

福建东山岛游客旅游气候偏好研究

通过对502位到福建东山岛旅游的游客进行实地问卷调查,发现大部分游客认为气候在旅游目的地选择诸影响因素中位居第3;在气候诸变量中,游客认为舒适的气温最重要;游客认为理想的出游温度介于25～29℃间,理想的下雨历时是1 h,理想的风况是微风和中度风天气,理想的天空状况是25%云覆盖的晴天和50%云覆盖的阴天天气.文章的研究结论部分证实了国外学者的有关研究,建议未来应该进一步在中国加强基于游客感知的气候偏好研究.     

向量优化问题某些基础理论及其发展

在向量优化中存在很多基础的、重要的和有趣的问题.本文在总结了向量优化问题中某些基础理论发展趋势的基础上,提出向量优化问题,特别是变动偏好结构的向量优化问题需要新的数学概念、方法和工具去处理,有可能形成新的数学研究的方向;并进一步展现了向量优化问题理论研究的某些新的方向及许多理论问题的近代发展.     

面向浏览者的图像推荐模型

要求互联网中的浏览者为每一幅图像表示其反馈是困难的,需要通过分析浏览者的行为,隐式地获取其评价。通过对浏览者的阅读、收藏和下载等行为的分析,度量用户对图像的关注度,以此作为用户反馈,分析其关键字偏好和图像特征偏好,进一步设计了用户偏好的遗忘策略和学习策略,实现用户偏好的动态更新,通过关键字相似性分析和图像特征相似性分析两方面,为用户选择推荐的图像。以准确度和召回度作为评价标准,实验表明,所提出的方法具有较高的性能。     

安徽皖籍高校大学生体育旅游行为空间分布趋势研究

本文利用ArcGIS9.2软件中的普通克里格插值创建预测图(Prediction Map),根据预测趋势图的结果分析安徽皖籍高校大学生体育旅游行为地理空间分布特征。分析得出皖籍大学生周末加暑假出游分布趋势图为由北边逐渐向南边递减,夏季出游分布趋势为中部向南北两边降低,选择火车作为交通工具分布趋势为东南边缘逐渐向北方递增,和同学朋友出游分布趋势为从东部向西部逐渐递增,通过同学朋友家人的推荐了解体育旅游分布趋势为由南方向西北方逐渐增高等。建议相关部门根据安徽皖籍大学生体育旅游行为地理分布的特点,进行项目开发以及体育旅游活动的组织。     

阐述风险管理及其原则

关于风险及其管理的概念。COSO认为,风险是对目标的实现产生负面影响的事项发生的可能性;组织风险管理是一个由组织的董事会、管理当局及其他员工实施的识别影响该组织的潜在事件,并在该组织的风险偏好范围内管理风险,为组织目标（包括战略、经营、报告、合规四类目标）的实现提供合理保证的过程,应用于组织的战略制定,     

将多元智能理论引入外语课堂

目前国内大学英语教学中统一的教学大纲、教学进度、及教学内容虽然在一定程度上规范了教学行为,却也忽视了众多学生的个体差异。加德纳的多元智能理论在大学英语课堂中的应用可以为这种忽视学生个体差异的教学模式提供理论基础和解决方案。     

国外保险公司ERM的发展现状及启示

金融危机席卷全球,给各国经济带来严重的创伤,许多巨头公司纷纷倒闭,痛定思痛,风险管理的问题凸显出来。美国保险业巨头AIG被政府接管,更是让各国保险公司将保险公司的风险管理提升至战略高度。本文从全面风险管理的视角出发,研究了国外保险企业全面风险管理的实施的现状以及不足,并据此提出对完善国内保险公司的全面风险管理有效实施的经验借鉴。     

面向用户偏好的属性值评分分布协同过滤算法

针对传统协同过滤算法存在的不足,本文充分考虑用户对项目相关属性特征的偏好,将用户对项目的评价转化为用户对项目属性偏好的评分分布;在此基础上,对传统的协同过滤算法的相似性度量方法进行改进,并采用修正的用户偏好数学期望预测模型,提出一种面向用户偏好的属性值评分分布协同过滤推荐算法.实验结果表明,该算法可有效解决传统过滤算法存在的问题,推荐精度显著提高,使推荐服务更好地满足用户的偏好需求.