基于重要度引导偏好识别修正的多粒度语言共识模型

研究多粒度语言偏好信息下的群体共识决策问题.首先,从个体和群体两个角度充分挖掘偏好信息下隐含的专家重要度信息,基于个体一致度及个体与群体的相似度构建确定专家重要度的优化模型;其次,以专家重要度引导非共识偏好的识别和修正过程,提出一种自适应的语言共识模型;然后,给出一种群决策方法,确保在集结专家意见前群体达成一定程度的共识;最后,通过算例验证所提出方法的可行性和有效性.

多属性群决策的混合结构偏好识别与融合方法

为有效应对现有群决策偏好一致性检验方法的系列弊端,针对目前群决策情景所展现的决策导向多元、方案属性构成迥异和偏好结构复杂等特征,在解析群决策偏好一致性判定复杂性、刻画群决策偏好信息表征假设情景的基础上,对常规多属性群决策问题进行公理化描述。依据从方案层面到属性层面的整体决策信息判定策略,给出决策导向层面的整体判断偏好一致性检验方法、决策群体偏好类型识别方法、同种偏好内部及偏好间累积判断偏差求解方法、偏好整体相对一致性检验方法和多轮次非一致性决策信息调整策略。案例应用结果表明,上述所构建的方法和策略有效、可行,能够为决策导向多元、备选方案差异显著情景下的混合结构偏好一致性检验、调整与集结提供借鉴。

基于机器学习的消费者品牌决策偏好动态识别与效果验证研究

准确识别消费者的品牌决策偏好有助于提升精准营销效率,避免推荐结果出现品牌歧视和低价竞争,有利于改善消费者体验。本文从个体消费者的品牌决策偏好出发,首先通过对微博中品牌口碑信息进行文本语义分析和情感倾向分析,实现品牌维度量化。接着,基于机器学习算法开发出针对个体消费者品牌决策偏好的即时识别模型,对品牌选择行为进行预测;最后,对比基于消费者品牌决策偏好的产品推荐结果与基于消费者产品外部特征决策偏好的产品推荐结果,验证模型有效性。研究结果发现,对社交网络中的品牌口碑应用文本语义分析和情感倾向分析是实现品牌在不同维度量化的有效工具;运用机器学习算法模型可以在一定程度上识别出消费者的品牌决策偏好,且机器学习算法模型的性能相较于传统识别方法更为有效;基于消费者品牌决策偏好的产品推荐结果可以有效避免同质化产品的低价竞争,提高零售商利润。

基于马氏距离的模糊支持向量机及其在用户行为识别中的应用研究

基于支持向量机的分类原理,对具有显著不平衡性的用户行为数据进行分析,旨在探索一种利用用户浏览商品网页时的行为特征,识别用户关于商品品牌购买偏好的方法。文章提出一种基于马氏距离的高维空间类中心隶属度构建方法,将该方法与支持向量机和基于欧式距离的高维空间类中心隶属度的模糊支持向量机进行比较,通过一组对比实验,证明该方法用于对用户行为偏好识别的有效性和优越性。

基于层次耦合聚类的用户社区划分方法:以主题公园社交平台为例

当前用户社区划分的研究较少关注对象与属性间的从属性关联,导致特征选择性能不高、精确度较低、鲁棒性较差以及运算量大的问题.文中在充分考虑用户和偏好主题词之间的关联影响关系的基础上,提出一种基于层次耦合聚类的用户社区划分方法,并通过4种分类算法的比较来确定最优阈值和实现偏好领域的最优划分.实验结果表明该方法具有较好的社交媒体用户偏好识别和社区划分性能,以分类评价指标AUC数值作为选取聚类阈值的标准,选取聚类阈值,极大的减少人为因素的影响.文中所提出的方法切实有效,有助于提升用户偏好识别和社区划分的相关性能.