针对历史数据稀疏性导致推荐算法预测精度低的问题,提出基于多重相似度分析和CatBoost的推荐算法。利用修正的余弦相似度函数求解项目元数据和评分数据的相似矩阵并进行融合;采用大规模信息嵌入网络(large-scale information network em...针对历史数据稀疏性导致推荐算法预测精度低的问题,提出基于多重相似度分析和CatBoost的推荐算法。利用修正的余弦相似度函数求解项目元数据和评分数据的相似矩阵并进行融合;采用大规模信息嵌入网络(large-scale information network embedding,LINE)对融合后的相似矩阵进行多阶相似性分析计算更精确的近邻集;以此作为CatBoost的输入预测项目评分并利用Top-N推荐项目。为验证其有效性,在MovieLens数据集上进行实验并与其它方法对比。实验结果表明,该方法具有更高的推荐精度、更强的稳定性,可解决历史数据稀疏性导致的推荐质量低的问题。展开更多
农超对接过程中的利益分配影响着各成员合作的内在稳定性。在农业产业化背景下,以"农户+合作社+超市"型农超对接模式为研究对象,首先运用博弈理论建立模型,分析各种合作情况下各主体的最优利益;然后按照贡献程度,在传统Shaple...农超对接过程中的利益分配影响着各成员合作的内在稳定性。在农业产业化背景下,以"农户+合作社+超市"型农超对接模式为研究对象,首先运用博弈理论建立模型,分析各种合作情况下各主体的最优利益;然后按照贡献程度,在传统Shapley值法的基础上,引入风险承担、努力程度和资金投入3个修正因素,并运用TOPSIS(technique for order preference by similarity to an ideal solution)法确定修正系数,来对农超对接供应链进行利益分配;最后通过算例模拟分析证明了该方法的合理性和有效性,表明该方法对促进我国农业的发展和增强农产品供应链中各成员合作的稳定性具有一定的理论价值和参考意义。展开更多
文摘针对历史数据稀疏性导致推荐算法预测精度低的问题,提出基于多重相似度分析和CatBoost的推荐算法。利用修正的余弦相似度函数求解项目元数据和评分数据的相似矩阵并进行融合;采用大规模信息嵌入网络(large-scale information network embedding,LINE)对融合后的相似矩阵进行多阶相似性分析计算更精确的近邻集;以此作为CatBoost的输入预测项目评分并利用Top-N推荐项目。为验证其有效性,在MovieLens数据集上进行实验并与其它方法对比。实验结果表明,该方法具有更高的推荐精度、更强的稳定性,可解决历史数据稀疏性导致的推荐质量低的问题。
文摘农超对接过程中的利益分配影响着各成员合作的内在稳定性。在农业产业化背景下,以"农户+合作社+超市"型农超对接模式为研究对象,首先运用博弈理论建立模型,分析各种合作情况下各主体的最优利益;然后按照贡献程度,在传统Shapley值法的基础上,引入风险承担、努力程度和资金投入3个修正因素,并运用TOPSIS(technique for order preference by similarity to an ideal solution)法确定修正系数,来对农超对接供应链进行利益分配;最后通过算例模拟分析证明了该方法的合理性和有效性,表明该方法对促进我国农业的发展和增强农产品供应链中各成员合作的稳定性具有一定的理论价值和参考意义。
