面向在线社区用户的群体推荐算法研究

结合现有两种主要群体推荐算法的优势, 建立新的算法框架, 并引入差异度因素对模型进行优化。另外, 考虑到在线社区用户的特点, 定义互动度指标来描述群体成员间的互动程度, 通过分析其与推荐精度之间的关系, 探讨互动度对群体推荐的影响。选取豆瓣网数据进行实验, 并与传统方法进行比较, 结果表明, 融入差异度的算法具有更好的推荐效果, 且有效的互动机制能够保证较高的推荐精度。     

基于区间分析的项目经济评价

针对项目经济评价中存在的不确定性,提出了基于区间分析的项目经济评价方法.区间分析是以"区间数"为处理对象的一种不确定性数学分析方法.当各要素(如现金流、贴现率等)为区间数时,研究了求解区间净现值和区间内部收益率的方法,给出了通过区间净现值和区间内部收益率进行项目经济评价的规则,并研究了这2种方法.结果表明,在进行项目经济评价时,2种方法本质是一致的.     

为提高供应链的效益支几招

供应链管理本质上就是通过对供应链各节点之间信息流、商品流、物流和资金流的管理来获得最大价值。因此,供应链管理将其目标定位为提高用户服务水平和降低供应链成本,并寻求两个目标之间的平衡。然而,就目前国内大多数商品营销供应链而言,都没有很好地实现提高用户服务水平和降低供应链成本这两个目标,因而获得的效益很有限。为此,笔者多处取经,为业界同仁支上几招。     

基于线性规划的区间标度层次分析法

将传统的层次分析法由“点”标度扩展到区间标度,得到区间标度层次分析法.基于区间判断矩阵的权向量的可行域,对其进行一致性检验.并讨论了区间向量的标准化问题,建立了求解区间判断矩阵的区间权向量的线性规划模型.通过两个线性规划模型,自下而上计算各方案相对于各指标的组合区间权重,并给出了区间层次总排序的算法.算例验证了方法的有效性.     

IDEA模型及其在纺织业效率评估中的应用

在用DEA进行效率评价时，由于信息不充分或测量误差等原因，决策单元(DMU)的投入产出数据可能为区间数，所以产生了区间DEA(简称IDEA)模型．研究了IDEA的求解方法，指出直接将IDEA当作一般的区间线性规划来求解的错误所在，结合IDEA的实际经济意义，通过将DMU的区间投入产出数据进行特定投影，建立了求解各DMU的区间效率值的模型，并按区间效率值对所有决策单元进行了分类．最后将该方法应用于某地区的纺织业的效率评估和预测之中．     

Classifying and ranking DMUs in interval DEA

During efficiency evaluating by DEA, the inputs and outputs of DMUs may be intervals because of insufficient information or measure error. For this reason, interval DEA is proposed. To make the efficiency scores more discriminative, this paper builds an Interval Modified DEA （ IMDEA ） model based on MDEA. Furthermore, models of obtaining upper and lower bounds of the efficiency scores for each DMU are set up. Based on this, the DMUs are classified into three types. Next, a new order relation between intervals which can express the DM＇s preference to the three types is proposed. As a result, a full and more convictive ranking is made on all the DMUs. Finally an example is given.     

建筑业效率评估和预测的区间DEA模型

当投入和产出数据为区间数时，传统的DEA模型转化为区间DEA模型。首先建立了求解每个DMI的最高效率值和最低效率值的确定型DEA模型，从而求得每个DMU的区间效率值。然后按区间效率值将所有决策单元分为三类，即区间DEA有效、区间DEA部分有效和区间DEA无效。将文中方法应用于10省建筑业的效率评估和预测之中，结果较传统的DEA模型更具柔性、更为合理。     

区间数据包络分析的主客观求解

根据是否需要决策者的主观判断，将区间DEA的求解方法分为主观方法和客观方法．定义了一种反映决策者满意度的区间数序关系，基于此将区间DEA转化为一个确定型DEA，并求得给定满意度水平下的点效率值，此为主观方法．建立了求解每个DMU的最高效率值和最低效率值的确定型DEA模型，从而求得每个DMU的区间效率值，此为客观方法．分析了这两种方法在求解过程中所涉及到的数据一致性问题，即每一个DMU的区间投入或产出在确定型DEA中的所有出现要保持相同的投影点．     

判断矩阵的区间权向量及其方案排序

针对当层次分析法中判断矩阵不满足一致性时,特征根法等传统方法导出的权向量只能近似反映排序结果,有时甚至可能出错的问题,通过建立线性规划模型求解判断矩阵的区间权向量,结果更具柔性．定义了一种反映决策者满意度的区间数序关系,基于该序关系将所有方案进行充分排序．最后给出算例．     

改进的基于符号数据的协同过滤推荐算法

随着用户和资源种类的不断增加,评价矩阵的稀疏性问题越来越突出,严重影响了推荐系统的推荐质量。奇异值分解(SVD)是一种对数据进行降维处理的方法,符号数据分析(SDA)是一种处理海量数据的全新数据分析思路。提出一种改进的基于符号数据的协同过滤推荐算法,即将奇异值分解和符号数据分析方法结合起来运用到推荐系统中。在EachMovie 数据库集上的实验结果表明该算法在数据稀疏时的推荐质量明显优于传统的推荐算法。