基于时序特征和集成算法的用户购买预测

大数据时代,电商平台积累了大量用户在平台上的行为数据,比如浏览、点击、下单和加入购物车等等.如何使用机器学习算法去探索大数据背后的用户消费喜好和习惯成为了一个新的研究热点.本文主要在特征工程和模型搭建两个方面对用户购买预测的效果做出提高.通过深入理解电商业务知识,利用统计学知识,分别从用户、商品和评论数据等多个方面的数据构建了115个特征;在模型搭建方面,主要设计了一个两层融合模型,第一层采用了XGBoost、CatBoost和逻辑回归作为基分类器,从不同的角度考虑用户购买预测,第二层采用加权平均的方法对基类模型的预测结果进行融合,其权重由线性分类器学习生成.实验结果表明该融合模型的F1评分要高于个体分类器,并且多次实验证明,融合模型的稳定性也要比个体分类器好.     

基于用户行为分析的诈骗电话识别

本文的研究目的是提高诈骗电话的识别率和识别准确性.基于大数据平台采集用户通话行为、上网行为等通信过程数据,结合用户基本属性、手机终端信息等进行综合分析,并采用合适的识别算法进行机器学习建立识别模型,能更好的发现诈骗电话与普通电话的内在差异,相比传统基于呼叫行为的分析,能有效提高骚扰诈骗电话识别的准确度和覆盖率,降低漏判、减少误判.经实际数据验证,对诈骗电话识别效果有明显提升,可作为诈骗电话识别的一种新的技术选择.     

适用于RPA工具的卷积序列推荐算法

在机器人流程自动化(Robotic Process Automation, RPA)软件中,经常采用序列推荐系统让机器人完成判断、选择等人工处理的任务。然而常用的序列推荐系统受限于序列信息的提取困难等问题,难以得到广泛应用。为了解决这一问题,构建一种基于Inception的卷积序列推荐模型,把时间和潜在空间中的用户行为序列信息嵌入进一幅“图像”中,并通过动态和静态2种不同的卷积层提取其中的局部特征,全面地提取用户的短期兴趣偏好,同时将用户嵌入矩阵作为用户的长期兴趣偏好嵌入到卷积层的输出中,共同构建完整的用户兴趣偏好,提升推荐性能。通过在3种公开数据集MovieLens 1M、Gowalla、Steam上分别进行实验,验证了基于Inception的卷积序列推荐模型的性能优于最新的序列推荐模型,在Top-N序列推荐的3种评价指标中（精确率、召回率、平均AP值）,平均提升幅度在10%左右,单个指标上的最大提升幅度为14%。     

基于用户兴趣挖掘技术的微博信息推送应用研究

以模拟器的方式对微博大量数据进行爬取计算,对微博数据进行自动清洗,并结合关键词抽取等语言处理技术对微博用户数据进行分析和挖掘,准确分析用户兴趣对微博数据挖掘研究具有重要的意义.对平台设计的需求进行了分析,结合用户兴趣挖掘技术,对平台总体架构的设计进行了研究,并从用户微博信息推动应用方面,对平台的功能模块进行了设计.     

基于前后端分离系统的用户访问控制算法

随着信息技术的发展以及人们对程序设计要求的提高,逐渐形成一种新型的开发模式,即前后端分离模式.基于前后端分离软件系统,介绍一种以角色访问控制的双验证算法.算法通过前端登录验证及后端角色权限验证双侧控制用户访问权限,实现访问系统权限控制.     

基于需量管理的工业园区混合储能配置及运行优化研究

在工业能源结构改革中,配置混合储能系统(Hybrid Energy Storage System,HESS)能够有效促进工业园区用户侧清洁能源的消纳.提出一种基于工业需量管理HESS配置与运行的两阶段优化模型.采用经验模态分解法对用户净负荷功率分频,分别将高频、低频分量输入HESS的不同模块.以工业用户总成本为目标,充分考虑并网负荷的波动性,建立月度和日前两阶段优化模型,使用改进的混沌粒子群算法(CPSO)求解.仿真结果表明,采用HESS替代单一储能,并通过改进的CPSO算法优化模型,使得工业用户用电总成本大大降低,对工业净负荷的削峰效果明显,降低了负荷并网的波动性.     

有限产能下多部件设备视情维修策略与多订单批量生产联合优化研究

针对有限产能下,面对多个不同要求订单时的订单选取和多部件设备维护决策问题,提出了基于客户满意度的多部件设备视情维修策略和多订单批量生产的联合优化模型。首先,基于比例风险模型描述出各部件的具体劣化趋势,并以虚拟年龄表示各部件的健康状态;其次,根据单次批量生产结束后的实时监测结果和维修阈值,确定不同的维修方式;再次,以利润最大化为优化目标,结合有限产能批量问题模型和客户满意度模型,建立视情维修策略和多订单批量生产联合优化模型;最后,利用模拟退火算法和粒子群算法就行模型求解,并通过算例验证了模型的有效性,使模型更具有现实意义,并对模型相应参数进行了灵敏度分析。     

她 她们和她们的

如今,在国内游戏行业,“女性玩家非常重要”的理念早已贯彻到游戏圈上上下下。同样,以女性为主的女性游戏市场也被众厂商看着是兵家必争之地。可以说,游戏市场从来没有如此渴望过女性玩家。女性玩家们游戏最早被看作是男性的快乐源泉,但是如今,很多游戏在男女的比例上相差已经不大,甚至在2021微信公开课PRO上,讲师togo谈到,在小游戏平台上,2020年30岁以上用户占比为65%,男女比例为5:5,女性用户比传统游戏平台更多一些。     

基于多粒度文本特征表示的微博用户兴趣识别

微博用户兴趣发现对社交网络的个性化推荐和信息传播的正确引导具有重要意义,因此提出了一种基于多粒度文本特征表示的微博用户兴趣识别方法.首先,从主题层、词序层和词汇层3个方面对微博用户构造文本向量,利用LDA提取内容的主题特征,通过LSTM学习内容的语义特征,引入腾讯AI Lab开源词向量获取词义特征;然后,将以上3种特征向量拼接得到的多粒度文本特征表示矩阵输入CNN中,进行文本分类训练;最后,通过多端输出层实现对微博用户的兴趣识别.实验结果表明,多粒度特征表示模型的分类实验结果比单粒度特征表示模型的精准率、召回率和F1值分别提高了8％,12％和13％.基于对文本粗、细语义粒度和词粒度的综合考量,结合神经网络分类算法,多粒度特征表示模型的评价指标均优于单粒度特征表示模型.     

基于均衡接近度灰关联的Slope One算法

作为一种基于项目的协同过滤推荐算法,Slope One算法易于实现且高效。但由于Slope One算法未考虑用户相似性,导致其在处理涉及用户关系的个性化推荐任务时性能不高。针对以上问题,提出了改进的Slope One算法。提出一种均衡接近度灰关联分析方法计算用户之间的均衡接近度,利用均衡接近度度量用户间的相似程度,然后将均衡接近度值融入到Slope One算法中进行评分预测,在MovieLens和Epinions数据集下的对比实验表明,该算法具有更低的平均绝对误差（MAE）和均方根误差（RMSE）,提高了预测的准确度和推荐质量。