一种基于资源多属性分类的群组推荐模型

群组推荐是个性化推荐研究的一个新领域,主要研究如何将群组中的成员作为一个整体进行推荐,目前国内的相关研究较少。现有的群组推荐方法强调应用协同过滤算法分析群组成员的历史记录,发现成员间的内在联系,进而进行个性化推荐。文章认为在这种推荐模式下得到的结果,不能很好地反映群组成员具有共性的偏好信息,主要是因为资源之间缺乏逻辑层面的关联,因此本文构建领域资源分类模型,依据资源属性对资源进行分类,在此基础上构建群组用户的兴趣模型,进而实现相应的推荐算法。     

畅销书推荐

《滚雪球:沃伦·巴菲特和他的财富人生》推荐理由:人生就像滚雪球。最重要的是发现很湿的雪和很长的坡。——沃伦·巴菲特沃伦·巴菲特,我们这个时代硕果仅存的商业领袖和投资大师,甚至在死后还会影响后世50年的伟大人物,向世人敞开了他的心扉。以最平实的语言、最真诚的心,娓娓道来,讲述     

移动商务中基于定位的个性化推荐研究

文章根据移动商务中LBS的特点总结了基于定位的个性化推荐区别于传统电子商务推荐的特征要求,并有针对性地提出了一种新的基于定位的个性化推荐算法.实证结果表明该算法能够完成设计目标.     

畅销书推荐

《博弈论的诡计》编辑推荐:博弈论首先是我们思索现实世界的一套逻辑,其次才是把这套逻辑严密化的数学形式。有时候,科学并不一定意味着烦琐的计算与测量,而是一种有浓厚艺术气息的思维方式。前者固然可以得出正确的结论,但是后者同样可以用一种出人     

基于顾客终身价值视角的顾客口碑推荐价值的实证

口碑推荐在帮助企业降低顾客感知风险并以较低成本宣传企业产品方面有无可替代的优势.国内学者对口碑推荐的形成机理和激励机制的研究较多,但对顾客口碑价值(CRV)的测量及其与顾客终身价值(CLV)的关系的实证分析还不充分.通过实证数据研究CRV与CLV的关系,可以构建一种顾客价值细分模型,通过设计适当的口碑推荐计划,并辅之以相应的交叉销售和向上销售方法,实现顾客总体价值的提升.     

大数据背景下智能手机APP组合推荐研究

面对当下智能手机APP种类繁多、层出不穷的局面,数据提取方案的提出和常见APP组合规律的深度挖掘已成为大数据时代的研究热点。在重新界定不同APP类别间关系度量方式的前提下,推出一套完整的关系型数据提取方案。借助社会网络可视化工具初步发现了不同APP类别间的关系程度及分布,而concor模型为APP组合的多层次划分和推荐提供了可靠的方法学依据。研究发现APP的多层次组合划分实现,对现实生活中经常同时使用的APP类别组的挖掘、划分结果具有较好的解释性和现实意义,为智能手机生产者提供了APP研发方向,并能推进智能生产和生活的发展进程。     

图像数据挖掘相关研究综述一概念和应用

图像挖掘是数据挖掘领域中新兴的领域。随着数字照相技术的发展和在多学科中的广泛应用，对大量图像数据的分析和研究越来越重要。由于图像挖掘的对象、内容不同于传统数据，方法上也不同于传统技术。本文旨在介绍图像挖掘的基本概念和体系以及国际上最新的研究成果。本文回顾了图像挖掘的相关问题及建模框架，并与模式识别、图像处理等相关领域进行了比较，在此基础上，还介绍了近年来图像挖掘领域在卫星遥感、医学影像和生物显微照片研究的相关应用。     

图像数据挖掘相关研究综述—概念和应用

图像挖掘是数据挖掘领域中新兴的领域。随着数字照相技术的发展和在多学科中的广泛应用,对大量图像数据的分析和研究越来越重要。由于图像挖掘的对象、内容不同于传统数据,方法上也不同于传统技术。本文旨在介绍图像挖掘的基本概念和体系以及国际上最新的研究成果。本文回顾了图像挖掘的相关问题及建模框架,并与模式识别、图像处理等相关领域进行了比较,在此基础上,还介绍了近年来图像挖掘领域在卫星遥感、医学影像和生物显微照片研究的相关应用。     

基于属性聚类的项目评分预测推荐算法研究

针对用户评分数据稀疏性问题,在对项目进行聚类基础上,文章提出了基于属性聚类的项目评分预测推荐算法。算法从项目属性特征相似性分析出发,利用K-Means聚类算法对项目进行聚类。对于未评分项目找到其所属的类簇;利用用户对类簇中其它项目的评分预测该用户对未评分项目的评分,达到降低数据稀疏性目的;最后结合协同过滤思想为用户提供推荐服务。实验结果表明,与基于项目评分预测的推荐算法相比,文章的算法推荐精度显著提高。     

我国证券分析师推荐评级调整价值的经验研究

本文以我国12家主要券商研究机构的证券分析师推荐报告为样本,基于2000-2004年的沪深A股市场的全部股票价格与交易量数据库,采用三种不同的市场超额收益率模型和事件研究法,研究了我国证券分析师评级调整前后累积超额收益率、股票价格和交易量之间的经验关系.     

数据挖掘在物流业的应用综述

数据挖掘作为快速有效地从海量数据中提取有效信息的工具,在现代物流业得到了广泛的应用.文章从数据挖掘的基本技术、数据挖掘在物流需求预测、物流决策以及客户关系管理等方面的应用现状及存在的问题出发,对目前这一领域内的研究进行了回顾和评论,并对数据挖掘在物流的发展前景进行了展望.     

我国时间序列分析研究工作综述

近年来我国学者对于时间序列的研究取得了极其丰硕的成果,主要体现在基础理论研究的不断加强(某些领域已经达到了国际前沿水平,而不再只是纯粹的吸收引进国外的先进成果);应用领域的不断拓展,在应用中求创新求发展,在部分应用领域中我们已经跟上了国际步伐。本文中我们将从理论     

基于综合相似度加权Slope One算法的协同过滤算法

协同过滤算法是目前应用最为广泛的个性化推荐算法,在已有的研究中对传统协同过滤算法进行数据填充时往往使用中值或平均值等单一数据作为填充值,文章针对该问题提出一种改进的Slope One算法来计算填充值,先通过项目综合相似度筛选出待预测评分项目的近邻用户集S,然后在用户集S上计算项目间的偏差值dev时引入用户综合相似度,从而有效提高了填充值的多样性和可靠性,最后通过基于用户综合相似度的协同过滤算法对目标用户给出推荐。在Movielens1-M数据集上进一步和其他类似算法作五折交叉实验,结果表明,改进的算法不仅能有效缓解推荐算法的数据稀疏性问题,还能提高预测的准确性,使推荐系统有更好的效果。     

客户满意度推荐阈与重购阈的联合估计

高满意度不一定能导致客户忠诚,相同满意度的客户可能有不同的推荐阈和重购阈。文章提出了一种双变量分层Bayes Probit模型,用于联合估算客户个体层次的推荐阈和重购阈。该模型采用一种Gibbs抽样和Metropolis-Hastings算法相结合的MCMC模拟抽样方法来实现模型估计。数据模拟和实证研究均表明,该方法可以有效地联合估计客户个体层次的推荐阈和重购阈,模型的内部效度和外部效度均优于以往模型。     

基于Monte Carlo的口碑推荐价值改进模型研究

本文在对已有计算口碑价值的模型进行回顾和评价的基础上,认为影响口碑价值大小主要有4个变量。为使预测更为准确、灵活,文章考虑到个体顾客之间的异质性和风险性,提出了一种基于Monte Carlo模拟的口碑推荐价值改进模型,给出了具体的算例,并指出了进一步研究的方向。     

门诊药费查询监控系统的开发和应用

我院是一所三级甲等精神卫生专科医院,年收治3000余病人,年门诊量达14万人次.然我院药费比例历来较低,仅占医疗收入20%左右(其中门诊药费占70%,住院药费占30%),但近年来,随着临床大量新药、合资药的广泛应用,使得药品本身的成本大幅度提高,同类药品新药价是老药的几十倍甚至百倍.如不采取积极有效的措施,必然导致药费增长过快,突破规定的药费增长限额.上海市自1994年7月推行医院医药费用“总量控制,结构调整”政策,经几年的实践证明,有利于医院管理工作走良性循环的道路.     

浅议在数据挖掘中应用抽样技术

数据挖掘技术的产生和发展不是为了替代传统的统计分析技术,相反它为统计学的延伸和扩展提供了广阔的舞台。本文介绍了抽样技术作为一项基本统计技术在数据挖掘中的应用的理论基础和实践基础,指出了需要注意的问题和发展的方向。     

数据挖掘技术及其应用现状

本文对数据挖掘技术进行了回顾,介绍了目前在数据挖掘中常用的方法和工具,列举了它的一些应用,指出了数据挖掘中存在的一些问题.     

聚合信息客户端数据挖掘应用研究——以用户登录行为和文章推荐数据库为例

在大数据时代,数据挖掘技术在聚合信息客户端中的应用有利于提高聚合信息企业的运行效率。基于聚合信息企业的实际运营和用户数据,从用户登录行为和文章推荐数据库两个角度,利用机器学习算法,构建用户登录行为预测模型和优秀文章分类模型。研究发现,随机森林和Logistic回归模型在互联网大数据分析中的综合表现最好,在分类预测准确度和运行速度方面明显优于其他模型;用户对平台的使用频率和依赖度是决定其登录行为的最关键因素,且区域用户习惯和年龄显著影响用户的登录决策;文章基本信息和自媒体属性均对优秀文章筛选有显著影响,其中,文章等级、自媒体的产量和自媒体专注度等均与文章质量存在显著的负相关关系;发文类型、是否原创和自媒体领域等分类变量各水平之间都存在显著差异,且均会影响用户对文章的青睐程度。     

数据挖掘技术在医疗费用分析中的应用

文章运用Clementine11.0对医疗数据进行挖掘,通过对胆囊炎患者住院情况及住院费用的分析,寻找胆囊炎患者住院费用的影响因素,实现对其医疗费用数据内在结构特征的理解和预测。得到的相关结论可为合理控制费用提供参考,同时提高医疗保险机构管理人员的工作效率和管理水平。