C2C电子商务中买家信用问题研究——基于C2C网络商家的实证分析

在C2C电子商务中,对买家的身份认证相对松散等,导致常常出现买家的各种失信行为,严重影响着卖家的正常交易.本文以淘宝、易趣、拍拍网上的商家为研究样本,问卷调查交易中买家的信用现状.通过实证分析发现,在C2C电子商务中,买家存在恶意评价、滥用退货权利、虚假交易、拖延货款、恶意竞拍、只拍不买等失信行为,这些失信行为对卖家会造成不良影响.并分析了买家存在信用问题的原因.     

网络购物之“望闻问切”

随着网购市场的日渐成熟,网上购物这一曾经的新颖模式也逐渐成为寻常大众的日常消费重要选择。然而正如很多人所担心的,网上购物的确有一些产品良莠不齐,以及交易陷阱的存在。笔者混迹网购市场有些时日,在此为希望尝试网购的朋友们简单介绍一些网购过程的注意点,以求让大家愉快地买到称心如意的产品。     

农产品溯源区块链的源头数据验证机制研究

农产品溯源系统中区块链以其数据防篡改、可追溯的特性使上链后的数据真实可靠,但目前溯源系统中并没有确保上链前数据可靠的验证机制,上传至区块链系统的数据存在恶意修改和系统误差的问题。对此,设计了区块链源头数据验证机制,采用多维数据交叉验证算法和多源数据匹配计算算法验证农产品生产与物流的源头数据;提出基于云模型与复杂动态赋权的客户评价评估算法对交易环节的客户交易评价数据进行验证并计算真实评价数据;依据以上算法的验证结果设计节点信誉评分规则,在POS共识机制的基础上设计基于信誉的共识机制CPOS,恶意行为越多的节点越难得到记账权,解决了POS共识机制因节点的币龄值过大造成节点权益越来越大的不公平记账权竞争问题,并在一定程度上遏制了节点的作弊行为,保证了源头数据的真实性。实验表明,该机制可有效地过滤恶意和虚假的源头数据,保证农产品溯源系统的源头数据在相对合理的范围内。     

生成对抗网络的银行不平衡客户流失预测研究

对于常用机器学习分类算法在不均衡数据上分类性能较差的问题,提出了一种基于生成对抗网络(GAN)的不平衡数据分类策略。所提出的策略首先利用生成对抗网络通过训练生成少数类样本,改善样本不均衡问题。使用机器学习分类器对改善后的数据集进行分类,提升该模型的分类性能。实验使用了商业银行客户数据集,采用Precision、F-mean等作为度量指标,并与SMOTE等传统数据不均衡处理方法进行对比。实验结果表明:对于不平衡数据集的二分类问题,提出的GAN模型在银行客户流失分类问题中具有可行性和适应性。最终取得了良好的度量效果,有很强的适用性及应用价值。     

网上交易评价观点的传播演化分析

通过特征分析和算法分析,研究客户消费过程中网上交易评价观点的传播演化。考虑到网上用户的观点倾向度,结合网络交易评价观点的群聚属性,提出了消费者观点倾向度转化规则,基于小世界网络效应的电子商务交易评价演化迁移元胞模型,对评价传播观点的演化过程进行分析。通过改变某交易平台饮料消费品聚合分类设计的实验,可以预测和把握消费者的消费心理和购物取向,能够培养客户忠实度,促进企业产品销量提升。     

基于网络搜索指数和EMD-ARIMA-BP组合模型的游客量预测——以张家界为例

科学的客流量预测有利于完善旅游安全预警体系和优化旅游资源配置体系。为进一步提高游客量预测的准确度,提出一种基于网络搜索指数的EMD-ARIMA-BP组合模型,以探究互联网时代旅游消费者出行行为规律。该模型首先对网络搜索行为数据进行指数合成,其次利用EMD算法对游客量和网络搜索数据进行去噪处理,最后将ARIMA模型和BP神经网络进行组合,对游客量进行预测。实证分析以张家界为例。研究发现：（1）运用网络搜索数据预测旅游消费者出行行为切实可行,接近于实时的网络数据可以大幅提升预测的时效性;（2）经过EMD去噪算法对游客量与网络搜索行为数据进行去噪处理后,游客量的预测精度有较大程度提高;（3）基于网络搜索指数和EMD-ARIMA-BP组合模型的预测误差显著低于ARIMA模型和BP神经网络等基准模型。     

基于风险数据挖掘追踪技术的网络入侵检测研究

网络入侵检测是通过分析网络流量行为来识别网络中恶意活动的过程,针对网络入侵检测面临的海量数据入侵检测的挑战,提出了一种新的基于KDD CUP 99数据集的特征选择算法,将基于滤波器和包装器的方法相结合,选择合适的特征进行网络检测入侵。首先,基于训练数据的一般特征对特征进行评价,不依赖于任何挖掘算法;然后,采用互信息萤火虫算法(MIFA)作为基于包装器的特征选择策略进行特征提取,进一步基于C4. 5分类器和基于贝叶斯网络(BN)的分类器,结合KDD CUP 99数据集对得到的特征进行分类;最后,将提出的方法与已有的工作进行比较。实验结果表明:10个特征足够检测入侵,并提高了检测精度和假阳性率。     

基于主成分分析和概率神经网络的入侵检测方法

针对神经网络在入侵检测的应用中存在入侵数据冗余信息多,数据量大,训练时间长,易陷入局部最优等问题,提出了一种基于主成分分析(PCA)和概率神经网络(PNN)的入侵检测方法。首先使用PCA对数据进行特征降维,解决了入侵数据冗余信息多的问题;然后使用PNN建立入侵检测模型;其次,使用粒子群算法(PSO)解决概率神经网络参数的优化问题;最后使用KDD99数据集对该模型进行测试。实验结果表明:该方法能够有效提高检测的效果,而且检测速度明显提高。     

浅析网购市场交易过程中存在的诚信问题及对策

近年来我国国民经济稳步增长,居民消费水平飞速提高,社会运行脚步加快导致现代都市人群越来越感觉到沉重的压力,购物、消费逐渐成了人们舒缓压力的一种途径。随着互联网的普及,网购应运而生并且挑战着传统的消费模式。然而网购虽然给人们带来无限的便利,但也在发展过程中逐渐暴露出自身的部分缺陷。本文详细阐述了网购交易中存在的诚信行为问题的现况并进一步分析政府在应对网购相关诚信问题上应如何建立相应的失信惩罚机制,加大网购交易主体的失信成本。构建一个和谐的网络交易环境,规范网购交易主体的行为。     

一种基于MapReduce的贝叶斯海量文本并行分类算法

面对海量数据带来的冲击,传统的单机版贝叶斯分类程序存在处理的数据集有限、内存瓶颈和耗时较长等问题.本文通过对朴素贝叶斯模型进行研究,设计并实现了一种基于Map Reduce的朴素贝叶斯文本分类算法.实验表明,该算法具有较好的扩展性和加速比,可适用于海量密集文本分类.     

AROUND订餐网系统设计

本文系统地阐述ARUND网上订餐系统的功能及实现方法。该系统实现了从菜品管理,菜品分类、查询,到订餐车实现,用户订单处理,再到系统管理。基本上实现网上购物的功能流程,能够实现用户与商家在网上进行订餐交易。     

基于BP神经网络的偶氮苯聚合物的光致双折射特性曲线拟合

介绍了神经网络的基本原理和BP算法神经网络,并将BP神经网络应用于偶氮聚合物的光致双折射特性曲线拟合,在MATLAB环境下,利用实验数据进行了实验测试,结果表明该方法处理数据精度高,拟合效果好.     

区域型电子商务网站营销及物流解决方案研究——以武汉WE YOUNG爱心购物网为例

进入21世纪以来,全球网上零售逐渐显露出巨大的销售潜力,根据阿里巴巴公开发布的各季度的财务报表,淘宝网04年交易总额为23亿元,05年达到了80．2亿元,06年更是不可思意的169亿元,07年淘宝网交易总额突破433．1亿元,同比增长156．3％。而08年度交易总额更是暴增至999．6亿元人民币,同比增长131％,让人期待的是,中国网购依然在以每年100％的高速增长。由此可见,越来越多的人加入了网上购物的行列,网上购物成为一种时尚、便利、实惠的购物方式。本文将以武汉地区WEYOUNG爱心购物网为例介绍区域性电子商务网站营销策略及物流解决方案。     

面向生活垃圾图像分类的多级特征加权融合算法

生活垃圾的有效分类处理是改善社会环境的一项重要措施,传统的垃圾分类算法已经不能满足当前垃圾分类的要求。为了提高生活垃圾分类性能,在深入研究卷积神经网络中不同层次具有不同特征的基础上,提出一种面向生活垃圾图像分类的多级特征加权融合算法。构建基于ResNet的特征提取网络,通过多分支网络结构提取并处理图像不同层次的特征信息,在特征融合过程中分析自适应权重融合和固定权重融合对图像分类性能的影响,选取更优的加权融合方法对多级特征进行融合,从而获取更丰富的生活垃圾图像特征信息,提高垃圾分类准确率。实验结果表明,该算法在华为生活垃圾图像数据集上的分类准确率最高可达97.53%,优于其他算法,具有一定的实用价值。     

代价敏感的GEP分类算法实现

在数据挖掘领域中,通常以分类精度作为分类算法效果的评估标准。这一标准是建立在假设任意一实例被误分类为任意类时都具备同样代价的基础上的。当此假设不成立时,直接使用传统分类方法就无法取得良好的分类和预测效果。针对这一问题,通过改进编解码方法以及在适应度函数中集成样本的不同误分类代价,提出了一种基于基因表达式程序设计的代价敏感分类算法(CSC-GEP),并在三个UCI数据集上对该算法进行了测试,实验结果表明CSC-GEP是一种有效的代价敏感分类算法。     

三支边缘过采样的不平衡文本情感分类

在实际应用中,少数类样本往往包含重要信息,而传统机器学习方法通常对少数类样本的分类准确率低,且误分类代价较高。针对不平衡文本数据的情感分类问题,以三支采样(three-way sampling, 3WS)与过采样为基础,提出了三支过采样算法(three-way SMOTE,3WOS)和三支边缘过采样算法(three-way borderline-SMOTE,3WOBS),3WOS能够更好地识别边界区域上的数据,3WOBS可以增强边界区域所蕴含的信息。首先,将文本数据构建为超球,获得超球边缘的支持向量。其次,3WOS对边缘上的支持向量直接进行过采样以生成合成新样本并更新样本集,3WOBS则在生成合成新样本后根据给定条件判断是否获得该新样本并更新样本集。最后,将更新的样本集放在不同的基分类器上进行对比实验。实验采用了3个不平衡数据集,并保证了不同的不平衡比。同时,在数据集训练过程中引入粒计算思想,确保模型的鲁棒性。实验结果表明,3WOS-ITSC与3WOBS-ITSC准确率较高且代价低于其他模型,为不平衡文本分类问题提供了新思路。     

一种可调阈值的数据最优尺度选择算法

粒度计算正向多粒度层次选择及数据最优尺度选择等方向发展。对具有不同尺度等级的数据组合进行相关研究。针对具有不同数据尺度的系统,构建了一种可调阈值的数据最优尺度选择算法,以便选择数据中的最优尺度,从而获得最优尺度组合。最后,结合决策树分类算法,并采用5个UCI公开数据集实验验证了所提出算法的可行性和有效性。     

决策树技术在客户信用分析中的应用

针对客户信用分析的需求，利用决策树技术对某钢厂的销售数据进行分析。依据客户交易信息，使用决策树算法对客户信用进行分类，得出一系列帮助企业做出正确交易决策的判定规则。     

卖家“好评返现”行为影响下的消费者接受意愿研究

消费者在选择电商卖家的过程中,用户的评价和推荐起着重要作用。基于此,很多电商卖家推出“好评返现”的营销活动。为了探究卖家“好评返现”行为影响下的消费者接受意愿,以感知质量为基础,通过三个情景实验,针对两种情形(即消费者在购物前得知卖家存在“好评返现”行为和不存在“好评返现”行为)开展实证研究。结果表明,卖家的“好评返现”行为通过降低消费者的感知质量对消费者接受意愿产生负面影响,并且心理抗拒在上述关系中发挥了调节作用。此外,相对于心理抗拒特质弱的消费者,具有强心理抗拒特质的消费者更容易受到卖家“好评返现”行为的影响。因此,电商卖家在选择是否开展“好评返现”营销活动时,应综合考虑消费者的类型,以提高消费者的感知质量和接受意愿。     

一种基于类别分布的增量特征选择算法

样本数量分布不平衡时,特征的分布同样会不平衡。大类别中经常出现的特征,在小类别中很少出现或者根本不出现,使得分类器被大类别所淹没,小类别的识别率很低。为此,根据数据的类别分布提出一种基于差异系数的增量特征选择算法CVIFS（Coefficient Variance-based Incremental Feature Selection）,选取最具有区分能力的特征,提高小类别的识别率,使用区间估计检测概念漂移。经实验验证,该算法处理偏斜数据流时优于信息增益,具有较低的均衡误差率（Balanced Error Rate BER）。