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。     

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.     

1-奇异变换半群Tn(1)的秩

设自然数n≥4, X_n={1,2,…,n}。利用非单点性定义全变换半群的一类新的子半群——1-奇异变换半群,记作T_n(1)。 通过幂等元分析法确定X_n上1-奇异变换半群T_n(1)的最小生成集之后,证明T_n(1)的秩为n。