共享平台推荐系统对消费者行为影响的实证研究

推荐系统(RS)通过分析用户(消费者)数据而向其提供感兴趣的产品信息,这些推荐的产品信息通过改变消费者的(后续)浏览路径以实现推荐目的.由于相关研究数据的稀缺,以往研究鲜有在考虑“用户(消费者)-平台”关系情况下,探讨RS对平台消费者行为影响的成果.为弥补这一研究空白,本文提出三个理论假设并实际验证了在“用户(消费者)-平台”亲近性下RS对消费者的信息处理效率、平台访问频率以及购买频率的影响.提出假设时充分考虑了共享平台的特点,并利用一个家庭厨房共享平台的独特数据集进行实证检验.研究结果表明,与未采用RS服务的消费者群体相比,采用RS服务的消费者的信息处理效率反而显著降低。此外,研究结果进一步证实,与平台关系密切且采用RS的消费者具有更高的访问频率和购买频率。

指数函数多项式的实根分离算法

针对超越函数多项式的实根分离问题,提出了一种指数函数多项式的区间分离算法exRoot,将非多项式型实函数的实根分离问题转化为多项式正负性判定问题进而对其求解。首先,利用泰勒替换法构造目标函数的多项式区间套;然后,将指数函数的求根问题转化为多项式在区间内正负性的判定问题;最后,给出综合算法,并且试探性地应用于实特征值线性系统的可达性判定问题。所提算法在Maple中实现,输出的结果可读,且高效易行。区别于HSOLVER和数值计算方法fsolve,exRoot回避了直接讨论根的存在性问题,理论上具有终止性和完备性,且可达到任意精度,应用于最优化问题时可避免数值解带来的系统误差。