大数据背景下基于社交网络的聚类随机游走抽样算法研究

数字经济时代,社交网络作为数字化平台经济的重要载体,受到了国内外学者的广泛关注。大数据背景下,社交网络的商业应用价值巨大,但由于其网络规模空前庞大,传统的网络分析方法 因计算成本过高而不再适用。而通过网络抽样算法获取样本网络,再推断整体网络,可节约计算资源, 因此抽样算法的好坏将直接影响社交网络分析结论的准确性。现有社交网络抽样算法存在忽略网络内部拓扑结构、容易陷入局部网络、抽样效率过低等缺陷。为了弥补现有社交网络抽样算法的缺陷,本文结合大数据社交网络的社区特征,提出了一种聚类随机游走抽样算法。该方法首先使用社区聚类算法将原始网络节点进行社区划分,得到多个社区网络,然后分别对每个社区进行随机游走抽样获取样本网 络。数值模拟和案例应用的结果均表明,聚类随机游走抽样算法克服了传统网络抽样算法的缺点,能够在降低网络规模的同时较好地保留原始网络的结构特征。此外,该抽样算法还可以并行运算,有效提升抽样效率,对于大数据背景下大规模社交网络的抽样实践具有重大现实意义。     

零售4.0时代先行发货问题的大数据分析

在零售4.0时代，渠道的多样化不仅丰富了数据源，还能迅速生成大量数据，需要通过分析大数据，为决策提取有意义的信息，通过分析先行发货的重要性，提出了一种基于遗传算法（GA）的优化模型，预测顾客何时购买，然后在顾客线下单前将产品运送到距顾客最近的配送中心，解决先行发货中存在的问题。研究认为，需要先部署云计算来存储所有渠道生成的大数据，再应用基于集群的关联规则挖掘研究顾客的购买行为，根据“如果-那么”预测规则预测未来的采购情况，最后利用修正的遗传算法生成最优的先行发货计划；这种遗传算法考虑了其在运输成本和运输距离之外，还有预测规则的置信度，利用大量的数值实验权衡了先行发货中的不同因素，验证了模型的最优可靠性     

基于Delphi的医疗器械商品检索系统设计

分析了采用Delphi6.0编程工具研究并设计的医疗器械商品检索系统，介绍了系统开发的环境特征、数据库应用程序开发步骤及开发过程，包括创建主界面、数据库及编程等，分析了该系统存在的不足及改进措施。     

论现行大学生体质检测方法的科学性

本文通过回顾我国大学生体质检测标准的发展历程,对新颁布的大学生体质监测方法和标准的科学性进行技术分析,在此基础上,对新的体质检测方法的进一步深层次的应用进行探索。     

西方服务营销研究的世纪回眸

自从营销学作为一门独立的学科以来 ,实体产品的营销一直作为主流学派主宰着理论界和实务界。但在 2 0世纪 80年代 ,服务营销走出了产品营销的窠臼 ,为营销学的发展开拓了新视野。本文借助UMI、EBSCD、ELSEVIER公司的电子文献库 ,对近 5 0年的服务营销研究进行了回顾 ,依各时期研究内容的不同 ,将这五十年的历程划分为四个阶段 ,并对各阶段研究的主要内容和特点作了简要评述