基于多元隐式信任关系挖掘的抗攻击社会化推荐算法研究

在商业竞争环境下,推荐系统容易受到托攻击的危害。基于信任关系的社会化推荐算法被证明是解决托攻击问题的有效途径。然而,现有研究仅考虑显式信任关系,隐式信任关系没有被真正挖掘利用。为此,提出了一种基于多元隐式信任关系挖掘的抗攻击社会化推荐算法。首先,借鉴社会学和组织行为科学领域的信任前因框架模型,从全局信任和局部信任两个视角深入研究各信任要素的提取和量化方法。然后,通过信任调节因子集成局部信任度和全局信任度获得用户总体信任度。最后,以用户总体信任度为依据将攻击用户隔离在可信近邻之外,实现基于信任关系的个性化推荐。大量对比实验表明,本文算法在改善推荐准确率的同时有效抑制了托攻击对推荐算法的影响。     

情境环境下基于用户画像的旅游产品推荐算法研究

针对目前旅游景点推荐效果不够理想的问题,充分考虑景点推荐中的情境因素和用户需求,研究情境环境下基于用户画像的旅游产品个性化推荐算法.算法从用户基本信息和行为信息的获取出发,借助标签化表示技术,构建出相应的用户画像模型,然后引入用户的情境因素.在综合考虑用户相似度和用户情境的基础上,达到高质量个性化推荐的目的.通过验证表明,用户画像的基础上,充分考虑用户的情境信息,能够更准确地体现用户兴趣的偏好,获得更佳的推荐结果.     

融合情感评论倾向与均衡长尾物品的推荐方法

推荐领域中已有研究较多的考虑属性维度在评分-物品上来提高算法的准确性,对于用户对产品的真实态度判断不够。论文利用LSTM神经网络模型将用户评论情感得分和用户评分进行融合分析,来计算用户对物品真正的兴趣度;运用向量空间对用户情感进行三分类,借鉴经济学中基尼系数的思想,引入惩罚因子通过对热门物品进行调节,发挥系统的长尾能力从而增加推荐结果的覆盖率,从而实现对热门物品和冷门物品被推荐程度的均衡优化。最后,对情感系数和惩罚系数参数的取值进行实验,得出最优模型参数组合,结果表明,评论的情感因素和惩罚系数对于构建性能更优的推荐模型效果明显,该模型在推荐的准确率和覆盖率上相较其他主流模型更加符合用户需求。     

物流信息技术采纳对在线外卖平台消费者订购意愿的影响研究

从用户信息技术采纳视角,基于O2O在线外卖平台物流信息系统特性,分析其对平台用户订购意愿的作用路径.将经典的信息技术接受模型(TAM)与用户信任理论相结合,在外卖平台物流信息质量、点餐系统特点、物流功能模块与消费者个体特征分析的基础上,构建了考虑平台信任因素的在线外卖用户物流技术感知对其订购意愿影响机制模型.研究结果表明:外卖平台点餐系统的物流功能,用户的个体特征均对提升顾客的服务感知有显著影响;而订餐中的物流信息质量虽然能显著影响用户对平台技术感知的有用性,但却对加强消费者技术易用性的感受无明显效果;平台情感信任则正向调节了用户技术接受与其订购意愿间的作用关系.并结合美团和饿了么等平台的实证案例,给出了促成消费者重购行为的对策和建议.     

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...     

基于迭代加权回归的推荐算法

评分预测问题是推荐系统研究的核心.本文利用用户评分数据集发掘商品之间的自相关性:将商品看作数据网络中的节点,用商品间的差异度定义节点间的距离,进而将评分预测问题转化为网络回归问题.然后使用迭代加权回归算法进行评分预测.通过对电影评分数据集Movie Lens的分析,验证了算法的有效性,结果表明迭代加权回归算法优于基于项目邻域的协同过滤算法.     

社会化商务中消费者感知推荐信任的聚类方法研究

新兴社会化商务社会中人与人之间的高交互性及推荐信息的海量化和高动态性,对平台分析消费者感知信任提出了新的挑战。然而,对推荐信息进行聚类难以体现消费者主观性及主体间关系。本文将感知推荐信任聚类问题转化为复合网络划分问题,将主观逻辑方法与基于Normal矩阵的谱平分方法相结合构建社会化商务中消费者感知推荐信任的聚类方法。首先,将推荐信息转化为感知推荐信任,然后,从社交网络中抽取感知推荐信任相似度与关系亲密度网络,并构建Normal矩阵用谱平分方法进行划分。最后,通过多组仿真实验证明了该方法的实用性和有效性。该方法能够为社会化商务中消费者信任的分析提供新视角,为平台制定精准化营销策略提供支持。     

改进的灰色相似关联度模型在水质评价中的应用

基于灰色系统理论,提出一种改进的灰色相似关联度模型.通过计算评价对象的单因素隶属度矩阵,得到与各标准水质级别在不同评价指标处的灰色相似关联系数,最后根据灰色相似关联系数得到对各标准水质级别的综合隶属度.将此方法应用于延河流域的八个监测断面进行水质综合评价,取得了较好的结果.在此基础上进一步分析和改进了最大隶属度原则,在考虑最大隶属度的同时,综合考虑评价对象对各标准水质级别隶属度的分布,并制定了调整规则.     

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.     

基于灰色关联聚类的协同过滤推荐算法

针对协同过滤推荐系统具有数据的高稀疏,高维度,数据量大的特点,本文将灰色关联聚类与协同过虑推荐算法相结合,构建了灰色关联聚类的协同过滤推荐算法,将其应用到协同过滤推荐系统中,以解决数据具有高稀疏高维度的特性情况下的个性化推荐质量问题。首先,定义了推荐系统中的用户项目评分矩阵,用户灰色绝对关联度,用户灰色相似度,用户灰色关联聚类。然后,给出了灰色关联聚类的协同过滤推荐算法的计算方法和步骤,同时给出了评价推荐质量方法。最后,将本文算法与基于余弦,相关分析及修正的余弦等协同过滤推荐算法在大小不同的数据集下进行了实验,实验表明灰色关联聚类的协同过滤推荐算法相较于传统的协同过滤推荐方法具有推荐质量高,计算量小,对数据大小要求不高等优点,同时在推荐系统的冷启动,稳定性和计算效率方面也具有一定的优势。     

移动云计算中基于LBS的个性化服务推荐模型

随着智能手机的普及和3G技术的发展,信息呈指数式增长,从海量的信息中提取出用户感兴趣的内容已成为电子商务发展的一个重要趋势,然而传统的推荐策略已不能满足用户的需求.为此,基于移动云计算和位置信息,提出了一个个性化服务推荐模型解决方案,该方案综合了社交网络和时效性,建立了用户兴趣模型库.基于这个解决方案,在Android平台上,实现了初步的个性化图片推荐模型,取得了不错的效果.个性化服务推荐系统具有良好的发展和应用前景,能有效的保留客户,提高电子商务系统的服务能力,带来巨大的效益,具有一定的理论和现实意义.     

一种预测接地网腐蚀速率的新方法

针对目前接地网腐蚀预测中的涉及因素较多,提出了基于向量相似度与支持向量回归机(S-SVR)的综合的预测方法应用于变电站接地网腐蚀速率预测模型中.首先将影响接地网腐蚀速率的指标视为1个特征向量并进行无量纲化处理,其次计算各个训练站点的特征向量与实测站点指标向量的相似度;再次,在预测腐蚀速率时,针对传统线性贡献度平均法(LAM)描述非线性存在较大误差的缺陷,提出了先筛选相似度较高训练集再结合支持向量回归机训练模型.经验证,基于向量相似度与支持向量回归机(S-SVR)的综合预测方法预测能力较好.     

北疆城市化发展的经济社会资源环境耦合协调关系分析

对北疆主要地区城市化发展中的经济社会资源环境四个系统的协调发展关系进行研究及预测,为区域的可持续发展奠定基础.首先,建立了区域经济社会资源环境的耦合协调度指标体系,以北疆主要的5个地区为例,评价四个系统的发展水平;其次,运用耦合协调度模型的计算方法,对北疆5个地区的经济社会资源环境的耦合协调度进行实证分析;最后,引入ARMA模型预测法,对该区5个地州的经济社会资源环境的未来耦合协调度进行预测.结果表明:北疆五个主要地区的经济和环境增长较快,且二者互不影响,社会和资源的变化趋势不显著;四大系统的耦合协调度整体呈现波动上升趋势,主要制约因素是社会保障;未来5年四大系统的发展趋势与前10年的相似,总体表现为小幅上升的发展态势.     

基于多维关联函数的相似实例检索方法研究与实现

针对多属性产品实例检索过程中存在一定的主观性问题,影响检索结果,提出一种基于多维关联函数的相似实例检索方法并开发出原型系统.首先根据多维关联函数定义,得到多维关联函数一般计算方法的求解步骤,并基于多维关联函数构建相似度函数.其次,根据客户要求设定产品各属性的重要度,结合重要度和各属性修改难度系数构建实例评价模型.最后,运用多维关联函数计算方法,Access数据库构建技术以及层次分析法构建出包含用户需求输入模块、可拓域输出模块、相似实例检索模块和实例评价模块的原型系统,实现实例输出.以大型螺杆空压机为例来构建基于多维关联函数的相似实例检索系统,验证此理论方法的正确性与可行性.     

P2P电子商务中信任模型研究

为了提高P2P电子交易的安全性,提出了基于模糊理论的信任管理模型.通过类群来初始化信任向量及信任评估,提高了评估效率.通过模糊综合评判方法,较为全面地考察了影响信任的多种因素,使得评估结果更加客观、真实.基于模糊贴近度的概念来实现信任更新,并在推荐因子的更新中融入交易金额和交易时间,客观地反映了信任的动态性和交易的上下文特性.实验仿真及分析表明,与传统方法相比,本方法可以有效地提高评估的可靠性及可用性.     

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.     

移动商务中基于综合评价的推荐信任评估模型

信任评价是移动商务信任管理中的一个重要问题。本文根据移动商务交易过程中涉及到的各元素结构关系,结合现有移动商务感知信任研究,从移动技术、Wap网站、移动商家和商品、制度环境五个方面多角度地分析移动商务感知信任影响因素,并以此建立移动商家信任度评价指标体系。同时,基于移动商务信任评价特点,构建基于最优推荐计算和ELECTREIII相结合的移动商家信任度评价模型。最后,以实例说明该模型的合理性和有效性。     

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。     

长株潭地区可持续发展的综合评价——基于“两型社会”建设的视角

参照国内外现有的可持续发展指标体系,基于"两型社会"建设的视角,根据长株潭地区的具体特征以及数据的可得性,建立了包含经济社会与资源环境2个一级指标21个二级指标的长株潭可持续发展指标体系,并采用2000到2011年年度数据对长株潭地区可持续发展进行了评估与分析.研究结果显示,长株潭地区的生态环保指标综合得分已从2004年前的小于经济社会指标综合得分变为当前的大于经济社会指标综合得分;地区可持续发展度已从2000年前的非可持续逐渐过渡到现在的接近高可持续性,意味着"两型社会"第一阶段的各项目标任务已基本完成.但产业转型难将会成为长株潭整体辐射区生态环境优化的重要瓶颈.     

基于推荐模型和满意度模型的健身状况调查研究——以北京市为例

近年来,全民健身已经成为国家重点发展的领域,本文在调查的基础上,对北京市居民的健身现状进行了全面描述,通过对北京市居民进行问卷调查和对资深健身者进行访谈获取一手数据,对数据进行描述以了解北京市健身基本情况.就不同健身项目适合的生活状态进行分析,并筛选出影响因素,构建基于判别分析的项目推荐模型,利用模糊层次分析法构建健身项目满意度模型.研究表明:目前北京市民健身基本情况良好并存在大量潜在健身者;不同健身项目参与者在多个因素上存在显著差异;潜在健身者应根据自身生活状态选择健身项目;健身房和户外长跑项目的满意度情况较好.