面向评价数据中用户偏好发现的证据理论方法

发布时间：2018-05-28 13:00

  本文选题：海量评价数据 + 用户偏好　； 参考：《计算机科学与探索》2017年02期

【摘要】：用户对商品和信息服务的评价包含评论和评分,富含了用户的兴趣、观点和偏好等行为信息。以真实和量化地反映用户对商品的喜好程度为目标,从海量的用户评价数据出发,基于边际效用定义用户偏好,基于D-S证据理论描述影响用户偏好的各影响因素的不确定性以及各因素之间的相互关系;以评论中的各词汇、包含正面/负面词汇的评论和评分作为用户对商品偏好的"证据",给出了综合考虑各影响因素的联合算子,以及基于MapReduce的计算方法和用户偏好发现机制。针对正确性、执行时间、加速比和并行效率等指标进行实验,结果验证了所提出方法的有效性。
[Abstract]:Users' evaluation of goods and information services includes comments and ratings, which is rich in behavioral information such as users' interests, opinions and preferences. With the goal of reflecting the user's preference for goods in real and quantitative terms, the user preference is defined on the basis of marginal utility, based on the massive user evaluation data. Based on D-S evidence theory, this paper describes the uncertainty of the factors influencing user preference and the relationship between the factors. The comments and ratings including positive and negative words are used as "evidence" of the user's preference for goods. The combined operator which considers all the factors is given, and the computing method based on MapReduce and the mechanism of user preference discovery are also presented. Experiments on correctness, execution time, speedup ratio and parallel efficiency are carried out, and the results show that the proposed method is effective.
【作者单位】： 云南大学信息学院;云南大学软件学院;
【基金】：国家自然科学基金Nos.61472345,61402398,61562090,61562091 云南省应用基础研究计划Nos.2014FA023,2016FB110 第二批“云岭学者”培养项目No.C6153001 云南大学青年英才培养计划No.XT412003~~
【分类号】：TP202

【相似文献】

相关期刊论文 前10条

1 陈增明;梁昌勇;蒋翠清;沈磊;;证据理论悖论消除的一种新方法[J];计算机应用研究;2006年11期

2 黄冠亚;赵全明;刘锋国;李玲玲;高朝晖;;D-S证据理论在综合评估中的应用[J];微计算机信息;2007年15期

3 易昆南;袁中萸;于菲菲;;D-S证据理论改进方法的应用[J];中南林业科技大学学报;2008年03期

4 谭玮;宋维;;基于D-S证据理论的网络设备故障诊断算法[J];计算机仿真;2008年08期

5 孙钦清;张元;廉飞宇;;证据理论在粮库储粮空洞检测中的研究[J];计算机与数字工程;2009年02期

6 邓三鹏;杨雪翠;苗德华;郭世杰;王创荣;;基于D-S证据理论的驾驶员疲劳监测方法研究[J];车辆与动力技术;2010年02期

7 曾元鉴;;D-S证据理论及其改进算法研究[J];舰船电子工程;2010年10期

8 夏祖勋，，刘同明，解洪成;关于证据理论中辨识框不同类型下的信息综合[J];华东船舶工业学院学报;1994年02期

9 刘大有，李岳峰;广义证据理论的解释[J];计算机学报;1997年02期

10 吴根秀;模糊证据理论[J];计算机与现代化;1998年02期

相关会议论文 前10条

1 马永一;沈怀荣;彭颖;;对D-S证据理论几种改进方法的分析与讨论[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年

2 郑德玲;汤新蓓;方巍;王俊然;;基于D-S证据理论的多专家意见综合方法[A];1996年中国控制会议论文集[C];1996年

3 孙怀江;杨静宇;;证据理论的改进及其应用[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年

4 潘巍;王阳生;;一种基于D-S证据理论的情感辨识算法[A];第一届中国情感计算及智能交互学术会议论文集[C];2003年

5 周凌柯;刘瑞兰;;对证据理论检测显著误差的研究[A];2005全国自动化新技术学术交流会论文集（三）[C];2005年

6 孔鹏程;周健;;基于D-S证据理论的改进算法的研究[A];2011中国仪器仪表与测控技术大会论文集[C];2011年

7 赵韩;方艮海;王勇;;证据理论在机构评价与选型中的应用[A];第十四届全国机构学学术研讨会暨第二届海峡两岸机构学学术交流会论文集[C];2004年

8 谢楠;李靖;李建爽;黄绚烨;;基于证据理论的施工中人为过失改错效果的评估方法[A];第22届全国结构工程学术会议论文集第Ⅲ册[C];2013年

9 马小平;汪永东;樊阳;;模糊证据理论的深入研究[A];第二十六届中国控制会议论文集[C];2007年

10 朱靖;王晨熙;鄢茂林;郑义成;;D-S证据理论在多传感器身份融合中的改进[A];全国第一届信号处理学术会议暨中国高科技产业化研究会信号处理分会筹备工作委员会第三次工作会议专刊[C];2007年

相关博士学位论文 前8条

1 张哲;基于证据理论的结构可靠性分析方法[D];湖南大学;2016年

2 李海生;基于证据理论的分类方法研究[D];华南理工大学;2013年

3 肖建于;证据理论研究及其在矿井突水预测中的应用[D];中国矿业大学;2012年

4 栗峥;后现代证据理论研究[D];中国政法大学;2008年

5 梁伟光;基于证据理论的在轨航天器故障诊断方法研究[D];中国科学技术大学;2011年

6 缪燕子;多传感器信息融合理论及在矿井瓦斯突出预警系统中的应用研究[D];中国矿业大学;2009年

7 锁斌;基于证据理论的不确定性量化方法及其在可靠性工程中的应用研究[D];中国工程物理研究院;2012年

8 肖明珠;基于证据理论的不确定性处理研究及其在测试中的应用[D];电子科技大学;2008年

相关硕士学位论文 前10条

1 贺晓;基于改进D-S证据理论的高速列车走行部故障诊断研究[D];西南交通大学;2015年

2 王睿虹;基于广义证据理论的多模式智能推理与融合研究[D];上海交通大学;2015年

3 宋姝婷;基于Rough集、T-范数和证据理论的属性约简研究[D];江西师范大学;2015年

4 何俊;基于证据理论的在线消费者备选商品评价研究[D];电子科技大学;2015年

5 杨星亚;基于证据理论的中小企业信用评级研究[D];合肥工业大学;2015年

6 郭威;基于证据理论的多源信息融合技术研究与应用[D];解放军信息工程大学;2015年

7 吴尚;基于证据理论的风电机组故障诊断研究[D];上海电机学院;2016年

8 田佳霖;基于D-S证据理论的融合算法及其在交通事件检测中的应用[D];长安大学;2016年

9 杨亿;基于证据理论的多天线双向中继相关技术研究[D];北京工业大学;2016年

10 范松;基于证据理论的机械可靠性分析及优化设计方法[D];湖南大学;2015年

本文编号：1946793