基于在线评论信息的商业兴趣点推荐

在信息爆炸式增长的背景下,在线评论信息为消费者选择商业兴趣点决策提供了重要依据。依据数量庞大的在线评论信息,考虑消费者的主观风险偏好行为,对具有时空特征的商业兴趣点构建推荐模型,并利用Yelp平台上的真实数据集和Python软件对上述模型进行实验分析。

基于在线评论的商业兴趣点群组推荐研究

基于在线评论信息,权衡群组成员的差异性,实现多融合策略下的商业兴趣点群组推荐。提取在线评论中隐含的关键词并分级赋分,考虑商业兴趣点的时空因素和消费者个体的风险偏好行为,构建消费者-商业兴趣点评分矩阵;权衡群组成员经验值、距离差异和评分值差异,提出4种场景下的加权融合策略,实现商业兴趣点的群组推荐;利用Yelp平台上的真实数据集和Python软件对文中模型进行试验,结果表明多场景加权融合策略下的群组推荐均方根误差最小,效果最好。

退回产品二次销售情形下无理由退货策略研究

为降低无理由退货对收益的影响,商家普遍会对退回产品进行二次销售。基于顾客战略行为对允许退回产品二次销售条件下的在线无理由退货策略进行研究,运用虚拟销售期方法分别构建隐藏和公开产品曾售信息两种情形下的理性预期均衡模型,得出产品的最优退货价格、销售价格和库存。根据分析结果,当产品再处理成本较低时,允许二次销售会提高产品退货价格和销售价格,它们均为二次销售次数的增函数;而产品库存随着二次销售次数的增加而降低,这是由于二次销售增加了产品实际销售次数导致的。

基于ResNet50模型的猪脸识别APP设计研究

为了帮助养猪场实现猪只精准管理,应用深度学习技术设计了一款猪脸识别APP。利用ResNet50神经网络模型对照片进行训练与预测,并以MUI框架和Django框架为依托开发APP。实验结果表明,在ResNet50模型基础上优化后的网络,对猪的面部照片有着较高的识别率。