市级政府规模的影响因素实证分析——以安徽省为例

以安徽省16个地级市为研究样本,将其分为皖中、皖南和皖北3个区域,分别考察其政府规模变动的影响因素及影响程度。研究表明,财政分权、地方竞争、经济发展水平和贸易开放程度这四个因素对不同区域存在着不同影响;基于以上研究结果,提出了优化安徽省地级市政府规模的相关建议。     

招聘服务供应链中合作广告博弈

本文研究求职者投递简历量不确定性的条件下由网站招聘服务商和用人企业组成的招聘服务供应链中的合作广告对招聘效用的影响。网站服务商首先确定招聘套餐价格和广告赠送率,用人企业根据套餐及广告,确定本企业对求职者提供的职位搜索价格。运用斯坦伯格博弈模型进行合作广告效用预测显示:(1)对于用人企业,广告效用增加,求职者对本单位的招聘职位搜索价格增加,企业期望简历量和期望效用增加。(2)对于网站服务商,固定广告赠送率可确定职位价格;固定职位价格可确定广告赠送率;提高广告赠送率可激励用人企业选择更高价位广告。将上述理论运用于企业与智联招聘、前程无忧和新安人才网三家网站建立招聘服务供应链时的斯坦伯格决策,可从企业、服务商和供应链三个角度综合做出决定-若企业在安徽省内招聘则优选新安,在全国招聘则优选智联,可保证企业招聘效果和服务供应链效用最优。上述方法为中小企业选择招聘服务商提供参考,也为人才管理理论研究拓展新方向。     

基于VIKOR和诱导广义直觉梯形模糊Choquet积分算子的多属性群决策方法

针对属性值为直觉梯形模糊数,决策者间和属性间存在相互关联的多属性群决策问题,引入模糊测度和Choquet积分的概念,在直觉梯形模糊数的运算法则基础上构建了诱导型广义直觉梯形模糊choquet积分平均(IG-ITFCA)算子和诱导型广义直觉梯形模糊choquet积分几何(IG-ITFCG)算子,探讨上述算子的若干性质及一些特例,进而提出了基于诱导型广义直觉梯形模糊Choquet积分算子和多准则妥协优化解(VIKOR)的直觉梯形模糊多属性群决策方法。实例分析验证该方法的有效性和合理性。     

电子商务协同过滤稀疏性研究:一个分类视角

协同过滤是目前电子商务推荐系统中广泛使用的、最成功的推荐算法,但面临用户评分数据稀疏性问题的挑战.在介绍用户偏好数据获取途径的基础上,将稀疏性改善技术归纳为六类,包括设定缺省值、结合基于内容的过滤、降维、图论方法、基于项目评分预测以及增加用户.系统交互,重点评述了各类算法的研究情况并时六类技术进行了比较,最后探讨了该领域的未来研究方向.     

复杂产品开发工程管理与技术创新:一个概念性模型

复杂产品本身所具有的高成本、高技术性及高创新性的核心特征对其开发工程管理与技术创新提出了更高要求.文章在国内外复杂产品开发工程相关研究的基础上,结合汽车这一复杂产品开发过程,构建了复杂产品开发工程管理的概念性模型,提出了复杂产品技术创新过程模式,并给出复杂产品开发工程管理的研究前瞻.     

基于EM填补和加权秩和比的电力系统黑启动决策方法

电力系统大停电后需要安全可靠的黑启动方案进行电力快速恢复,如何从众多黑启动方案中进行优选是一个重要课题。不同于以往完全信息情况下的研究,本文对电力系统黑启动方案评估问题的研究是基于不完全信息情况下进行的,提出一种EM填补和加权秩和比相结合的黑启动决策方法。首先,采用EM算法填补黑启动方案评价空值,得到完备的黑启动评价矩阵;然后,计算指标间的差异性,利用差异性权重法得到各个指标的权重;最后,采用加权秩和比法确定每个方案的评分值,实现黑启动方案的分级和完全排序。本文方法基于广东电网黑启动数据集进行实验验证,实验结果表明,本文方法可以对不完全信息情况下的黑启动方案进行优劣排序,且具有较高准确性。     

面向C2C电子商务的多维信誉评价模型

提出了一种面向C2C电子商务的多维信誉评价模型,该模型将反映卖家信誉的因素归结为2类维度,即交易维度和中介维度。前者包括交易时间、交易金额、买家信誉度、欺诈惩罚4个维度;后者包括商盟、消费者保障服务2个维度;模型将C2C卖家信誉集结为一个二元组提供给消费者,作为其进行购买决策的评估指标。通过对淘宝网数据的实证研究证明,其相对传统模型具有更好的信誉区分能力、防信誉诋毁能力、防信誉共谋能力和欺诈惩罚能力。     

电子商务推荐系统中群体用户推荐问题研究

尽管传统的电子商务推荐系统在个体用户推荐方面取得了巨大成功,但它并不适用于向群体用户进行推荐。随着虚拟社区中群体用户的不断增加,构建群体推荐系统,向群体用户提供个性化推荐,减少他们搜集信息所耗费的时间和精力显得越来越重要。基于此,本文提出了一种新颖的推荐方法—结合领域专家法的群体用户推荐算法。该算法以基于项目的协同过滤技术为基础,根据群体成员间的相互作用确定群体偏好,由群体偏好产生推荐,推荐过程中存在的成员未评分项采用领域专家法进行预测填充,此外本文算法还考虑了成员间相似关系对推荐质量的影响。实验结果表明了本文算法的有效性。     

面向不确定多属性决策问题的范例检索算法研究

将不确定多属性决策问题转化为不确定性多属性范例的检索问题,利用范例推理方法获取最相似范例作对目标决策问题的近似解,通过范例修正缩短该近似解与目标决策问题解之间的差距直至完全一致.文章系统地提出了适合于不确定多属性问题检索要求的范例检索算法(RA-UMDM),重点研究了范例聚类、用基于梯形模糊集和改进的欧氏距离检索算法分别解决范例中模糊概念属性、区间特征属性的相似度计算问题.将该方法应用于两家医院临床辅助诊断决策过程求得了较为准确的解,并且基于范例库对RA-UMDM法的有效性、准确度、效率等进行了实验,结果表明该方法能够满足不确定多属性决策问题的检索要求,检索速度较快、质量高.     

一种评价信息不完全的混合型多属性群决策方法

针对一类评价信息不完全且属性值由精确数、语言评价值等定量、定性形式构成的混合型不完全信息多属性群决策问题,提出了一种基于直觉模糊集和证据理论的决策方法。首先定义了转换函数将不同类型属性值一致转换为更符合决策实际的直觉模糊数,接着根据信息熵原理利用直觉模糊数中的犹豫度确定专家客观权重,随后应用证据理论集结含有信息缺失的评价值,并构造了一可能度比较公式用于集结后方案排序。该法解决了决策问题中易出现的信息残缺和混合型信息等情况,具有更强的实用性。最后的实例分析证明了该方法的科学性、有效性。