基于本体论的大数据下用户需求表征

针对目前用户需求提取与表征研究中无法清晰表征大规模模糊需求的局限性,提出一种基于本体论的用户需求表征方法,通过自然语义处理、智能机器学习等人工智能算法,将初始数据生成、需求本体生成以及需求表征库生成整合成一套完整用户需求表征的科学指导方法.这一表征方法将本体论与大数据处理相结合,能在海量网络数据中,准确提取用户需求中的概念、分类及非分类关系,清晰地表征用户需求,特别是用户的模糊需求.这些需求可具象为产品特征,用以建立相应的表征库,为新产品开发与创新提供有效支持.     

基于流量监测的用户流量行为分析

为了解决网络用户流量行为描述维度过高, 且在海量网络用户流量行为数据中分析单用户流量行为比较困难的问题, 提出一种基于流量监测的异常流量时间定位和用户定位方法.首先, 基于网络流量特性提出一个较为完备的特征集, 对网络用户流量行为进行全面描述.其次, 提出一种基于偏离距离的特征选择规则, 选择出适合于海量网络用户流量行为分析的优化特征集, 实现网络用户异常流量行为的快速时间定位.最后, 在异常流量行为发生时刻对单用户流量行为进行分析, 从而定位发生异常流量行为的用户.实验结果表明, 本系统对网络用户异常流量行为具有较好的检测效果.     

共享的价值诉求对用户参与的影响——以用户授权为调节

开放式创新背景下,越来越多的企业吸纳用户参与自身创新,以应对用户需求变动流态化带来的挑战。然而,现有研究更多关注用户参与创新的后果,对用户参与创新的前因及行为生成机理关注不足。从企业立场出发,基于“用户-企业”共创价值的理论框架,探索企业构建与用户共享的价值诉求影响用户参与创新的行为生成机理;利用302份国内企业有效样...     

基于关键词挖掘的客户细分方法

提出一种基于关键词的数据挖掘方法对客户群进行细分,采用自然语义处理的方法从原始客户信息文本中提取客户特征关键词.再通过人工标记一些与内在特征维度相关的关键词,基于这些关键词找到特征客户.最后以特征客户作为训练集,获得更多关于某个维度内客户特征的关键词,再进行新一轮的客户细分.经此模式学习过程,得到基于内在特征维度的客户细分群体.通过与采用随机选择特征关键词的基准化方法进行自动客户细分结果对比,发现采用基于关键词数据挖掘的自动客户细分结果得到的准确度更高,结果更稳健.     

问答社区中基于问题粒度的用户专业性预测方法

在线问答社区中大量问题等待回答时间过长、高质量回答数极少,对社区用户在具体问题上的专业程度进行度量具有现实需求。现有的基于链接分析和基于文本分析等方法多集中在社区和话题粒度的专业性度量,并未深入到问题粒度。针对上述问题,定义了问答社区中基于问题粒度的用户专业性概念,在此基础上提出了基于问题粒度的用户专业性预测方法,包括用户专业性度量方法和用户专业性预测模型。该预测方法先利用问答社区中社区用户对回答质量的评价机制,在问题粒度上为用户建立专业性度量;再基于矩阵分解,融合用户偏差、问题偏差以及用户已回答问题集的隐含反馈等信息,构建用户在问题粒度上的专业性预测模型,进而预测用户在待回答问题上的专业程度。利用知乎问答社区互联网话题下的问答数据集,设计了与前述两种主流方法的对比实验。实验结果表明,提出的用户专业性度量方法可以有效地度量用户在具体问题上的专业程度,基于此方法构建的用户专业性预测模型具有更高的预测精度。     

大数据环境下一种基于学习的实体识别方法

针对传统实体识别方法的主要研究对象是小数据集并且对结果的准确性关注较高的情况,在大数据的背景下提出了一种利用Hadoop平台和MapReduce框架的基于学习的实体识别方法。通过对MapReduce框架流程的分析,运行基于机器学习的算法,并行处理数据集来识别出数据实体。实验表明,该方法提高了实体识别的效果,具有很好的处理性能和效果,满足了识别海量数据中实体的需求。     

基于用户行为预测的分布式光伏智能社区需求响应策略

为解决分布式能源接入场景下用户行为不确定性与需求计划的冲突问题,建立一种基于用户行为预测的分布式光伏智能社区响应策略,通过分布式光伏与需求负荷资源的协调配合,协调用户行为的不确定性与需求计划的制定。建立需求资源的数学模型,采用广义回归神经网络和概率神经网络预测用户行为,形成预前调度措施。基于建立的模型与措施形成光伏社区需求响应整体策略,提出用户自主响应算法以提升用户舒适度。基于分时电价、光照辐射、负荷参数等信息,构建智能家居控制系统并进行仿真分析,预测模型的准确性达96.33%,具有较强的适用性,验证了需求响应策略的有效性,解决了用户行为与需求调度的配合问题,有效降低用户用电成本。     

基于任务类知识需求模板和用户模型的知识需求研究

为了解决企业知识共享和再利用过程中遇到的困难,首先利用ontology将异构知识源进行有效的集成,给出了基于ontology的异构知识源集成框架.然后利用任务类知识需求模板和用户模型的相互作用,建立了用户知识需求模型,实现知识的自动供给,为企业员工提供个性化服务.还给出了任务类知识需求模板和用户模型的自学习算法.最后给出了一个验证实例.     

支持产品视觉识别的产品族设计DNA

为了解决工业设计中产品族设计的品牌识别问题,提出支持产品视觉识别的产品族设计DNA研究方法.讨论了产品识别的维度以及产品族设计DNA的概念,研究产品视觉识别下产品族设计DNA的体系构建和关键技术,提出产品族设计系统模型和设计DNA构造方法.以健康磁疗沙发造型设计为例,构建产品族设计DNA结构模型和产品族概念设计系统,基于该系统可以实现健康磁疗沙发的产品快速设计,并且保持品牌的统一性和创新性,从而提高开发设计效率,验证了工业设计中支持产品视觉识别的产品族设计DNA理论体系.     

面向情感语音识别的情感维度PAD预测

针对现有的情感特征仅从信号的角度对情感进行分析,不能直观反映情感状态的问题,提出将连续情感维度PAD引入情感识别. 实验样本选用TYUT2.0数据库和柏林语音库中的3种情感（悲伤、愤怒和高兴）,提取情感特征（韵律特征、共振峰、MFCC和非线性特征）. 为了获取客观、精确的PAD维度,利用灰色关联分析（GRA）选取影响P、A、D的主要特征,通过主成分分析（PCA）提取主要特征的主成分,将主成分作为最小二乘支持向量机（LSSVM）的输入预测P、A、D. 分别对情感特征、PAD维度及它们的融合,采用支持向量机进行情感识别. 实验结果表明,该预测方法在一定程度上提高了对P、A、D的预测精度,预测值可以有效识别情感,对情感特征在情感识别方面有一定的补充作用.     

基于改进加权协同过滤的集群用户黑箱个性意象预测

为了解决传统意象定位中感性意象部分信息丢失及用户模糊的个性化需求不完全表达的问题,提出基于改进加权SO（WSO）算法的集群用户个性意象预测研究. 建立用户特征域,基于K-modes算法计算用户差异度,确立用户集群. 对甄选样本实施兴趣度排序及自主性意象评价,创建集群意象因子集. 引入用户相似度优化WSO算法,增强集群用户间的内在联系,精准预测目标用户黑箱的个性意象分值. 基于语义差异问卷及平均绝对误差分析验证黑箱意象,输出集群中单一用户的个性化意象,实现意象预测. 以无人机为例,预测用户的个性意象,误差小于0.5被舍去,表明该方法能够较好地实现用户模糊的意象黑箱透明化,且预测的意象符合用户的个性化需求,可以有效辅助设计师有针对性地设计.     

基于店铺特征和用户需求的广告转化率预测

针对现有搜索广告转化率预测模型和分类模型未考虑店铺特征和用户需求,为了更好的预测广告的转化率,本文基于店铺特征和用户需求对广告转化率进行预测。以阿里搜索广告为研究对象,提出基于店铺特征和用户需求的数据预分析的特征处理方式,对特征进行预分析,即对用户和店铺的相关特征进行初次预测处理,分别求出转化率,以此作为新特征。XGBoost算法泛化性能高,损失函数同时用到一阶导和二阶导,可以加快优化速度,所以运用该算法构建基于店铺特征和用户需求的阿里搜索广告转化率预测模型和转化率分类模型。通过对比预测结果在对数似然损失(Logarith mic loss,Logless)的指标,该预测模型的正确预测率和正确分类率显著提升。本文使用的特征处理方式能够充分挖掘商品信息,能够更好的实现广告转化率的预测,有利于提高广告的竞争力。     

时序基因驱动的特征表示模型

定义“演变基因”的概念来捕获时间序列所隐含的用户行为，描述这些行为如何导致时间序列的产生.提出统一的框架，通过学习分类器来识别片段的不同演变基因，采用对抗性生成器估计片段的分布来实现演变基因.该模型有3个主要组成部分：基因识别，旨在学习片段的相应基因；基因生成，旨在学习从基因中生成片段；基因应用，旨在建模行为演变，将学习到的基因应用于未来值和事件的预测中.本研究的实验基于1个合成数据集和5个真实数据集，相关结果表明，该方法不仅可以获得好的预测结果，而且能够提供对结果的有效解释.     

基于OS-ELM的光伏发电中长期功率预测

为了进一步提高光伏出力预测的精度,提出了一种基于在线序列极限学习机的光伏发电中长期功率预测方法. 结合在线序列极限学习机学习速度快、泛化能力强的特点,通过对大量气象数据和历史发电数据综合处理,对光伏发电系统的输出功率进行预测. 同时,由于实时数据的不断输入,该方法能够对预测模型进行在线更新. 算例仿真研究表明,该预测方法与反向传播神经网络、支持向量机方法相比,能够有效提高预测精度,满足在线应用的需求,具有较好的应用前景.     

面向网络安全治理的用户身份识别技术与挑战

网络用户身份识别对维护网络安全、推动网络身份管理制度建设具有重要价值。网络用户身份识别既是用户画像、行为预测、精准服务的研究基础,也是水军账号甄别、网络社会治理、涉网犯罪打击的技术支撑。分析了用户身份识别技术的进展,及其在机器人水军识别、目标社区检测和跨社交网络用户对齐方面的应用。首先,从用户身份识别的定义与发展历程出发,介绍了用户身份识别方法的分类;其次,对不同特征下的机器人水军识别方法进行了阐述,并分析了不同方法的主要适用场景;然后,针对水军相关的目标社区检测任务,梳理了目标社区检测技术的发展;其次,对现有跨社交网络用户对齐技术进行了分类。最后,对用户身份识研究当前面临的挑战进行了论述,并对其未来作出了展望。     

基于客户结构阶层和BP的PLM客户需求

为了更详细的分析客户需求信息,提出了面向产品全生命周期管理(PLM)系统的客户需求管理功能结构,研究了客户需求获取和市场需求分析理论.在客户需求获取方面,采用客户结构阶层(CAH)方法,在全生命周期范围内,进行产品性能需求信息的层次化分析;在市场需求分析方面,细分市场结构,应用BP神经网络的自适应和自组织原理,对需求信息进行智能化分类和识别,获取客户需求趋势和产品竞争趋势.结合某服装公司,应用Matlab工具箱进行具体实例研究.结果表明,应用CAH和BP相结合的方法,提供PLM企业准确、有效的需求结构分析信息,最终提高客户满意度.     

老品牌产品创新对消费者购买意愿的影响研究

消费者之所以选择某类产品是因为此类产品能够满足消费者的消费需求以及达到其心理预期甚至超过其心理预期,老品牌产品创新正是为了解决这方面的问题,因此老品牌产品的创新并不是盲目创新而是基于消费者对产品要求以及接受程度的创新,如产品外观要求、产品品质要求、产品功能要求等。基于此,本文主要针对老品牌产品创新的三个维度（功能创新、外观创新、象征创新）对消费者的老品牌产品感知价值的影响,进而找出老品牌产品创新与消费者购买意愿之间的关系,对此进行实证分析。为我国老品牌产品企业把握产品创新维度、创新营销手段提供指导,对我国老品牌产品企业产品创新提供有益的建议。同时丰富我国老品牌产品创新与消费者购买意愿关系研究的理论知识。     

基于用户行为及文本内容的垃圾评论识别研究

从海量的在线评论中自动识别出垃圾评论,是消费者及厂家有效利用在线评论的前提。结合垃圾评论者的行为特征及评论文本内容,采用支持向量机构建了垃圾评论识别模型。实验结果表明,该方法有效地识别了垃圾评论。     

客户端上下文感知的Web服务QoS预测方法

识别用户客户端的上下文特征的差异性,有助于为新用户预测Web服务QoS,但现有研究缺乏对影响用户QoS体验的上下文特征的系统分析。提出了一种客户端上下文感知的Web服务QoS预测方法,该方法通过量化分析客户端的上下文特征,应用模糊层次分析法计算历史用户与当前用户的上下文相似度,并以该相似度结果为指导,结合协同过滤技术,以特征加权合成方法预测Web服务的QoS值。通过实验对比和分析可知,该方法能有效解决“新用户问题”,并提高Web服务QoS预测的精度。     

旅游地社会-生态系统研究进展与启示

社会-生态系统理论对旅游地可持续发展研究具有重要意义,已受到学者的广泛关注.对旅游地社会-生态系统相关文献进行梳理,重点从基本概念、研究内容、研究方法与评估框架四个方面探讨,得出结论:(1)从研究内容来看,基本是考虑"社会""生态""经济"这三个维度,未来研究可加入"文化""心理"等维度的融合;研究尺度方面较多成果集中于中观尺度,并逐渐趋向于微观尺度.(2)从研究方法与评估框架来看,通过社会-生态系统的概念和特征与其他学科研究相结合来构建研究框架居多,促进了其应用于框架评估方法的多元化,但与"旅游地"相关属性相结合的研究方法不足.(3)未来的研究仍然需要结合其他学科,进一步深入理解并预测旅游地社会-生态系统的演化过程,以期提高系统的应对能力.