融合多信息的个性化推荐模型

为了解决协同过滤推荐系统的数据稀疏与冷启动问题,通常利用辅助信息来提高推荐系统的整体性能。当前大多数社交媒体网站和电子商务系统都允许用户发表文本评论,以及对项目(如商户、电影、商品等)进行评分。为了更加有效地融合多种数据信息,解决数据稀疏的问题,提高推荐算法的准确性,构建了一个基于用户-项目历史交互数据源融合知识图谱的模型,提出了基于用户-项目历史评论的深度学习算法,将2种算法动态融合,利用随机梯度下降方法进行模型求解,为用户提供更精准的个性化推荐服务。实验结果表明:相比于已有典型推荐算法,所提模型取得更好的推荐效果,并且可以有效地解决数据稀疏带来的推荐准确性降低的问题。     

基于用户评分权重的矩阵分解推荐算法

在传统的推荐算法中存在数据评分稀疏的问题,同时,在建立预测模型时默认每个用户评分都是真实可信的.但实际评分中存在某些数据不符合用户的整体评分趋势和偏好.为了解决上述问题,对每项用户评分的真实性进行计算,在进行评分预测时,使符合用户整体评分趋势的评分数据获得更高的权重,让推荐算法更精准的把握用户和项目的特征信息,提升推荐系统的整体性能.经过在Movie Lens 100k数据集上与其它三种经典算法的对比实验表明,本文提出的改进算法能更好地把握用户真实喜好,提高预测的准确性.     

信任传递的矩阵分解推荐算法

针对协同过滤推荐系统中数据稀疏性导致推荐准确性低下问题，提出信任传递的矩阵分解推荐算法.该算法利用用户社交网络的直接信任关系，基于信任传递思想，预测用户在社交网络中的间接信任关系，以解决社交网络信任关系的稀疏性问题.该算法使用填充后的社交网络信任数据，预测填充用户评分数据，以解决用户评分数据的稀疏性问题；将处理后的用户评分数据在基于正则化迭代最小二乘方法推荐系统中进行应用，取得良好效果.实验结果表明：使用Epinions数据集，相比传统的矩阵分解算法，该算法的平均绝对误差下降了10.77﹪.     

基于关联规则的协同过滤改进算法

针对传统协同过滤算法过分依赖用户历史评分数据及评分数据存在严重稀疏性问题的情况,提出一种基于关联规则的协同过滤改进算法。该算法设置相似度阈值,计算近邻用户与目标用户之间的相似度,选取相似度最高的近邻用户组成邻居集,若邻居集中的所有近邻用户与目标用户的相似度都高于阈值则按照传统协同过滤进行评分预测,否则引入关联规则的算法对目标用户进行评分预测。首先,对利用Apriori算法输出的关联规则进行拆分,得到一对一、多对一两种形式的规则;其次,基于支持度和置信度构建推荐度计算方法;再次,形成引入关联规则的算法;最后,根据阈值选择相应的算法进行评分预测,将评分高的项目推荐给用户。实验结果表明:所提出的算法与传统协同过滤算法、基于用户平均值填充的协同过滤算法相比,在MAE、RMSE上都有明显下降,可以在一定程度上提高推荐质量。     

基于Web日志挖掘的个性化推荐模型的研究

随着电子商务系统内商品种类急剧增加,如何针对用户进行有效的个性化商品推荐成为当前的研究热点。为解决该问题,本文提出了一种基于Web日志挖掘个性化推荐模型,该模型首先利用数据预处理技术对Web日志记录进行有效的清洗和识别,随后基于MapReduce模型实现了协同过滤推荐算法的并行化,从而实现商品的快速个性化推荐。实际应用结果表明该模型提高了个性化推荐结果的准确性,具有一定的应用价值。     

基于跨电商行为的交叉推荐算法

利用百分点科技推荐引擎提供的原始数据,分析了用户跨电商的行为,提出了一种可在多个电商之间进行交叉推荐的算法。结果证明,该算法不仅在精确性上较完全冷启动的随机推荐有巨大的提高,而且所推荐的商品可以保持相当的多样性与新颖性。分析显示有约5%～10%的点击、收藏和购买行为发生在有交叉行为的用户身上,这些用户的活跃性明显强于非交叉用户。这些结果暗示交叉用户可能是网上购物的重度用户。该文展现了全新的研究思路,研讨了全新的分析对象,其思路和结果对于电子商务研究有重要价值。     

基于中心节点重叠社区发现的协同过滤推荐系统

针对传统协同过滤中对整个用户网络进行运算的数据量较大、推荐效率不高的问题,将用户-项目二分网转化为由用户构成的社会网络,基于中心节点重叠社区发现的思想进行加权网社区划分以充分利用网络结构信息。在社区内部采用加权相似度与top-n算法相结合的方法进行项目推荐,并将Movie Lens数据集作为测试数据。通过与传统协同过滤的对比可见,基于中心节点重叠社区发现的top-n算法的个性化推荐方法在保证推荐精度的前提下,使推荐效率得到大幅度提升。     

当代纸币依旧是金的符号——兼与薛暮桥等同志商榷

货币是商品交换长期发展的必然产物。货币作为一般等价物,直接体现为社会劳动,是价值的一般代表。作为一般商品的价值尺度,要求货币本身就是劳动产品、具有价值。商品与货币交换,就是商品价值量与货币价值量的对等交换。在金属货币流通时,这个价值量对等关系是表现得明明白白的。因为,作为货币商品的黄金,是劳动产     

基于商品属性的消费者个性化偏好模型研究

随着互联网的快速发展,在线商品推荐成为商家重要的营销方式,而研究}肖费者个性化偏好是实施商品推荐的重要基础。以餐饮类团购商品为例,提取7大类、32项商品属性,采用基于BP神经网络的数据挖掘方法建立了基于商品属性的消费者个性化偏好模型。通过问卷调研进行了实证研究,结果验证了该模型预测个体消费者对商品偏好的准确性,同时发现影响消费群体偏好的最重要因素是价格和到达所需时间。最后,针对个性化商品推荐为商家提供了营销启示。     

电子商务平台商品推荐信息特性对消费者购买意愿的影响实证研究

以电商平台上商品推荐信息的特性为研究对象,探讨其对消费者购买意愿的影响,这对于促进电子商务研究、优化电商平台的运营具有一定的理论参考价值和现实指导意义。对商品推荐信息的特性和消费者购买意愿进行变量测量,构建研究模型,设计调查问卷,然后针对调查数据进行定量化。实证分析结论如下:商品推荐信息的精准性、丰富性、新颖性和互动性对消费者购买意愿有显著的正向影响作用,而商品推荐信息的强度则影响不显著。     

我国信用评级行业声誉约束的实证分析

声誉约束是信用评级行业运行的基石。通过培育和完善声誉约束能够降低信息不对称下信用评级机构的违规动机。基于2008～2011的中期票据的数据,通过构建一个多元回归模型,对我国信用评级行业声誉约束进行了实证分析。结果表明,声誉约束起到了一定的作用,但作用比较有限。     

基于模糊层次分析法的个人住房贷款风险评估研究

目前商业银行个人住房贷款风险管理中定性方法存在一些缺陷.在借鉴国内外个人信用评分指标构建经验的基础上,选取五大子目共19个指标形成个人信用评分指标体系,引入模糊一致判断矩阵,运用模糊层次分析法确定指标权重,从而构建了商业银行对个人住房贷款风险控制的定量模型.利用模型可以确定房贷申请者个人信用评分及等级,即按得分多少将房贷申请者个人信用划分为从AAA至C等七个不同的等级,商业银行则依据房贷申请者的信用评分等级给予不同的放款政策.     

证券分析师荐股评级投资价值及准确性研究

以国金证券分析师评级报告数据实证检验了分析师荐股评级的投资价值，并计算了评级偏差导致的收益率偏差，以此来衡量分析师荐股评级的准确性。研究发现，证券分析师荐股具有一定的投资价值，但普遍存在着乐观倾苘。证券分析师的复杂利益冲突使得评级报告产生了不同程度的偏差。除此之外，文章进一步深入思考并分析了分析师评级偏差对投资者利益带来的影响，是对分析师利益冲突与荐股评级关系等问题的多角度研究。     

C2C卖家的诚信行为模式及其动态性研究

现有电子商务的信用评价体系单一维度的特点使得评级体系难以准确衡量、比较店铺在各维度之间的差异及其变化。为了提高C2C电子商务信用评级体系的信息揭示作用,本文试图从多维度指标分析店铺的诚信行为模式及其动态性。本文对淘宝7大行业不同信用等级的卖家的诚信指标数据进行聚类分析表明,店铺在动态评分、信用等级、好评率上分别具有六类不同的静态组合特征,信用积分在解释店铺诚信状态上弱于动态评分和好评率指标。动态模式分析表明,店铺的好评率、动态评分指标及其与同业行业比值会呈现出三个不同的组合变化趋势。最后本文提出对现有的评价体系改进,以体现店铺之间在模式上的差异,从而真实展现卖家的诚信水平。     

基于改进Credit Metrics模型的商业银行信用风险度量及实证研究

信用风险是我国商业银行面临的主要风险.随着美国金融危机的蔓延,各国银行业已意识到加强信用风险监管的必要性.研究信用风险特征,建立合适的度量模型准确地度量我国商业银行的信用风险,是降低信用风险的必然要求,而Credit Metrics模型以其擅长度量非交易性资产的信用风险而著称.作者首先对Credit Metrics模型加以改进,使用我国的信用评级转移矩阵,其次考虑宏观经济和企业本身的非系统性风险,重新调整信用评级转移矩阵.最后以某家银行为基础,使用Credit Met-rics模型进行实证研究,同时对于模型中的部分参数进行修正并对模型加以改进,从而完善CreditMetrics模型在我国商业银行业的应用.     

晨星评级预测性功能研究

采用系统广义矩（System GMM）估计方法对晨星评级的预测性功能进行考察。发现无论是静态模型还是动态模型,估计结果都表明晨星评级对基金的未来业绩不具有预测功能。因此认为晨星评级不能预测基金未来,只能反映基金的过去业绩。     

基于熵值法的P2P网贷平台信用评级体系研究

通过搜集P2P网贷平台官网中信息披露的相关数据,运用相关性分析筛选出显著性较高的10个指标,构建网贷平台信用评级体系。结合熵值法对指标赋权,构建出一个简单适用的信用评级模型对平台进行评级,并以2007年成立的拍拍贷为实证对象,得到拍拍贷的最终评级结果为92分,对应等级为AA级,验证了该P2P信用评级体系的可操作性。     

监管政策影响了债券评级质量吗？——理论框架与经验证据

近年来,减少金融监管对信用市场的干扰已成为我国监管部门关注的重点问题。通过构建包含监管部门、评级机构和债券发行方等主体在内的三阶段博弈论模型,从理论上探讨了监管政策对债券评级质量的影响。研究发现,监管部门提高债券评级要求会导致市场充斥大量违约风险较高的债券。为了增加评级收入,评级机构会给出虚高评级。在此基础上,基于2017年4月7日中国证券登记结算有限责任公司调整交易所债券市场上信用债券质押入库资格这一准自然实验,利用2015—2019年我国企业债发行数据,采用PSM-DID方法进一步实证检验了监管政策调整对债券评级质量的影响。经验证据表明,提高债券资格门槛会助推债券评级上升,但政策实施前后债券的利差并未发生显著变化,即监管政策调整助推了债券评级虚高。因此,监管部门需改变通过评级结果来识别债券风险的传统监管思路,应尝试构建多元化的信用监管机制。