基于贝叶斯和自编码器的社会化推荐算法研究

为提高推荐结果的精度和个性化程度,文章有效利用多种信息源,将贝叶斯方法和深度学习结合,提出一种基于贝叶斯自编码器的社会化推荐算法.算法首先利用混合隶属度随机块模型MMSB (Mixed membership stochastic block)对用户间交互关系建模,结合用户的属性特征,利用自编码器学习用户的隐含特征向量;然后利用主题模型结合自编码模块学习物品特征向量;最后利用概率框架将物品和用户间的各种属性统一起来,共同学习矩阵分解模型中的关系矩阵.模型中的参数利用变分EM算法进行推理.实验结果表明与同类算法比较,算法在精确度和覆盖率上有不同程度的提升,且能够得到比较个性化的推荐结果.     

基于用户在线评论的旅游景点推荐算法研究

随着互联网的快速发展,推荐系统的研究和应用朝着多方向、多领域发展,传统的推荐算法已经不再满足某些特定领域准确率的要求.考虑到用户在线评论信息可以获得用户对产品偏好信息及偏好程度,文章提出一种基于用户在线评论的旅游景点推荐算法.首先,该算法用爬虫软件和Jieba分词对用户旅游景点的在线评论信息进行获取和预处理.其次,利用情感强度分析法确定每条评论相对景点各属性的评价标度.再次,依据处理后的在线评论信息计算用户对景点各属性的权重.最后,利用TOPSIS排序方法实现对用户旅游景点的推荐.实验表明,该算法可以有效的确定用户对景点的偏好程度,有效提升旅游景点推荐的准确性.     

基于情感分析和改进TOPSIS法的IT服务推荐算法

目前IT服务网站的推荐目录大多以价格、销量排列,未充分考虑用户的个性化需求,故本文提出基于情感分析和改进TOPSIS法(Technique for Order Preference by Similarity to Ideal Solution)的IT服务推荐方法.通过爬取"猪八戒"网站IT服务的在线评论,运用基本的自然语言处理技术提取属性-情感词对,对其进行情感分析得出情感矩阵,并根据用户给出不同属性的权重,运用改进TOPSIS决策方法得出TOP-N推荐.实验结果表明,方法可以根据用户对不同属性的偏好进行个性化推荐,与传统方法相比推荐准确性有显著提高.     

基于主题模型的半监督网络文本情感分类研究

针对网络评论文本的情感分类问题中存在的数据的不平衡性、无标记性和不规范性问题,提出一种基于主题的闽值调整的半监督学习模型,通过从非结构化文本中提取主题特征,对少量标注情感的文本训练分类器并优化指标调整闽值,达到识别用户评论的情感倾向的目的。仿真研究证明阈值调整的半监督模型对数据非平衡性和无标记性具有较强的适应能力。在实证研究中,对酒店评论文本数据构建的文本情感分类器显示该模型可以有效预测少数类评论样本的情感极性,证实了基于主题模型的闽值调整半监督网络评论文本情感分类模型在实际问题中的适用性与可行性。     

基于聚类矩阵近似的协同过滤推荐研究

由于推荐系统中存在巨量的用户和商品,现有的协同过滤方法很难处理用户-商品推荐中的数据稀疏性和计算可扩展性问题。本文提出了一种基于聚类矩阵近似的协同过滤推荐方法CF-cluMA。一方面,CF-cluMA方法通过对用户和商品进行分别聚类,并利用聚类后的用户-商品分块评分矩阵来刻画用户对于商品兴趣的局部性特点,以降低用户-商品评分矩阵的全局稀疏性。另一方面,CF-cluMA方法通过对局部稠密分块矩阵实施奇异值分解,并利用施密特变换近似全局用户-商品评分矩阵来预测用户对未知商品评分,以降低协同过滤算法的复杂性。在EachMovie电影评分真实数据集上的实验表明,相比于已有的基于矩阵近似的协同过滤推荐方法,本文所提出的CF-cluMA方法能够有效提升推荐系统的准确性并降低推荐系统的计算复杂性。本文的研究对于电子商务推荐系统具有重要的管理启示。     

融合注意力机制的自编码器推荐算法

为充分获取用户的个性化信息,提高推荐算法的准确性,提出了一种融合注意力机制的自编码器推荐算法。所提算法首先针对数据中蕴含的低阶特征和高阶特征,专门设计了相应的特征提取模块,增强传统编码器的泛化能力和记忆能力,然后利用注意力机制对特征进行融合,得到关于用户偏好信息的向量表示,并通过解码器预测用户对物品的购买意愿,最终实现个性化推荐任务。在ML-100K,ML-1M和Yahoo Music三个数据集上进行实验,并与主流个性化推荐算法进行对比,本文算法在Precision,Recall,F1值和归一化折损累计增益(NDCG)四个指标上均有较大的提升。在互联网推荐场景下,本文算法能够充分挖掘出用户的偏好信息,为用户提供高质量的推荐结果即给出合理的物品购买决策建议,从而最大化满足用户需求。     

纵向数据非参数模型的惩罚修正二次推断函数估计

基于纵向数据研究非参数模型y=f(t)+ε,其中f(·)为未知平滑函数,ε为零均值随机误差项.利用截断幂函数基对f(·)进行基函数展开近似,并且结合惩罚样条的方法构造关于基函数系数的惩罚修正二次推断函数.然后利用割线法迭代得到基函数系数估计的数值解,从而得到未知平滑函数的估计.理论证明,应用此方法所得到的基函数系数估计具有相合性和渐近正态性.最后通过数值方法得到了较好的拟合结果.     

改进的自适应Lasso方法在股票市场中的应用

在金融领域,自适应Lasso被广泛的用于股票价格预测模型中的变量选择和参数估计。然而,自适应Lasso是针对非时间序列模型提出的,忽略了时间序列模型特定的结构,比如时间序列模型中通常会出现滞后阶数越靠后,对未来的预测能力越弱的特性,从而,容易造成估计及预测不精确。因此,时间序列模型的变量选择惩罚参数的设计应与滞后阶数相关,即对越靠后的滞后阶数应加上越大的惩罚。为了充分考虑时间序列模型的特性且保留自适应Lasso的优点,本文针对时间序列AR(p)模型提出一种改进的自适应Lasso(MA Lasso)方法,通过在自适应Lasso惩罚基础上乘以一个关于滞后阶数单调不减的函数来达到目标。这样设计的惩罚参数的另一个优点是通过选取特定的惩罚参数,Lasso,自适应Lasso方法都是MA Lasso方法的特例。进一步,对于AR(p)模型中另一个重要参数p的选择问题,本文提出一种改进的BIC模型准则来选择p。最后,将MA Lasso方法应用到中证100指数中,实证分析表明,与Lasso和自适应Lasso相比,MA Lasso选择最简模型且预测效果最佳,即选择最少的预测变量的同时且具有最小的模型预测误差。     

直播带货产品质量的演化博弈分析

本文针对直播带货中存在的产品质量低下问题,构建了主播、商家、平台和消费者的四方演化博弈模型,讨论主播识别效率等因素对四方策略选择的影响。研究发现：主播严格选品并提高对不自律商家的识别效率,可以督促商家进行自律生产;消费者维权所造成的用户损失,会对主播和商家的行为产生正向影响,用户损失和平台连带损失系数是影响主播和平台行为的关键因素,用户损失越大,主播严格选品积极性越高,连带系数越大,平台监管意愿越强;平台的惩罚能够促使主播和商家改变其消极的行为选择,但仅靠增加惩罚不能对商家行为产生长效的影响,应当与其他手段配合;消费者维权和平台监管,可以促进主播严格选品,同时约束商家进行自律生产,在一定程度上缓解直播带货中存在的产品质量低下问题。     

融入项目类别信息的协同过滤推荐算法

协同过滤技术在电子商务领域得到了广泛的研究和应用,但是随着互联网的迅速普及和电子商务网站规模的急剧增长,用户评分的极端稀疏性导致协同过滤方法的推荐质量不高.提出了一种融入项目类别信息的协同过滤推荐算法,结合项目的类别信息为活动用户筛选出候选近邻集合,在候选近邻集合内综合利用项目的评分信息和类别信息对未评分值进行预测,最后依据用户实际评分和预测评分计算出活动用户的最近邻集合并进行推荐.实验结果表明,该算法具有较好的推荐准确性和实时性.     

融入用户社交关系与信任关系的应用推荐方法研究

随着近年来互联网技术的快速发展,应用获取平台都面临着信息过载的问题.面对大量应用,解决用户不能快速准确地找到满足其偏好的应用的问题迫在眉睫.已有的如Cosine、Pearson等协同过滤方法普遍存在稀疏性、冷启动和可扩展性等问题,从而对推荐结果产生影响.文章在考虑用户社交关系、偏好及信任关系的基础上,提出了融合用户社交关系与信任关系的应用推荐方法.该方法融合用户社交关系、点赞与标签等特征及其对应用的偏好计算相似度,并基于好友的信任关系与用户声誉计算信任度,最终将相似关系与信任关系进行有效结合,实现应用推荐.实验结果表明:所提应用推荐方法能更好的体现用户间的社交与信任关系,且能有效提高应用推荐的有效性与准确度.     

不同推荐系统输入的聚类实现

论文在分析推荐输入瓶颈问题的基础上,借助社区思想实现了显式评分输入的用户聚类,解决了评分矩阵稀疏的问题;借助用户兴趣度的定义,实现了隐式浏览输入的用户聚类,解决了用户兴趣度不易获取的问题．论文的研究立足于推荐系统的输入,通过聚类分析,为推荐算法的研究奠定了理论基础．     

A profile-type smoothed score function for a varying coefficient partially linear model

The varying coefficient partially linear model is considered in this paper. When the plug-in estimators of coefficient functions are used, the resulting smoothing score function becomes biased due to the slow convergence rate of nonparametric estimations. To reduce the bias of the resulting smoothing score function, a profile-type smoothed score function is proposed to draw inferences on the parameters of interest without using the quasi-likelihood framework, the least favorable curve, a higher order kernel or under-smoothing. The resulting profile-type statistic is still asymptotically Chi-squared under some regularity conditions. The results are then used to construct confidence regions for the parameters of interest. A simulation study is carried out to assess the performance of the proposed method and to compare it with the profile least-squares method. A real dataset is analyzed for illustration.     

基于Vague集理论一维属性——需求匹配的知识推荐算法研究

论文从推荐系统中知识推荐算法的核心——产品属性与用户需求的匹配出发,首先探讨了如何采用形式化的Vague集语言描述用户的需求和产品的属性问题。之后分别运用用户兴趣度模型和产品特征模型搭建了用户需求和产品属性的Vague集模型。在模型融合的过程中采用Vague集理论中成熟的相似度计算公式,实现了用户需求与产品属性的匹配计算。最后,从爱奇艺中任意提取了5名注册用户和5部2019年新上映的电影,按照搭建的模型进行了数据计算,得到了可靠的计算结果,同时也构造了用户和产品之间的知识库,为后期知识推荐规则的形成奠定了基础。     

管理者过度自信行为下煤矿安全监管机制设计研究

针对我国煤矿安全监管的现状以及管理者的过度自信行为,建立了包括政府、煤矿企业以及过度自信的煤矿管理者的两阶段多任务委托代理模型,并从理论上分析了过度自信行为对煤矿管理者自身的安全管理投入、煤矿企业的激励参数、政府奖惩力度以及政府安全绩效的影响,并与煤矿管理者完全理性的情况对比。研究表明,煤矿管理者的安全管理投入、政府奖惩力度以及政府的安全绩效在过度自信程度增大时都会越来越偏离煤矿管理者完全理性时的情形,最后给出算例并验证了相关结论,为我国煤矿安全监管和实践提供了决策支持。     

个性化推荐系统中协同过滤推荐算法优化研究

协同过滤推荐算法是目前个性化推荐系统中应用比较广泛的一种算法。然而,它在处理数据稀疏性、可扩展性等方面存在一定不足。针对数据稀疏性问题,本文首先基于Slope One算法对初始的评分矩阵进行缺失值填充,其次利用基于K-means聚类的协同过滤算法预测目标用户的评分,并结合MovieLens数据集给出了相关对比实验;针对扩展性问题,本文首先提出了一种基于中心聚集参数的改进K-means算法,其次,给出了基于中心聚集参数改进K-means的协同过滤推荐算法流程,并结合MovieLens数据集设计了相关对比实验。实验结果表明,本文所提方法推荐精度均得到显著提高,数据稀疏性和扩展性问题得到了有效改善。因此,本文的研究结论不仅可进一步丰富协同过滤推荐算法的现有理论成果,还可以为提高推荐系统的精度提供理论依据和决策参考。     

Robust estimation of Cronbach's alpha

Cronbach's alpha is a popular method to measure reliability, e.g. in quantifying the reliability of a score to summarize the information of several items in questionnaires. The alpha coefficient is known to be non-robust. We study the behavior of this coefficient in different settings to identify situations where Cronbach's alpha is extremely sensitive to violations of the classical model assumptions. Furthermore, we construct a robust version of Cronbach's alpha which is insensitive to a small proportion of data that belong to a different source. The idea is that the robust Cronbach's alpha reflects the reliability of the bulk of the data. For example, it should not be possible that some small amount of outliers makes a score look reliable if it is not.     

Semiparametric inference for transformation models via empirical likelihood

Recent advances in the transformation model have made it possible to use this model for analyzing a variety of censored survival data. For inference on the regression parameters, there are semiparametric procedures based on the normal approximation. However, the accuracy of such procedures can be quite low when the censoring rate is heavy. In this paper, we apply an empirical likelihood ratio method and derive its limiting distribution via U-statistics. We obtain confidence regions for the regression parameters and compare the proposed method with the normal approximation based method in terms of coverage probability. The simulation results demonstrate that the proposed empirical likelihood method overcomes the under-coverage problem substantially and outperforms the normal approximation based method. The proposed method is illustrated with a real data example. Finally, our method can be applied to general U-statistic type estimating equations.     

条件免运费的B2C平台商最优凑单推荐服务水平策略

在条件免运费(CFS)下,针对消费者基础运费和凑单异质性购物偏好,选择合理的购物凑单推荐服务水平策略是提升B2C平台商业绩的关键。在对平台商与消费者间的主从博弈关系、消费者效用函数关系分析基础上,通过构建Stackelberg博弈模型,揭示平台商凑单推荐服务水平和消费者购物意愿间的互相关系,进而针对消费者基础运费和凑单偏好,探究基础运费、保留价格和推荐商品价格对平台商最优购物推荐服务水平策略的影响。研究表明:不同的基础运费和消费者偏好对平台商利润的影响具有差异性;适度提升最优购物凑单推荐服务水平能有效提高消费者购物意愿、增加平台商利润。因此,基础运费、CFS阈值和凑单推荐服务水平的科学制定对平台商业绩改善具有重要影响。     

Search algorithm for optimal damping parameters of transfemoral prosthetic limb

In this paper, we developed a mathematical model to find the parameters of prosthetic damper which will provide a similar trajectory for the prosthetic knee joint. Two popular searching methods namely grid searching and optimization are used to determine the damper's parameters. The proposed model is validated with a simulation process using the data of the able-body individuals. We utilized the ground reaction force of sound limb to determine the values of the damper parameters of a prosthetic knee joint for maximum symmetry. Symmetry between knee moments was also improved in the stance period with optimized parameters. Finally, optimization-based searching was observed to be more computationally efficient than the grid-based searching method. The present study will provide a virtual solution to set the prosthetic dampers parameters based on user needs. In the future, the present method can be used for adjusting damping of microprocessor prosthetic knee joint for symmetrical gait pattern.