用户行为序列个性化推荐研究综述

作为缓解信息过载的一种重要方式,推荐系统可以帮助用户从海量信息中快速找到有价值的信息,其应用也越来越广泛.用户行为序列个性化推荐,又简称为序列推荐,主要根据用户与物品交互行为对用户特征进行建模,进而使用不同方法捕捉用户的长期偏好和短期偏好,向用户推荐其可能感兴趣的物品.本文从用户偏好会随时间变化的视角出发,分为用户长期...     

基于用户兴趣的IPTV广告精准投放算法

当前消费者的需求呈现差异化、个性化和多样化,精准地细分市场,定位和分析目标消费者的需求和行为特征,从而对目标消费者进行针对性的产品和服务信息宣传,可大大提高广告的精准度,节省广告费用,同时使得受众的干扰最小化。针对如何根据不同用户的兴趣偏好投放IPTV广告,提出一种基于用户行为的精准投放算法。该算法根据节目之间的相似性构建用户的行为特征以研究用户的兴趣偏好,通过考虑用户的差异性以及偏好的变化,改进了传统的广告投放模式,并在实际数据集的仿真实验中验证了该算法的有效性。     

偏好关系的表示和收缩

针对偏好经常会改变的问题,提出偏好的舍弃操作——偏好收缩,而对于偏好收缩来说,偏好收缩的最小化和保持严格偏序性是很重要的。给出可用于表示有限和无限偏好关系的框架,并针对偏好的收缩问题提出算法,计算偏好关系对基本收缩的全收缩,使收缩后的偏好满足严格偏序,对全收缩进行最小化,得到修正后的偏好全收缩。仿真结果表明,修正后的全收缩小于修正前的全收缩。     

考虑主体心理行为的三边单向非循环稳定匹配

针对单向非循环偏好下的三边匹配问题,考虑主体的心理行为特征,提出一种三边单向非循环偏好序下的稳定匹配算法.首先,基于三边主体间单向非循环的偏好结构关系,给出三边单向非循环匹配及其稳定性的定义,构建基于最大基数和稳定匹配的数学模型;然后,考虑主体不完全接受性和有限妥协性的心理特征,提出有限妥协条件下的搜索优选稳定算法,并分别对算法的时间复杂度和输出方案的稳定性进行计算和证明;最后,通过一个实际应用算例验证所提出算法的可行性和有效性.     

多偏好逻辑GMPL

针对缺乏多类型偏好共存的偏好逻辑系统的现状,MPL(logic of many kinds of preference)被构造为一种能够表示和推理四类型偏好的偏好逻辑,但是MPL的语义基于全前序偏好结构,因而不能表示不完全偏好.为此,提出了偏好逻辑GMPL(a generalized edition of MPL).此外,通过常见逻辑偏好的GMPL重写表明GMPL较强的表达能力和实际应用前景.并提出一种将GMPL的SAT问题归结为命题逻辑的SAT问题的方法.     

基于动态偏好机制的学生群体演化合作研究

社交网络具有随机性和复杂性的特点,针对大学生群体中社交关系的异质性以及动态变化情况,构建博弈模型并设计动态偏好机制用于模拟和促进学生在交互网络中的合作行为。在该机制中,首先构建了加权网络用于描述学生交互网络的异质性;然后通过学生动态的交互关系,模拟学生的社交偏好。仿真结果表明,该机制能够有效促进合作者密度。为了进一步验证该机制在学生群体交互中的有效性,通过线下社交网络收集系统收集学生群体的交互行为信息并构建交互网络,通过数据分析发现学生群体在动态偏好机制下更愿意与其他个体进行交流。研究结果对学生合作行为演化具有参考作用。     

开源软件社区开发者偏好合作行为研究

着重从开发者角度出发,先对SourceForge.net开源社区项目与开发者数量增长情况进行统计分析,以见证社区的快速发展;随后以两个月为时间段分析新增开发者、合作的数目,并将开发者之间新建的合作细分为4种情况,探析4种合作方式情况下的差异,进而判断社区开发者优先选择合作方式的顺序;最后针对新开发者与社区已有开发者之间的合作,分析了新开发者的合作偏好与已有开发者的度数中心性、介数中心性和接近中心性,以及他们的开发项目数与之前项目中角色的关系,发现新成员优先选择与介数中心性或度数中心性大的已有开发者合作,且这些开发者整体上都具有多次开发经验并在开发过程中担任过特定角色。研究结果有利于优化群体软件开发过程,为提高群体软件开发效率与质量水平奠定了基础。     

手机用户行为特征分析

随着智能手机的兴起,合理有效地使用手机已成为社会共性需求。不同的用户具有不同的信息消费行为特征,其需求动向也常常发生变化。描述了手机客户行为分析与用户特征标签刻画的方法 ,通过对客户使用特定业务的行为、互联网访问行为、指令位置信息、终端使用情况、行业关注等有效信息的收集并运用合适的数学模型进行分析,能获取客户的各种偏好程度,进而对客户进行特征分类,为企业、政府等机构的相关决策及应用提供依据。     

考虑公平参照点差异的建设项目绿色合作努力行为决策

建设活动对环境影响显著,绿色合作是促进建设项目绿色绩效提升的重要途径.对此,建立绿色合作中主导方与成员方间的Stackelberg博弈模型,分析绝对公平与相对公平两类公平参照点下公平偏好对绿色合作努力行为决策的影响.研究发现,公平偏好将影响建设项目绿色合作参与方的两类努力行为决策,且影响方向与公平参照点类型及收益分配水平有关.在不同公平参照点下,努力行为决策将受到收益分配临界点的影响,在设计收益分配方案时,应关注所选取的公平参照点及相关收益分配临界点,以实现绿色合作参与方努力行为的有效诱导.     

一种基于多类型偏好的偏好逻辑

针对目前缺乏多类型偏好共存的偏好逻辑系统的现状,提出并构造了一个能够描述和推理多种类型偏好的逻辑系统MPL(logic of many kinds of preference).在进一步提出MPL语言L_MPL基于最粗糙/最细致描述原则的非单调语义基础上,通过分级知识库这种常用偏好表示方法的L_MPL重写,初步考察了L_MPL表示能力,最后进行总结并提出需要进一步研究解决的问题.     

基于用户行为数据的电网企业营销推荐系统设计

由于目前方法未能分析和挖掘电网用户行为,使用户的商品属性偏好与预计营销偏好存在差异,导致电网企业营销推荐结果不理想,为此提出基于用户行为数据的电网企业营销推荐系统。通过系统硬件和软件相互协作设计,从用户历史行为出发,优先分析处理用户的历史交互行为,对用户的行为喜好进行分类,挖掘用户的商品属性偏好,实现用户近期需求预测以及意向商品推荐。实验结果证明,所设计系统能够有效提升推荐速率和用户满意度,获取效果较好的推荐结果。     

开源社区中已有开发者的合作行为分析

理解开发者的合作行为是促进开源社区协作开发的关键一步。已有文献主要对社区成员的加入与迁移展开研究,而对社区中已有开发者之间的实际合作行为关注甚少。主要从开发者的交互关系与个人技能两个角度出发,探析社区已有开发者如何建立新合作以及哪些因素影响他们的合作。应用Sourceforge.net平台公开的数据进行实验,结果表明不同的开发者的偏好合作模式不同,拓扑距离上的优势(“朋友的朋友”关系)对开发者间首次合作的影响不大,开发者之前的合作次数越多越有利于他们 再次建立合作,而开发环境(操作系统)与开发者(管理)经验对合作也有明显的影响。所得结论有助于提高开源社区已有开发者的合作意识,促进社区的稳定与可持续性。     

公平偏好、参照点效应和三级供应链的运作

在"制造商-分销商-零售商"三级供应链框架下,引入参照点效应,考察分销商公平偏好对于供应链运作造成的影响.研究发现:当分销商具有以下游零售商收益为参照点的公平偏好时,供应链整体收益小于或等于分销商公平中性时的状态;而当分销商具有以上游制造商收益为参照点的公平偏好时,供应链整体收益大于或等于分销商公平中性时的状态,因此能够改善供应链的运作效率.最后通过数值仿真验证了结论的正确性.     

一种基于运行时验证的Web服务选择方法

为了确保用户选择的Web服务的运行时行为与用户需求之间的一致性,提出了一种基于运行时验证的服务选择方法。首先基于自动机原理,对Web服务进行运行时验证。其次,定义了3种程度的行为匹配关系,基于运行时验证结果,量化Web服务运行时行为与用户需求之间的匹配程度,并使用AHP理论计算用户偏好。方法综合考虑行为匹配程度和用户偏好对服务选择的影响,提出服务选择策略。最后通过实验分析和比较说明了该方法的合理性。     

基于小波聚类的网络用户行为分析

网络用户行为体现为用户使用的网络应用,且用户群体的划分与业务具有密不可分的关系。通过研究用户使用的网络应用来分析用户的行为规律,提出一种基于小波聚类的网络用户行为分析方法。改方法利用小波聚类将数据进行聚类,按照不同的网络业务偏好将用户群体分为不同的网络业务类,实现用户使用网络业务偏好的群体划分。     

网格环境下一个用户偏好的计算方法及应用

为满足用户的按需服务需求,首先提出用户QoS属性判断矩阵来表示用户偏好的方法,同时定义了相应的用户偏好函数和QoS满意度。应用用户偏好的矩阵表示和计算方法,提出一个网格服务选择算法,该算法能反映用户的QoS偏好,实现按需服务。对该算法的有效性进行了理论分析和测试,结果表明应用了用户偏好的选择算法,能可靠地选择出反映用户QoS偏好的相对最优服务,且具有良好的稳定性,该方法可用于在网格环境中进行用户个性化需求的保障。     

基于Agent技术的智能导购系统的设计

考虑到目前网上购物站点繁多,客户无法做到货比三家、择优购买,本文提出了设计一种智能导购系统,该系统能根据客户的购买倾向来自动搜索网上的主要购物站点,并能根据客户的购买过程来自动获取客户个人购物偏好,从而使得商家能有针对性地为客户提供个性化服务。     

基于CARA效用函数的报童决策偏差形成机理

经典报童模型假设决策者为风险中性, 但决策者的实际订购行为受风险偏好的影响, 导致实际订购行为与报童模型最优解之间存在偏差. 为此, 基于常绝对风险厌恶(CARA) 效用函数构建库存决策模型, 从风险偏好的角度解释报童决策偏差的形成机制. 行为实验结果表明: 随着产品的相对成本增加, 决策者的订购行为将出现风险逆转; 在高(低) 利润产品中, 决策者分别表现出风险规避(风险追逐) 的订购行为, 且订购行为受风险规避的影响更为显著. 报童决策偏差现象揭示, 库存管理实践中考虑决策者的风险偏好, 有利于缩小理论模型与管理实践之间的差距, 提高库存管理效率.

     

基于归因理论用户偏好提取的协同过滤算法

协同过滤算法的用户评分与用户偏好之间可能存在偏差,导致推荐准确度降低。为此,提出一种基于归因理论的用户偏好提取算法。基于用户行为的一致性、区别性和正负偏好信息提取用户偏好。融合偏好相似性与评分相似性以获得更优的最近邻集合,计算用户对未评分项目的预测评分值。在通用数据集Movies Lens-1M上进行实验,结果表明,在10%偏好相似性与60%评分相似性的融合条件下,该算法的推荐准确度取得最优值,且优于传统协同过滤算法以及HU-FCF、BM/CPT-V等改进算法。     

面向群组用户时序行为的动态推荐算法

针对现实系统中用户偏好随时间动态变化且一个用户ID背后可能是一个家庭的多个成员在共用的问题,提出一种为这类隐含多个类型成员行为的群组用户解决其偏好随时间而变化的动态推荐算法。首先,假设用户的历史行为数据包括曝光数据和点击数据,并通过学习当前时刻下群组用户的各类型角色权重来判别当前成员角色;其次,根据曝光数据提出两种设计思路来构造流行度模型,并采用逆倾向评分加权方法来平衡训练数据;最后,利用矩阵分解技术得出随时间变化的用户潜在偏好因子和物品潜在属性因子,计算两者内积后得出用户随时间变化的Top-K偏好推荐。实验结果表明,该算法在召回率、平均精度均值（MAP）、归一化折损累计增益（NDCG）这三个指标上一天24个时刻中均能有至少16个时刻的表现优于基准方法,并能缩短运行时间,降低计算的时间复杂度