基于隐马尔可夫模型的电子商务网站结构优化

针对电子商务网站中部分商品页面不处于用户预期位置,导致用户访问代价较大的情况,提出一种使用隐马尔可夫模型对网站结构进行优化建模的方法。首先建立一个隐马尔可夫模型用于模拟用户带有目的(表现为某种目标商品)的访问过程,再使用该模型挖掘出用户隐藏在访问序列中的目的,最后通过新增超链接实现网站结构优化。实验证明用该方法解决网站结构优化问题具备一定的可行性和有效性。

连续属性离散化算法比较研究

探讨了贪心及其改进算法、基于属性重要性、基于信息熵和基于聚类四类连续属性离散化算法,并通过实验验证这四类算法的离散化效果。实验结果表明,数据集离散化的效果不仅取决于使用算法,而且与数据集连续属性的分布和决策数据值的分类也有密切关系。

网络消费者信息搜寻行为研究

文章探讨了网络信息搜寻行为的特点,分别构建了网络信息搜寻广义模型和网络消费者信息搜寻行为过程模型,并在此基础上对影响网络信息搜寻行为的因素进行了讨论。

基于新经济环境下的分销商研究

随着电子商务的发展并获得B2B市场的统治地位,许多人认为分销商已经不能适应新经济环境。本文从概念上介绍一个分销商生存能力的模型,这个模型认为分销商是为制造商和消费者提供价值的源泉,包括客户关系管理(CRM)、生产运作管理(POM)、以及知识管理(KM)。这为分销商如何在新经济环境下生存提供了坚实基础。

基于DEA方法的银行业经营效率评价研究

商业银行经营效率的研究成为近年来DEA方法运用的热点领域。现有研究取得了较大进展．但也存在一些问题：1．当前商业银行经营效率的研究无论是对DEA现有模型的选择还是新的DEA模型的构建主要停留在传统的单阶段的DEA建模思想上。然而商业银行的业务运作过程是典型的两阶段生产过程：利用劳动力、运营费用和自有资本吸收存款及其他资金，再将其转换为贷款及其他资产以获取利润。如果仅仅将商业银行的经营过程看作“黑箱”．忽略中间过程所产生的中间产品对整个生产系统的效率的影响．那么这样的效率评价显然是不科学的。

基于关联规则和协同过滤的网络商品捆绑方法研究

随着电子商务的发展,捆绑销售这种营销策略被逐渐应用于网站之中。本文将数据挖掘技术应用于商品捆绑,经过对数据的预处理,阐述如何利用关联规则实现对商品的捆绑,再通过协同过滤技术定位捆绑商品并向目标用户进行推荐。最后建立一个商品捆绑推荐系统体系结构以体现整个方法流程。

基于模糊距离和神经网络的自适应群决策方法

针对群决策中专家权重和评价指标权重难以确定的问题,提出了一种自适应群决策方法.设计了一种基于模糊距离的专家权重确定方法和基于神经网络的指标权重训练方法,并将其引入自适应算法中.在算法不收敛时,提出了一种专家权重的随机扰动策略使算法可以很好收敛.最后的实验表明,该方法可以很好地收敛于稳定解,得到专家群体对待评对象的客观、可靠评价.

基于粗糙集与证据理论的决策规则合成方法

如何根据规则进行决策是决策规则应用必须解决的核心问题之一。针对该问题,提出了一种决策规则的合成方法,为根据多条规则进行决策提供了崭新的思路。首先,获取规则,计算支持度、信度等信息;然后,将规则信度转换为可信度分配,综合属性重要性和规则支持度两方面因素,计算可信度分配的权重;最后,运用证据理论对可信度分配进行合成。实验表明,规则合成方法能够对决策规则,尤其是冲突规则进行有效合成,得出可靠的决策。

WEB站点结构优化仿真

WEB站点结构优化技术是解决WWW浏览中搜寻与获取有益信息的困难问题及信息搜寻行为的效率低下问题的有效方法。基于WEB站点的超链体系结构特征与网页节点的访问频度值特征,建立了一种站点结构优化的数学模型,其目标是使整个站点具有较小的平均访问代价。分析了站点超链体系结构特征与节点访问频度特征,采用仿真算法分别模拟了WEB站点的超链体系结构与页面节点的访问频度值,并通过量化新增超链接的影响因素设计了相应的站点结构优化方法。实验结果表明:优化后的站点结构具有较小的平均访问代价。

Web浏览预测的Markov模型综述

Web访问模式挖掘研究的一个重要议题是Web浏览预测,Markov模型是一种经典的Web浏览预测模型。本文首先介绍了基本Markov浏览预测模型,包括基本Markov浏览行为模型,模型的学习训练及其在Web浏览预测问题中的应用;然后重点分析了扩展的Markov浏览预测模型,包括一序组合预测模型、高序模型、混合模型、隐Mark-ov模型、连续时间Markov模型等,综述了各种扩展模型所考虑的浏览预测问题的本质出发点、模型的学习方法及预测方法,最后分析了Markov浏览预测模型有待进一步研究的问题。

基于混合隐Markov链浏览模型的WEB用户聚类与个性化推荐

针对传统的Markov链模型不能有效的表征长串访问序列所蕴含的丰富的用户行为特征（用户类别特征、访问兴趣迁移特征）的缺点,提出混合隐Markov链浏览模型。混合隐Markov链模型使用多个不同的模型来区分不同类别用户的浏览特征,并为每个类别的用户设置了能跟踪捕捉其访问兴趣变化的类隐Markov链模型,能更好地对WWW长串访问序列的复杂特征进行建模,在真实WWW站点访问日志数据上的用户聚类实验与个性化推荐实验的结果表明,混合隐Markov链模型与传统的Markov链模型相比,具有更理想的聚类性能和推荐性能。

面向倾向性分析的基于词聚类的基准词选择方法

现有的基准词选择方法存在着随机性和主观性的缺陷,提出了一种基于词聚类的基准词的选择方法:从目标领域本体中选出一组初始种子词进行扩展,聚类得出二代种子词,对二代种子词再进行扩展、聚类,依次迭代直至得到最优的聚类种子词,并作为最终选取的基准词。实验结果表明该方法提取的基准词在词的情感倾向分类中具有较高的准确率。

改善需求链性能探析

要想改善需求链的性能,企业首先考虑的是缩短响应时间,还是全力改善链中需求信息流的传递?需求链各方经常重视改善配送性能,却忽略了漫长的响应时间。本文中,我们在需求链改善计划中提出一个框架,优先考虑缩短响应时间的问题,利用需求链的分类法找出取得比较好的市场调节性能的途径。

基于有向带权图的Web用户浏览行为模型

建立反映用户浏览特征的Web用户浏览行为模型是Web挖掘的关键。本文通过有向带权图来描述用户浏览行为,首先通过数据集构造出了Web站点的拓扑结构,再引入Markov链模型来描述团体成员的网页访问活动,对用户浏览行为进行分析,并对链接的权值进行了计算,最后综合利用构造出的Web站点的拓扑结构和Markov链转移概率矩阵描述的用户浏览特征得到了描述用户浏览行为的有向带权图模型。