基于旋转扰动的支持向量机隐私保护算法

支持向量机(SVM)是数据挖掘中非常流行的分类算法,得到了广泛的关注。数据泄露问题日渐凸显,数据挖掘中的隐私保护也成为当今研究热点,但是针对SVM隐私保护的研究较少。我们提出了基于旋转扰动的SVM隐私保护算法,该算法引入正交旋转变换方法,具有分类零损失的特性。文章采用传统数据安全评价方法,并利用UCI机器学习中心提供的数据对该算法的隐私性水平进行了分析。理论验证和实验结果表明,我们提出了令人满意的SVM隐私保护算法。     

在线评论与产品介入对虚拟购物车选择决策的影响研究——基于消费者介入理论

了解购物车放弃等"非购买"行为能丰富消费者决策行为理论,帮助电商制定个性化营销策略。消费者介入理论认为,产品介入取决于所耗的信息成本,目前研究对介入度过于定性与模糊。本文基于单品层级细分三种产品介入度：时间介入度,注意力介入度,关注介入度;考虑产品介入的时序依赖效应,在线评论对于购物车放弃的影响。本文以离散选择模型对购物车决策进行建模,结合京东商城点击流数据分析表明（1）时间介入度正向显著地影响购物车放弃和购买行为,但对后者效应更强。（2）对产品的注意力介入度越高,在购物车中放弃的可能性越低;但也会降低购买意愿。（3）产品的关注介入度与消费者放弃购物车行为的存在负向关系。此外,本文结合差评率的交叉弹性仿真,发现（4）高关注介入度的产品更易受差评率影响而放弃购物车;时间介入度和差评率两者正向平稳地影响放弃购物车可能性。本研究为个性化推荐系统和社交电商的在线评论管理实践提供了理论依据。