线下到线上O2O供应链线上推荐策略及激励机制设计

通过建立一个线上零售商与一个线下体验店之间的委托代理模型来研究"线下体验,线上购买"O2O供应链合作激励问题,并给出了不对称信息下的零售商最优线上推荐策略与佣金契约设计,进而考察了线上推荐对佣金契约设计、O2O供应链成员利润以及信息价值的影响。研究结果表明,线上推荐会影响零售商的最优佣金契约设计,导致佣金契约参数的变化;在一定条件下,线上推荐不仅能有效提升零售商与O2O供应链系统的利润(线上推荐价值),而且还有助于缓解零售商信息劣势对其造成不利影响;体验店通过策略性地调整其体验服务努力水平,使得线上推荐总是不会对其产生不利。最后,通过算例对佣金契约参数与O2O供应链成员绩效进行了直观考察和说明。

一种面向协同过滤的快速最近邻居搜索方法

针对协同过滤模型中寻找邻居集耗时,且部分邻居信息未能有效用于预测计算的问题,提出了一种快速搜寻最近邻居的方法。该方法改变了评分矩阵中数据组织方式,通过构建项目的用户评分列表和用户的项目评分列表,以此来筛选出对预测评分值产生影响的用户或项目,进而得到目标用户或项目的邻居集。该方法排除了不必要的相似性计算,提高了运算效率;而且还有效保证了预测计算中的邻居利用率,提高了推荐质量。在Movielens100k与Movielens1M两个数据集上的实验结果表明,所提出算法在运行时间、MAE、RMSE、F1值四个指标上均有较大提升。因此该算法在推荐系统领域具有良好的应用价值。

高校图书馆专业文献资源推广模式研究

提升高校图书馆专业文献流通率及利用率,是高校图书馆助力学科服务的主要指标。文章研究线下推广及线上推荐模式实现专业文献资源推广体系构建。通过创设不同专业类别的热点图书展示区、推荐专业文献走入大学课堂、建学科特色分馆实现常态化的专业文献线下推广策略,融合高校教学数据、科研数据、图书馆大数据构建精准的智能推荐平台实现专业文献的线上推荐模式。高校图书馆应主动挖掘专业文献信息资源,推荐满足读者学习、科研需求的学科资源。