基于多源大数据的个性化推荐系统效果研究

  个性化推荐系统已成为各大电商向消费者提供个性化购物体验的重要工具之一,通过推荐系统,商家可以提高收入和消费者满意度。但传统推荐系统通常只利用消费者在当前网站的历史信息推荐个性化商品,无法获得消费者在其他网站的数据来优化推荐效果。大数据时代,一些第三方公司抓住机遇,利用不同公司的多源大数据提供更好的个性化推荐服务。然而,这种新型的推荐系统对消费者购物行为的影响存在极大的未知性。         探究基于多源大数据的个性化推荐系统对消费者购物行为的影响。为了建立推荐系统与消费者购物行为之间的因果关系,采用实地实验有效地避免传统研究方法存在的内生性问题,并具有较好的外部有效性。一方面,基于内部数据和外部数据构造解释性变量,探究内部数据特征和外部数据特征与推荐效果之间的关系;另一方面,通过检验消费者特征与内外部数据的推荐效果间的交互效应,进一步分析外部数据和内部数据的推荐效果如何随消费者的特征变化,帮助企业更好地利用多源大数据提升推荐效果。         研究结果表明,基于内部数据的推荐系统能够显著提升消费者点击个性化推荐商品的概率,可以降低消费者决策时间,激励消费者浏览更多的商品。外部数据的推荐效果不仅与外部公司网站的用户数量相关,也会受到外部网站与当前网站的关联程度的影响。消费者特征对基于内部数据和外部数据的推荐效果起调节作用,如果消费者是当前网站的老用户,利用该消费者在当前网站的内部数据提供个性化推荐的效果更佳。         通过分析基于多源大数据的推荐效果对消费者购物行为的影响,进一步完善个性化推荐领域的理论框架。研究结果对如何利用多源数据构建更加有效的推荐系统具有重要指导价值,并为不同网站之间的数据共享机制提供重要的管理建议。     

基于协同过滤算法的高校图书馆图书推荐系统研究

基于协同过滤算法是个性化推荐系统中最基本、最常用的一种,而传统的基于用户的协同过滤算法存在着用户冷启动和高推荐率等问题。笔者针对目前图书推荐协同过滤算法运用中存在的问题,并根据高校图书馆的实际情况,提出相应的改进措施。笔者利用学生网络日志和读者借阅记录对用户进行相似性分析,有效解决了用户“冷启动”的问题,提高了推荐准确率。笔者利用时间衰减法建立用户兴趣模型,以便更好地关注用户的短期借阅行为,提高推荐准确率。与传统用户协同过滤方法相比,笔者提出了一种改进的用户协同过滤方法。结果表明,改进后的用户协同过滤方法具有更好的性能。     

基于主观逻辑方法的消费者多源信任融合模型

 社会化商务中,消费者依赖在线口口相传建立感知信任,其本质是复杂网络上的多源信任融合问题。国内外学者对多源信任融合问题进行了大量研究,并以主观逻辑方法为代表形成了信任融合方法的研究体系。然而,由于社交网络中消费者感知信任的多源性和高度主观性以及用户生成内容的海量化,给多源信任融合模型带来量化难、实时处理难和融合难等问题。        针对上述难题,提出“先聚类、后融合”的研究思路,先对海量推荐信息进行聚类,再融入感知信任的主观因素构建多源信任融合模型。首先,将推荐信息间的相似性作为节点关系,从社交网络中抽取出推荐信息相似性网络,用谱平分方法对聚簇进行划分,实现对推荐信息的聚类;其次,用网络属性度量感知信任的影响因素,从复杂网络视角出发,提出消费者感知信任定性因素的量化方法;再次,以多属性决策方法为基础,改进主观逻辑方法构建多源信任融合模型,从而将感知信任的影响因素融入主观逻辑方法,突破主观逻辑方法只考虑推荐信息和网络路径的局限性;最后,通过仿真实验对推荐信息实验数据进行聚类,并分析主观因素对感知信任意见空间的调节作用,验证模型的可行性。        研究结果表明,研究模型能够快速划分推荐信息相似性网络,客观地量化感知信任的影响因素,使其融入信任度计算之中,且能够体现消费者感知信任的主观性和异质性。从仿真实验结果看,该模型能够有效解决大规模社会网络中推荐信息海量化问题,权威程度、从众行为和主体间亲密度等影响因素对信任度计算结果起调节作用。该模型将信任融合模型扩展到社会化商务领域,可以帮助商家评价已有消费群体对新消费者感知信任的影响力,为大规模网络中消费者感知信任的度量和预测提供新视角,为商家实时分析消费者感知信任意向和制定营销策略提供方法支持。对于难以建立新消费者信任的商家,可以通过制定激励机制来提高用户生成内容量,培养或引入权威人士作为明星节点,建立有主题的小社区等形式来促进主体间交流,增强消费者之间的亲密度,从而提高消费者感知信任。     

大数据时代数字图书馆建设研究

本文主要以分析大数据时代数字图书馆建设研究为重点进行阐述,从完善资源结构、改进数字图书馆服务模式、注重资金投入、创新相关技术、注重馆员素质的提升这几方面进行深入探索与研究,其目的在于提高大数据时代数字图书馆建设质量与水平。     

浅谈三网融合与数字图书馆的发展

本文简述三网融合的概念,探讨三网融合后数字图书馆将开展的服务以及三网融合对数字图书馆发展的影响。     

B2C电子商务中基于D-S证据融合理论的推荐信任评价模型

B2C电子商务中成熟消费者推荐是增强新消费者信任的重要渠道.基于证据融合理论,提出一种B2C电子商务中的推荐信任评价模型,从消费者、商品、服务商及其网站、技术和人文环境等方面多视角地分析B2C电子商务中的在线感知信任影响因素,由在线感知信任影响因素建立成熟消费者的个体信任评价指标;对于一个新消费者,根据他熟悉的多个成熟消费者的个体信任评价,基于D-S证据融合理论,提出由多个成熟消费者的信任评价融合而成的推荐信任评价模型,将提出的推荐信任评价模型应用于实际B2C在线购物推荐信任评价.实验结果表明,该模型可以有效地描述新消费者的推荐信任评价过程.     

基于多分类器融合的客户细分研究

基于多分类器融合技术,建立了新的客户分类模型,该模型通过使用分类融合器,将多个分类器得到的客户信用评估结果进行合并,从而综合了不同分类器的局部优势,提高了分类性能.采用线性分类融合器,并通过遗传算法对分类器进行优化.实验分析表明,该方法的分类效果明显优于传统的运用单个分类器的分类方法.     

多粒度关系融合的微博信念网络检索模型

微博检索系统是微博平台实现个性化信息过滤的重要工具,建立合理的微博检索模型不仅有利于满足用户的个性化信息需求,而且有利于提升微博平台的信息服务水平。与传统文本检索相比,微博检索面临两方面挑战,一是较短的微博查询语句难以准确表达用户的检索需求,二是较短的微博文档难以充分表现微博的语义特征。这使查询语句与文档之间难以准确进行匹配计算,致使微博检索性能受限。结合微博术语和文档的特点,将术语关系和文档关系融入信念网络检索模型,提出多粒度关系融合的微博信念网络检索模型。首先,基于混合语义信息和时间信息对微博术语关系进行量化,以更准确地建立微博术语之间的相关性;其次,基于混合语义信息和作者信息对微博文档关系进行量化,以更准确地建立微博文档之间的相关性;最后,结合量化的术语关系和文档关系,在基本信念网络检索模型的基础上,给出微博信念网络检索模型的概率推导过程。采用网络爬虫工具,从新浪微博平台获取真实的微博数据,对微博信念网络检索模型的有效性和合理性进行验证。研究结果表明,微博术语之间存在语义相关性和时间相关性;微博文档之间不仅存在语义相关性,还存在作者信息相关性;与主流的微博检索模型相比,微博信念网...     

大数据时代数字图书馆面临的困境与出路

伴随大数据时代的来临,客户对信息资源的需求与日俱增,因而图书馆的信息存储和配套服务也发生了明显的改变。为数众多的非结构化数据和半结构化数据剖析及发掘内含的价值将会成为图书馆的重要业务。在此形势下,图书馆的服务形式也应当作出相应的调整。     

基于社交综合信任和商品流行度的推荐模型研究

基于信任的推荐方法对用户之间的关系特征描述较为单一的问题,综合考虑用户关系网络和交互行为,融合用户由局部交互而产生的互动强度,在社交网络树立的全局声誉及因个人喜好而产生的偏好相似构建社交综合信任评估模型,以融合后的社交综合信任度取代传统协同过滤推荐方法中的相似度,以提高识别邻居的能力,并在此基础上引入商品流行度因素,将其作为调整因子对目标用户进行评分预测。在Epinions数据集上的对比实验结果表明,所提出的社交综合信任评估模型能够显著提高推荐准确性,且通过商品流行度的引入能够进一步提高推荐效果。     

基于领域知识的个性化推荐模型及其应用研究

首先,讨论了传统电子商务领域个性化推荐算法及其应用,提出传统推荐方法通常忽视了领域知识,因而在实际应用中存在局限性;然后,讨论了领域知识的相关概念和分类,并在此基础上建立了结合领域知识的两阶段推荐模型;最后,基于网络超市数据进行了实证研究,实验结果表明改进后的推荐算法效果要明显优于传统的个性化推荐算法.     

沈阳市装备制造业两化融合指标体系研究

笔者以获国家级第二批两化融合实验区的沈阳装备制造业为研究对象,分析沈阳市装备制造业两化融合现状,阐述建立完备的指标体系所坚持的原则,提出能够准确反映沈阳市装备制造业发展的两化融合指标体系。最后,根据该指标体系,提出适合沈阳市装备制造业发展的建议。     

基于云计算的多源信息服务系统研究综述

在对云计算基本概念、特征、层次、分类等进行分析的基础上,从管理的视角对基于云计算的多源信息服务系统作了综述.在云计算环境下多源信息服务过程中,描述了信息服务各要素以及面向不同领域、不同用户的多源信息服务模式;总结了信息服务资源的描述方法、发现与匹配机制、资源配置与实时监控方法等信息服务资源管理问题;归纳了多源信息服务的全生命周期以及服务过程的优化与协调机制;总结了多源信息服务过程中的可信保障机制;探讨了云计算环境下多源信息服务系统的体系结构、关键技术.通过对目前基于云计算的多源信息服务系统研究进行梳理和总结,并进一步结合不同领域的应用需求,提出了基于云计算的多源信息服务系统未来的研究方向以及应用前景.     

资产负债管理多阶段模型研究

综述了资产负债管理多阶段模型及应用的研究状况,评述了相关的研究文献。分别从资产负债管理多阶段模型、银行资产负债管理、养老金与保险公司、金融计划、动态的资产配置以及情景生成几个方面进行了探讨。最后结合我国有关的研究与应用现状,提出一些待研究的方向。     

基于巴斯模型的消费者推荐奖励和广告投入动态定价决策

本文从新产品扩散的过程出发,构建了同时考虑口碑效应和广告效应的产品扩散模型,研究企业推荐奖励和广告投入的动态定价问题。利用汉密尔顿函数和最大值原理得到最优解,并结合多个关键参数对最优解进行了敏感性分析。研究发现:最优推荐奖励呈先减少后增加趋势,最优广告投入则是逐渐减少;对于高价值产品,企业应采取高价格高奖励的策略;企业的推荐奖励策略和广告投入策略会受到推荐奖励效率、广告效率、自发购买比率和传统口碑效的影响。本文的研究结论对企业的推荐奖励和广告策略设计有一定的理论指导意义。     

基于SODM的多分类器融合及其在客户分类中的应用

目前大多数客户分类研究常采用单一的分类模型.引入多分类器融合方法,并将其与自组织数据挖掘理论(SODM)相结合,提出了基于SODM的选择性融合算法(SBSF).SBSF从全部基分类器的分类结果组成的初始模型集出发,由上一层模型两两组合产生新的待选模型,用最小二乘法来估计融合权重,而用外准则来评价和筛选中间候选模型,直到根据终止法则找到最优复杂度的融合模型.在15个UCI数据集上的实验结果显示,与单一的分类模型以及常用的多数投票法、贝叶斯方法、遗传算法等5种融合方法相比,SBSF具有更高的分类精度.进一步地,在信用卡数据集"german"上的客户分类实验表明,SBSF能自适应地从基分类器池中选择一个适当的基分类器子集进行融合,从而提高客户分类的精度.     

一种基于码本背景建模和多特征融合的火灾烟雾检测算法

该文提出一种基于码本模型和多特征融合的火灾烟雾检测算法。主要步骤是:首先,利用码本模型提取出视频中运动的前景像素;然后,结合暗通道先验知识对前景像素进行过滤,消除部分干扰像素;最后,统计疑似烟雾区域的颜色直方图、纹理直方图和边缘方向直方图特征,利用多特征融合的方式加以分类识别。多个视频场景测试结果表明,该算法具有良好的烟雾检测能力和抗干扰能力,可以基本满足实时性的要求,具有一定的实际推广价值。     

CHESS模型下青岛工业旅游融合发展研究

工业旅游是对与工业有关的资源进行旅游开发,吸引旅游者前来参观,实现经济、社会、生态多方面效益的融知识、观光、休闲于一体的专项旅游活动。本文通过对青岛工业旅游融合发展进行分析,运用CHESS模型,提出青岛工业旅游融合发展的CHESS战略。     

虚拟企业组建模型化的框架

提出了基于导航模型的虚拟企业组建模型化的框架结构,以保证虚拟企业组建决策模型化的集成和一致性关联.导航模型由双立柱矩阵构成,将虚拟企业的产品、过程、资源、组织、契约等要素联系起来,并与企业参考模型和应用视图模型关联起来.本文还给出了用于虚拟企业伙伴选择的立体质量功能配置模型的方法思路.