基于偏好算法的跨境电子商务金融服务创新研究

本文旨在探讨基于偏好算法的跨境电子商务的金融服务创新。通过分析跨境电子商务的金融服务需求,以及偏好算法在金融服务中的应用,提出了一系列基于偏好算法的金融服务创新策略。这些创新策略旨在提高跨境电子商务支付效率、降低融资成本、增强风险管理能力,并为消费者提供更加个性化的金融产品与服务。实验结果表明,这些创新策略具有较好的可行性和效果。

基于偏好随机游动能量均衡算法的激光雷达数据低能耗传输

为了优化激光雷达数据的传输性能,设计一种针对激光雷达数据的低能耗传输方法。利用密度峰值快速聚类方法分割激光雷达数据噪声点,完成数据的聚类处理;采用偏好随机游动能量均衡算法规范随机游动数据;通过分解激光雷达数据传输范围设计数据传输方法,实现激光雷达数据的低能耗传输。实验结果表明,该方法在晴天、雨雪天气和雾霾天气3种不同天气下的激光雷达数据传输能耗均较低,传输激光雷达数据时可以有效减少平均节点跳数,受数据无序化影响较小,证明所提方法具有较高的实际应用价值。

电子商务环境下信息过滤中用户偏好调整算法

:对信息过滤过程进行了分析,包括定义用户偏好、接受信息输入流、过滤以及用户反馈环节。在此基础上,分析了网络环境下群体决策信息收集与过滤的特点,提出决策信息过滤中用户偏好生成及自适应调整算法。

基于偏好的多目标粒子群优化的结晶器预测控制

针对结晶器出口温度和液位控制问题,提出了一种基于改进的偏好多目标粒子群优化的非线性预测控制算法(IMPSO-NPC)。改进的偏好多目标粒子群优化算法(IP-MPSO)将参考点偏好算法和参考区域偏好算法融合在一起,在参考点和参考区移动过程中动态调整参考区,控制解集的偏好范围。另外,为了选取粒子群全局最优粒子,提出一种球扇占优的策略,提高了粒子群的搜索能力。将改进算法应用于结晶器的控制过程,仿真结果证明了其有效性和可行性。

危险货物道路运输个性化路径推荐方法

为加强危险货物道路运输风险源头管控,以危货运输车辆行驶轨迹数据为分析对象,研究安全、经济且符合企业自身偏好的道路运输路径优化选择问题,提出了基于偏好、上下文感知的危险货物道路运输个性化路径推荐方法。首先对危货运输车辆历史轨迹数据进行处理,通过提取路径安全和经济性特征学习危货运输企业的路径偏好,在此基础上,综合考虑偏好向量间的距离和方向相似性,提出了改进的K-means偏好聚类算法(improved K-means clustering algorithm based on distance and direction similarity measurement,DDM-K-means),获取了路径偏好类别;其次,依据运输任务执行的时间、天气、运距三方面信息,建立了路径上下文向量,并运用Rock聚类算法划分路径的上下文类别,与路径偏好类别共同构成路径信息;最终,基于神经协同过滤提出了危险货物道路运输路径选择优化算法(optimal route selection algorithm based on neural collaborative filtering,NCF-ORS),得到了危货运输企业对各路径类别的偏好排序,从而为企业推荐最优路径。与基线算法比较分析,结果表明危险货物道路运输个性化路径推荐方法<DDM-K-means,NCF-ORS>,平均绝对百分比误差最低。研究结果有助于挖掘车辆轨迹数据中更多的潜在信息,提升个性化路径推荐能力,可为危货运输企业的选线问题提供决策支持。

机器功能主义与数智鸿沟:演化路径、生成逻辑与规制策略

[目的/意义]对数智鸿沟产生的社会哲学根源机器功能主义展开分析,有利于揭示数智鸿沟的理论根源,呈现数智鸿沟生成路径,从而有针对性提出弥合措施。[方法/过程]基于机器功能主义理论视角,分析了数智鸿沟的演化路径,并剖析了数智鸿沟的生成机制与多重风险,提出了干预措施。[结果/结论]研究发现,机器功能主义主张将图灵机的原理应用于心智的解释之中,认为心灵本质上是一台物理层面上实现的图灵机,成为人工智能技术产生的社会哲学根源。机器功能主义虽然打破了传统上对心智的生物本质主义看法,但是又通过心智机化、设计者偏见与算法偏好、技术专化与进入壁垒3条路径,造成人工智能技术的使用不平等,进而生成了数智鸿沟,同时带来新的风险,如使信息获取不平等演化为社会不平等,造成信息茧房与公共对话的减弱,因而有必要对其进行干预。未来可通过价值敏感设计促进机器与人文的良性互动,开发伦理算法破除设计者偏见与算法偏好,提升数智能力打破技术专化的进入壁垒,来弥合机器功能主义下的数智鸿沟,促进技术使用不平等的边界消融。

应用潜在分类泊松回归模型及EM算法研究网络购物使用次数

随着网络的兴起,网上购物在人们的生活中发挥着越来越重要的作用。网上购物以其方便快捷等特点吸引了很多购物者,但是也有一些人质疑网上购物安全性、不可触摸性等问题。什么因素影响人们对网络购物的选择?人们由于对网络购物的态度取向不同可分为多少潜在的类别?文章应用潜在分类泊松回归模型及EM算法分析大学生网上购物的陈述偏好数据,回答了以上两个问题,得到了十分有意义的结果。

Personalized web pages ranking algorithm based on user preferences

In order to rank searching results according to the user preferences,a new personalized web pages ranking algorithm called PWPR（personalized web page ranking）with the idea of adjusting the ranking scores of web pages in accordance with user preferences is proposed.PWPR assigns the initial weights based on user interests and creates the virtual links and hubs according to user interests.By measuring user click streams,PWPR incrementally reflects users’ favors for the personalized ranking.To improve the accuracy of ranking, PWPR also takes collaborative filtering into consideration when the query with similar is submitted by users who have similar user interests. Detailed simulation results and comparison with other algorithms prove that the proposed PWPR can adaptively provide personalized ranking and truly relevant information to user preferences.

LBSN中利用深度学习的POI推荐方法

提出一种基于位置的社交网络(LBSN)中利用深度学习的POI推荐方法。设计LBSN异构图,即UP2Vec模型,整合地理签到信息、用户社会关系和时间信息等语境。提出偏好增强谱聚类(PSC)算法,通过分析用户的各种语境信息获得多个维度的数据空间特征,使用谱聚类划分用户群体。利用谱嵌入增强的神经网络深度挖掘用户与POI之间的非线性关联,实现POI的高质量推荐。实验结果表明,所提方法性能优于对比方法,推荐准确率超过90%。

融合知识图谱与神经张量网络的需求响应智能推荐

针对现有协同过滤智能推荐算法在海量数据和复杂电网结构下存在数据稀疏性和冷启动问题,提出一种融合知识图谱与神经张量网络的需求响应智能推荐模型。该模型核心是一个知识驱动的神经张量网络(neural tensor network,NTN)表示学习模型。通过用电数据集抽取用户用电行为知识三元组,与预先抽取的结构化先验知识融合构建知识图谱,利用NTN表示学习模型将知识图谱中实体嵌入低维稠密向量空间解决数据稀疏性问题;基于知识图谱中的先验知识实现新用户需求响应智能推荐,有效解决冷启动问题;为了减少推荐时延问题,文章通过偏好传播(RippleNet)算法缩小候选用户实体集,提高了模型效率。基于用电公共数据集对模型进行算例验证,结果表明基于NTN模型的需求响应推荐算法可以有效克服数据稀疏性和冷启动问题,相对于现有基于协同过滤的需求响应智能推荐算法在推荐准确率、召回率等指标上有显著提升。

Research on Tourism E-commerce based on Data Mining

This paper describes in detail the web data mining technology, analyzes the relationship between the data on the web site to the tourism electronic commerce （including the server log, tourism commodity database, user database, the shopping cart）, access to relevant user preference information for tourism commodity. Based on these models, the paper presents recommended strategies for the site registered users, and has had the corresponding formulas for calculating the current user of certain items recommended values and the corresponding recommendation algorithm, and the system can get a recommendation for user.