噻托溴铵能倍乐?和噻托溴铵吸乐?在慢性阻塞性肺疾病患者中满意度和偏好度研究

目的比较中国慢性阻塞性肺疾病(COPD)患者对噻托溴铵能倍乐■(软雾剂)与噻托溴铵吸乐■(干粉剂)吸入装置的满意度及偏好。方法一项多中心随机、开放、交叉研究。将中度至极重度COPD患者分为能倍乐■-吸乐■组与吸乐■-能倍乐■组,用患者满意度和偏好调查问卷(PASAPQ)比较两组治疗第8周时PASAPQ的性能评分、PASAPQ总评分、表达偏好的患者比例、PASAPQ的总体满意度评分及治疗后愿意继续使用的得分。结果共纳入71例COPD患者,其中能倍乐■-吸乐■组36例,吸乐■-能倍乐■组35例。基线资料显示两组性别、年龄,肺功能及慢性阻塞性肺疾病全球倡议(GOLD)分级,既往糖皮质激素/长效β2受体激动剂(ICS/LABA)的使用百分比等基线资料比较两组间无统计学差异。第8周时,PASAPQ性能评分、总评分和总体满意度评分在两组均无显著性差异。第8周时,35例(50.7%)患者偏好使用能倍乐■,26例(37.7%)患者偏好使用吸乐■,差异无统计学意义(P=0.249)。结论COPD患者对两种装置的满意度无明显差异,但患者掌握能倍乐■的操作方法后,有偏好使用能倍乐■的倾向性。

融合用户偏好度的图书资源推荐研究

[目的/意义]传统PersonalRank方法仅考虑读者与图书的描述性特征或单一评分数据,通过结合包含语义信息的交互数据从而更完整体现用户偏好度,并将此融合到传统PersonalRank方法以优化图书资源个性化推荐的效果。[方法/过程]利用BERT模型评估读者评论数据中的情感分值,并融合读者原始评分数据以度量用户偏好度;利用包含用户偏好度的读者交互数据构建读者—图书二部图;基于构建的二部图,利用PersonalRank方法捕捉读者与图书的潜在相关性,从而进行图书资源推荐。使用豆瓣图书的评分评论数据集,将本文方法与原PersonalRank方法和ItemCF方法进行对比。[结果/结论]本文所用方法相较于对比方法在准确率和召回率上均有提升,证明该方法能够提高图书资源个性化的效果。

城市滨水河岸带生态功能认知及河流景观偏好度

近年来城市河岸带的保护管理和河流景观的提升日益受到重视。以合肥市南淝河作为研究区域,选取上游合肥植物园、中游环城公园环北景区和下游施口村的滨水河岸带为调查点,采用问卷调查与访谈相结合的方法,分析南淝河周边的居民对河岸带生态功能的认知程度及河流景观的偏好情况。结果表明:受访者对河岸带生态功能的平均认知程度从高到低依次为生态栖息地>净化污染>稳定土壤>固堤防洪>调节流域微气候>水温调节>控制侵蚀;受访者中不同职业群体对河岸带生态功能的认知情况各不相同,且对河岸带的河流景观偏好度也存在较大差异,大部分受访者偏好林带缓冲带、土质河道、自然蜿蜒的河堤和自然化的河岸;南淝河河流周边居民对河岸带生态功能认知的全面性和深度有待提高;河流景观中偏好度高的景观类型具有偏自然化和有利于亲水活动的特征。因此,建议制定合理、切实可行的有关河岸带生态环境保护的宣传政策,使市民主动参与河岸带生态系统的保护与恢复工作;同时采取相应优化策略,打造清水常流、景观怡人的城市河流景观。

基于用户偏好度的双极协同过滤推荐算法

为了解决目前推荐方法中用户相似度计算不准确、推荐准确率较低的问题,建立一种基于用户偏好度的双极协同过滤推荐算法。计算用户间共同项目数量,当共同项目数量小于设定阈值时,选择用户、项目、项目属性特征构建用户对项目、属性的双极特征向量,表示用户的喜欢程度和讨厌程度。通过对双极特征向量进行加权计算,得到用户间相似度。在标准的MovieLens数据集上验证该算法。实验结果表明,该文算法的平均绝对误差(MAE)和均方根误差(RMSE)较其他算法降低了约9%,平均分值排名(R)降低了约10%。

体育赞助匹配度对品牌形象塑造的影响——基于事件偏好度的调节作用

为探索体育赞助匹配度与品牌形象塑造之间的关系,以体育用品企业(安踏和匹克)的体育赞助营销活动为研究对象,利用问卷调查法、结构方程模型、相关分析和偏相关分析等研究方法,分析了赞助企业品牌形象塑造中赞助匹配度与事件偏好度的作用。研究得出,在赞助品牌的产品形象和企业形象塑造中,赞助匹配度具有显著的正向影响,赞助匹配度对消费者形象具有一般性的正向影响;在赞助匹配度影响品牌形象塑造的过程中,事件偏好度具有不可忽视的调节作用。

大学生性格特征与体育运动偏好度关系的研究

以五大人格模式理论为基础把大学生作为研究对象,探讨了大学生性格特征对体育运动偏好度的影响。研究结果表明:第一,根据体育运动偏好度的一般特点,大学生较个人运动更偏爱集体运动;第二,男女大学生对于个人运动与具挑战性运动的偏好度没有呈现出明显差异;第三,男大学生相对偏爱分胜负运动,而女大学生更喜爱非分胜负运动;第四,男女大学生对于需事前指导的体育项目的偏好度存在显著差异。

基于流记录偏好度的多分类器融合流量识别模型

通过将证据理论引入到流量分类的决策模块中,提出了偏好度和时效度权值,并通过实测数据对多分类器识别模型进行验证,其结果表明该模型较好的克服了单分类器的片面性,通过对多个证据的融合来优化识别的结果。

使用群体兴趣偏好度的协同过滤推荐

推荐系统是电子商务系统中最重要的技术之一,用户相似性度量方法是影响推荐算法准确率高低的关键因素。针对用户评分数据极端稀疏情况下传统相似性度量方法的不足,提出了一种基于群体兴趣偏好度的协同过滤推荐算法,根据群体兴趣偏好度来预测用户对未评分项目的评分,在此基础上再采用传统的相似性度量方法计算目标用户的最近邻居。实验结果表明,该算法可以有效解决用户评分数据极端稀疏情况下传统相似性度量方法存在的问题,显著提高推荐系统的推荐质量。

基于偏好度与竞争态的中国区域外资利用研究

将偏好度和竞争态模型引入外资利用研究中,并据此对2000和2009年中国24个地区的外资利用情况进行实证研究,结论为:1)偏好度和竞争态是一种有效分析区域外资利用变化趋势和特征的方法,能更全面地把握外资来源地的时空结构及其演变特征,建立合理的区域外资来源地结构体系;2)各地外资偏好度和竞争态结构基本健全,类型分布和成员组成虽不理想但日趋合理,区域外资利用总体呈"欧洲偏爱北方、亚洲偏爱南方"特征,外资引进重心长期稳定于香港、日本、新加坡、台湾等亚太或毗邻地区,地缘作用影响显著,近年向欧洲和美洲集聚,尤其是美国,但不同地区外资竞争态和偏好度各类型内成员分化显著,且同一地区内不同外资来源地的偏好度和竞争态差异悬殊;3)2000年以来中国区域外资偏好度普遍下降,尤其是东部和西部,各类偏好度和竞争态的成员数量变化剧烈,且偏好度类别演替和竞争态转移现象显著,尤其是强偏好和金牛及明星引资地;4)外资竞争态和偏好度及其变化的相关性不显著,西部尤其是西北地区被边缘化,港澳台对外资利用贡献差异明显,香港最优而澳门最差;5)外资引进目标地分类及其战略选择为优势稳定型——收获性和开拓性战略、优势增长型——开拓性和扩张性战略、优势下降型——选择性战略、劣势稳定型——选择性和撤退性战略。

基于偏好度的多传感器任务管理研究

任务管理是多传感器管理的一个重要组成部分,是其他管理模块的基础;以目标为研究对象制约了复杂系统传感器管理的研究,而以目标任务状态对应的子任务为对象却能使复杂系统简单化;以空中M 4系统为背景,首先提出子任务的生成原则,然后按照不同层次规划子任务优先权集合,并采用主客观离差最小化多属性决策方法建立子任务优先权;最后在仿真试验中,验证了该方法的合理有效性。

“互联网+”时代高校微信公众号受众偏好度研究

以"互联网+"时代高校微信公众号的受众行为及使用偏好度为研究视角,调查大学生群体对微信公众号的使用满足因素及特定需求。根据研究采集的数据,分析高校微信公众号在"互联网+"时代的发展应对策略,如何促进高校微信公众号的良性发展并充分发挥其舆论引导力的作用,从而为构建和谐校园、坚定大学生群体的文化自信起到重要作用,真正让高校微信公众号成为传播社会主义核心价值体系的有效载体。

网站用户偏好度的数据挖掘模型

数据挖掘和数据库知识发现是当前国际科技界的一个研究热点。这是一个介于统计学、模式识别、人工智能、机器学习、数据库技术以及高性能并行计算等领域的交叉新兴学科,具有极为广泛的应用前景。在基于统计学观点的基础上讨论了网站用户偏好度的数据挖掘模型,设计了一个网站用户信息浏览偏好度的数据挖掘模型。

基于用户兴趣偏好度的音乐智能推荐系统设计分析

为准确向用户推荐感兴趣的音乐,提升应用对象市场占有率,该文设计了由数据采集模块、离线数据处理模块和在线推荐模块共同组成的基于用户兴趣偏好度的音乐智能推荐系统。数据采集模块采集用户注册信息、对目标音乐的在线评分数据,并进行在线调查采集相关数据。离线数据处理模块以数据采集模块采集的数据为基础,构建POI关联图,以此为基础基于时间分析计算确定用户兴趣偏好度。在线推荐模块采用协同过滤推荐算法,针对不同用户需求为用户推荐符合其偏好的音乐。实验结果显示,该系统可准确向用户推荐感兴趣的音乐,将应用对象市场占有率提升至92.4%。

再制造产品的消费偏好度甄别研究

本文研究了非对称信息下制造商应用信息甄别方法设计价格契约供零售商选择,从而获取消费者对再制造产品的实际偏好度。通过契约参数设计,得到了各种情形下的最优价格契约和最大利润。研究表明:利用价格契约可以避免零售商传递虚假信息;接受价格契约后零售商的利润会增加;消费者对再制造产品偏好度越高,制造商获取的利润就越大。

基于SPSS分析的中国英语学习者口试模式偏好度研究

通过调查问卷采集400名在校大学生对于三种英语口试模式的认知态度及其英语学习状态等数据,利用SPSS软件统计分析,结论如下:(1)学习者对于三种测试模式的总体偏好度依次为小组讨论(3.22/5)、人机对话(2.78/5)和考官考生对话(2.77/5);(2)对考试模式的偏好和受试自我英语能力评价有积极相关关系;(3)考量受试者专业背景这个动态变量,英语口试模式对于所有受试者是较公平的;(4)受试者的紧张度和偏好度呈显著相关,其紧张度则受到交流对象因素的影响;(5)学习者对曾经参加过的考试模式比较熟悉,因而会在偏好度上对该一种或多种模式有所倾斜。

童鞋外观类别与顾客偏好度关联分析

针对童鞋外观类别与顾客偏好度的关联分析,提出了一种基于结构熵聚类与多类Logistic相结合的关联模型。首先,选择若干目前流行的童鞋产品,进行童鞋外观要素提取,采用结构熵聚类方法,对诸多外观要素进行聚类分析,以获得主流的外观类别群体。然后,采用多类Logistic方法,建立顾客个体特征与童鞋外观类别的关联模型。该模型可以在顾客网络购鞋时,自动找出与顾客特征最匹配的童鞋外观类别,实现主动推荐功能。最后,实例分析说明了本方法的有效性。

融合新型偏好度模型和改进累积前景理论的决策方法

针对决策问题的不确定性和复杂性以及属性权重和专家权重未知等特征,提出一种融合新型偏好度模型和改进累积前景理论的决策方法。首先,定义群决策问题的基本框架,将属性值和心理参考点改进为区间值;其次,根据区间心理参考点的二维几何表示定义新型偏好度模型,由此确定属性权重和专家权重;再次,聚合专家意见,考虑专家心理行为,由属性值和区间心理参考点的位置关系,得到收益值和损失值的计算公式,进而确定各方案的总前景值及排序关系;最后,通过案例分析和方法对比验证该方法的有效性、可行性和实用性。

融合偏好度与网络结构的推荐算法

针对传统推荐系统追求推荐列表的准确率而忽略推荐的多样性以及数据集信息缺失等问题,提出了融合偏好度与网络结构的推荐算法。通过用户历史反馈数据分析用户偏好度,将偏好度与二部图随机游走推荐算法融合,初步得出项目推荐列表;利用用户-标签二部图,挖掘用户不跟随大众的喜好标签,得到推荐项目列表;根据模型融合得到最终的推荐结果。实验表明,新算法在保持较好精确率和召回率的情况下,有效提高了推荐的多样性。

基于偏好度特征构造的个性化推荐算法

随着在线旅游业酒店数量的日益增多,用户点评信息稀疏问题愈加严重,这不仅导致推荐准确度大幅下降,而且使传统推荐算法的计算负荷随之增加,难以满足实时性要求.基于此,从挖掘用户历史信息与待推荐物品之间潜在相关性的角度出发,对基于内容的推荐算法进行改进,提出了一种基于偏好度特征构造的个性化推荐算法.该算法通过计算偏好分来构造偏好度特征,并借助机器学习领域的分类算法得以实现.将该算法应用于线上旅游业的个性化子房型推荐,通过对真实数据集的实验与分析,验证了所提出个性化推荐算法的简便与有效性,且较传统推荐算法更具实时性和通用性.

不同代际关系家庭的家电配置偏好度研究

家电配置偏好度的研究是对居民用户设计有效需求侧管理措施的基础。针对目前相关研究只考虑家电类型配置而忽略同种家电不同功率档位配置的问题,首先采用基于密度的DBSCAN(Density-based spatial clustering of applications with noise)聚类法对常用大功率电器实施功率聚类分档;进而根据各种代际类型家庭占比、各档位家电市场份额的统计信息建立最优化模型,对各类家庭对各家电档位的偏好度实施拟合分析;最后通过分枝、剪枝过程获得各类家庭常见家电配置方案及其偏好度。算例分析表明,所提方法能有效筛选出各类家庭的常见家电功率档位配置方案,且偏好度分析结果符合不同代际类型家庭在人口、居住面积上的特点。