电子商务中基于个性化推荐的商品质量和隐私保护相关问题研究
这是一篇关于个性化推荐,粗糙集理论,属性约简,隐私保护,商品质量的论文, 主要内容为随着电子商务在全球区域范围内的覆盖,越来越多的消费者选择通过电商平台购物,个性化推荐方法在电商平台中具有重要作用。但现有的个性化推荐方法存在一些问题:推荐准确率不高、用户兴趣隐私泄露、商品质量不合格。针对个性化推荐中存在的上述问题,本文开展了电子商务中个性化推荐方法的研究,具体创新点如下:(1)针对个性化推荐中的商品质量问题,提出了在完备商品类别决策系统下基于最大混合条件的粗糙约简算法(MTMRA)和在不完备商品类别决策系统下基于重要度优先搜索的粗糙约简算法(IPSRA)。粗糙决策分析方法是利用粗糙集理论对商品数据库进行分类,粗糙集理论无需数据源的先验知识,只依赖数据本身,可以处理不完备信息并从中发现隐含的知识,在不影响分类精度的情况下解决问题,保证商品质量。在仿真实验中,采用支持向量机的基分类器对算法准确率进行评估,验证了所提算法具有较高的分类准确率。(2)针对个性化推荐中的隐私保护问题,提出了基于BT的隐私词过滤算法(TDFA)。首先,根据字典树构建算法(BT)构建隐私字典树;然后,将兴趣词在字典树中进行隐私词检索与过滤;最后根据用户反馈信息更新隐私字典树。TDFA算法能对用户兴趣数据库中隐私信息进行过滤,降低隐私泄露的风险,实现用户隐私保护。通过仿真实验验证了 TDFA算法在保护用户兴趣隐私的同时,还可以有效地缩短运行时间。(3)针对个性化推荐的实时性问题,结合IPSRA和TTDFA算法,提出了基于商品质保和隐私保护的最近时间内容推荐算法(imp-kTCRA)。首先,根据用户动作和用户浏览时间构造产品偏好程度和时间权重函数,根据函数获得用户可能感兴趣的top-N个兴趣模型;然后,根据产品好评率和产品月销量构造产品重要度函数;最后,根据用户与产品相似度函数以及产品重要度函数构造产品推荐度函数。imp-kTCRA算法对用户兴趣进行动态更新,保证推荐商品的实时动态变化。通过仿真实验验证了imp-kTCRA算法具有较高的实时性和推荐准确率。
基于粗糙集的跨境电商客户关系研究
这是一篇关于跨境电商,客户关系,粗糙集,属性约简,客户分类的论文, 主要内容为在目前互联网业务、各国之间物流以及跨境支付迅速发展的背景下,我国与各国之间的有关农产品的商贸行为实现了由大变小,由大批量转而变为小型化,大交易金额变为小额订单,周期由长变短,频率由低变高的贸易模式的转变。许多农产品外贸企业由传统的外贸交易市场发展至跨境电商市场。于是跨境平台的迅猛发展促进了农产品小微企业以及个人商户的发展,为农产品企业、商户和农民带来了空前未有的发展机遇。基于目前处于互联网大喷发时代,导致客户数据量大,数据结构复杂,且容易缺失。随着粗糙集理论的提出以及奇异值分解方法的逐步发展,两种理论在客户数据挖掘以及对客户数据进行填补方面有非常良好的效果。本文基于粗糙集理论以及奇异值分析方法,对农产品跨境电商客户管理开展相关研究工作,主要内容如下:通过研究粗糙集基本理论以及分析跨境电商中的客户关系管理的必要性和优势,根据目前农产品跨境电商客户分类的特点,以及农产品跨境电商客户指标体系的选取原则,对农产品跨境电商客户分类指标体系进行构建。该指标体系根据购买行为、忠诚度、信用度和消费偏好这几点构建。采用区分函数,对跨境电商客户进行属性约简。结合层次分析法AHP模型的基本思想,综合客户分类评估指标体系以及AHP的求解步骤,对湖南年年有鱼进出口有限公司,即湖南一家农产品跨境电商企业的客户数据建立信息系统,计算属性权重。并分析出对该农产品跨境电商企业而言,客户下单次数以及消费总额为其重要客户指标。分析了奇异值分解SVD的协同过滤推荐算法在跨境电商客户关系数据中的作用,利用SVD对客户感兴趣的商品作出表格,同时根据计算出的各评价指标的权重以及AHP模型对农产品客户进行进一步价值划分,最终设计出了适合湖南年年有鱼进出口有限公司农产品跨境电商的客户推荐系统。通过实验验证,本文模型充分利用了粗糙集理论、AHP模型基本思想、SVD算法,实现了对湖南这家农产品跨境电商企业的客户分类以及推荐系统的搭建,对跨境电商企业的经营以及发展产生了非常重要的理论以及技术参考。
电子商务中基于个性化推荐的商品质量和隐私保护相关问题研究
这是一篇关于个性化推荐,粗糙集理论,属性约简,隐私保护,商品质量的论文, 主要内容为随着电子商务在全球区域范围内的覆盖,越来越多的消费者选择通过电商平台购物,个性化推荐方法在电商平台中具有重要作用。但现有的个性化推荐方法存在一些问题:推荐准确率不高、用户兴趣隐私泄露、商品质量不合格。针对个性化推荐中存在的上述问题,本文开展了电子商务中个性化推荐方法的研究,具体创新点如下:(1)针对个性化推荐中的商品质量问题,提出了在完备商品类别决策系统下基于最大混合条件的粗糙约简算法(MTMRA)和在不完备商品类别决策系统下基于重要度优先搜索的粗糙约简算法(IPSRA)。粗糙决策分析方法是利用粗糙集理论对商品数据库进行分类,粗糙集理论无需数据源的先验知识,只依赖数据本身,可以处理不完备信息并从中发现隐含的知识,在不影响分类精度的情况下解决问题,保证商品质量。在仿真实验中,采用支持向量机的基分类器对算法准确率进行评估,验证了所提算法具有较高的分类准确率。(2)针对个性化推荐中的隐私保护问题,提出了基于BT的隐私词过滤算法(TDFA)。首先,根据字典树构建算法(BT)构建隐私字典树;然后,将兴趣词在字典树中进行隐私词检索与过滤;最后根据用户反馈信息更新隐私字典树。TDFA算法能对用户兴趣数据库中隐私信息进行过滤,降低隐私泄露的风险,实现用户隐私保护。通过仿真实验验证了 TDFA算法在保护用户兴趣隐私的同时,还可以有效地缩短运行时间。(3)针对个性化推荐的实时性问题,结合IPSRA和TTDFA算法,提出了基于商品质保和隐私保护的最近时间内容推荐算法(imp-kTCRA)。首先,根据用户动作和用户浏览时间构造产品偏好程度和时间权重函数,根据函数获得用户可能感兴趣的top-N个兴趣模型;然后,根据产品好评率和产品月销量构造产品重要度函数;最后,根据用户与产品相似度函数以及产品重要度函数构造产品推荐度函数。imp-kTCRA算法对用户兴趣进行动态更新,保证推荐商品的实时动态变化。通过仿真实验验证了imp-kTCRA算法具有较高的实时性和推荐准确率。
基于权重邻域粗糙集快速属性约简的建筑能耗预测研究
这是一篇关于邻域粗糙集,滚动时域,数据挖掘,属性约简,能耗预测的论文, 主要内容为近年来,随着城市的工业化与电气化的不断完善,对能源的要求达到一个新的高度。以电力消耗为例,预计到2050年全球电力需求将上升到当前的1.5至1.8倍。建筑能源的节约使用已经成为了人们的关注焦点,精确快速的建筑能耗预测能够对能源的生产、调度起到指导作用,对建筑的能耗监管以及节能降耗具有重要意义。影响建筑能耗的因素主要可分为三类,分别是时间因素、气象因素以及建筑属性。其中时间因素是最主要的能耗影响因素,建筑的耗能是典型的时间序列,时间属性包括电表读数时刻以及节假日等因素;气象因素包括温度、云层覆盖率、风速和风向等因素;建筑属性是固有的影响建筑耗能的因素,包括建筑面积、楼层、外墙材料和用途等。在大数据场景下建筑能耗预测普遍存在特征属性过多、用能模式分类困难及预测精度普遍不高的问题。本文提出一种基于权重邻域粗糙集的快速属性约简算法,研究基于滚动时域与长短时记忆(LSTM)神经网络相结合的新型能耗预测模型。主要工作内容如下:(1)收集了48栋建筑316个设备单元从2020年11月至2021年9月的日能耗数据,建立能耗特征数据集。将收集到的数据进行去重、空值分析与异常值分析等多种预处理,降低能耗数据的非线性、非平稳性对预测性能的影响;并选择聚类与分类相结合的方式获取用能模式,形成决策集。(2)提出一种基于权重邻域粗糙集的快速属性约简算法,通过对能耗数据集各属性重要程度的判断,实现属性约简。通过基于信息熵的属性约简、基于邻域粗糙集的属性约简和本文提出的基于权重的邻域粗糙集快速属性约简三种算法对比约简前后的能耗模式分类精度和时间消耗,证明基于邻域粗糙集的快速属性约简算法的性能更优,能有效避免大数据场景下不合理的输入变量对预测精度造成的影响。在对云南某建筑实际能耗预测实验中,本文提出的属性约简算法筛选出15个能耗特征属性,在约简了11.76%训练数据的情况下,分类精度达到了94.34%,特征分类精度与能耗预测精度达到最高。(3)介绍了基于滚动时域的LSTM能耗预测模型建立方法,在算法中引入时间序列数据的特征,使用滚动时域技术,将历史时域内的数据作为输入特征,应用于实际建筑能耗预测,实验结果表明:滚动时域LSTM预测方法相对于传统非滚动方法的预测均方根误差RMSE值平均减小33.08%,训练速度平均提高5.25%,预测效果更好、训练速度更快,能耗预测模型的精准性和实时性得到显著提高。(4)基于Airflow、Flink框架与数据库技术设计了一个前后端分离式的建筑能耗大数据挖掘平台,实现了原始数据输入-预处理-能耗预测的完整能耗预测功能。平台包含展示层、应用层、服务层和数据层四层结构,具有分析工具、数据管理、算法管理和模型管理服务、数据接口服务等功能。实验结果表明本预测平台可以对建筑能耗进行快速准确的预测,具有很强的健壮性和稳定性,能够为建筑能耗精细化管理、建筑节能减排决策管理提供理论依据与方法支撑。
基于粗糙集的跨境电商客户关系研究
这是一篇关于跨境电商,客户关系,粗糙集,属性约简,客户分类的论文, 主要内容为在目前互联网业务、各国之间物流以及跨境支付迅速发展的背景下,我国与各国之间的有关农产品的商贸行为实现了由大变小,由大批量转而变为小型化,大交易金额变为小额订单,周期由长变短,频率由低变高的贸易模式的转变。许多农产品外贸企业由传统的外贸交易市场发展至跨境电商市场。于是跨境平台的迅猛发展促进了农产品小微企业以及个人商户的发展,为农产品企业、商户和农民带来了空前未有的发展机遇。基于目前处于互联网大喷发时代,导致客户数据量大,数据结构复杂,且容易缺失。随着粗糙集理论的提出以及奇异值分解方法的逐步发展,两种理论在客户数据挖掘以及对客户数据进行填补方面有非常良好的效果。本文基于粗糙集理论以及奇异值分析方法,对农产品跨境电商客户管理开展相关研究工作,主要内容如下:通过研究粗糙集基本理论以及分析跨境电商中的客户关系管理的必要性和优势,根据目前农产品跨境电商客户分类的特点,以及农产品跨境电商客户指标体系的选取原则,对农产品跨境电商客户分类指标体系进行构建。该指标体系根据购买行为、忠诚度、信用度和消费偏好这几点构建。采用区分函数,对跨境电商客户进行属性约简。结合层次分析法AHP模型的基本思想,综合客户分类评估指标体系以及AHP的求解步骤,对湖南年年有鱼进出口有限公司,即湖南一家农产品跨境电商企业的客户数据建立信息系统,计算属性权重。并分析出对该农产品跨境电商企业而言,客户下单次数以及消费总额为其重要客户指标。分析了奇异值分解SVD的协同过滤推荐算法在跨境电商客户关系数据中的作用,利用SVD对客户感兴趣的商品作出表格,同时根据计算出的各评价指标的权重以及AHP模型对农产品客户进行进一步价值划分,最终设计出了适合湖南年年有鱼进出口有限公司农产品跨境电商的客户推荐系统。通过实验验证,本文模型充分利用了粗糙集理论、AHP模型基本思想、SVD算法,实现了对湖南这家农产品跨境电商企业的客户分类以及推荐系统的搭建,对跨境电商企业的经营以及发展产生了非常重要的理论以及技术参考。
基于J2EE模型系统性能优化方法的研究和实现
这是一篇关于属性约简,参数模块,决策系统,J2EE应用系统,性能优化的论文, 主要内容为近年来,企业应用系统已得到各大企业的普遍关注,企业应用系统被越来越多的企业所应用。随着系统应用的不断发展企业对基于J2EE架构系统的高可靠性能提出了越来越多的要求。 从J2EE的发展过程和核心实现技术来看,J2EE多层应用框架在提高了软件的重用性和分解了问题的复杂性的同时,也使得代码庞大,层与层之间的控制关系复杂,开发出来的产品不能满足业务的要求,其主要表现在当并发用户增多或数据吞吐量增加的情况下,用户所提出的请求相应时间过长,甚至请求失败。有很多文献讨论了J2EE应用系统的性能,但都是针对系统某一方面的特性来分析或改进性能,其优化方法与策略往往是优化人员基于服务器厂商所提供的官方技术文档来分析各种参数的实际意义,这种调节方法的优化速度由于需要优化人员对服务器有一个熟悉的过程而显得比较漫长,缺少系统性和规律性,很难快速的确定所需调节的关键参数。 本文针对常用的应用服务器分析了其性能下降的原因,将粗糙集合理论中的属性约简原理与J2EE性能优化调节有效的结合起来,同时提出了调节参数模块化思想并结合属性约简算法对参数模块进行属性约简,从实践中定量的找出影响系统性能的主要参数对其进行着重调节快速提高系统性能。这区别于传统的基于定性调节的优化方法,而是采用基于定量的实验数据结果来进行优化。实践证明,本文所提出的优化方法在应用服务器调节方面行之有效,并具有对优化人员的要求低,快速调优等特点。 根据J2EE应用系统开发应用的实际情况,从系统的设计模式、组件复用、编码优化直至部署实施等这一整套过程出发,本文也提出了系统性能优化的方案,并针对系统的不同方面来阐述系统性能整体优化的解决方案。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码驿站 ，原文地址：https://m.bishedaima.com/lunwen/51357.html
