检索结果-内蒙古大学图书馆

作者：冯晨娇山西大学

学位级别：博士

互联网时代,数据呈爆炸式增长,前所未有的数据量远远超过受众的接收和处理能力,因此,从海量复杂数据中有效获取关键性有用信息成为必须解决的问题.面对信息过载问题,人们迫切需要一种高效的信息过滤系统,“推荐系统”应运而生.20世纪90... 详细信息

互联网时代,数据呈爆炸式增长,前所未有的数据量远远超过受众的接收和处理能力,因此,从海量复杂数据中有效获取关键性有用信息成为必须解决的问题.面对信息过载问题,人们迫切需要一种高效的信息过滤系统,“推荐系统”应运而生.20世纪90年代以来,尽管推荐系统在理论、方法和应用方面取得了系列重要进展,但数据的稀疏性与长尾性、用户行为模式挖掘、可解释性、社会化推荐等问题仍然是其面临的重要挑战.进一步地,伴随互联网及信息技术的持续飞速发展,用户规模与项目数量急剧增长,相应地,用户行为数据的稀疏性、长尾性问题更加凸显.面对上述挑战,本文针对数据稀疏性挑战下的“经典相似性度量的失效问题”“近邻推荐对稀疏数据的敏感性问题”、数据长尾性挑战下的“可解释性问题”“社会化信息融合问题”开展协同过滤推荐方法的创新性研究.主要研究成果概括如下:(1)针对用户评分矩阵稀疏情境下经典相似性度量的失效问题,提出了基于极端评分行为相似度的近邻推荐方法.面对数据稀疏情境下共同评分项目极少现象引致的经典相似性度量失效或度量不准确问题,着眼于用户共同极端评分行为的深入分析,建立了用户之间的极端评分行为指数;通过将极端评分行为指数作为权重融入传统的相关系数,构造了非线性相关关系与线性相关关系相融合的相似性度量准则.实验比较结果表明,基于极端评分行为相似度的近邻推荐方法,可以更为精细地刻画用户之间的相关关系,进而提升推荐的预测精度.(2)针对近邻推荐对稀疏数据的敏感性问题,提出了融合近邻信息的概率矩阵分解推荐方法.面对评分矩阵中由于共同评分项目有限而导致近邻推荐中仅能获取数量非常有限的近邻进而影响推荐效果稳健性的问题,引入基于极端评分行为的相似度构造近邻矩阵,缓解近邻获取的不稳定性问题;着眼于概率矩阵分解可以自适应拟合评分矩阵进而具有推荐预测稳健性的优势,建立了融合极端评分行为、近邻关系以及概率矩阵分解模型的协同过滤推荐方法.实验比较结果表明,融合近邻信息的概率矩阵分解推荐方法,在推荐预测精度方面具有较好的稳健性优势.(3)针对长尾推荐的可解释性问题,提出了基于三因素概率图模型的长尾推荐方法.面对长尾推荐过程中推荐系统、用户对“具有可解释性的长尾项目推荐”的现实需求,着眼于概率图模型在因果关系方面的可解释性优势,立足于“新颖性+准确性”综合考量的算法设计目标,建立了基于用户活跃度、项目非流行度和用户-项目偏好水平的三因素概率图推荐方法.实验比较结果表明,具有可解释性优势的三因素概率图推荐方法在保证一定预测精度的前提下具有更好的新颖性推荐效果.(4)针对长尾推荐的社会化信息融合问题,提出了融合社交网络信息的长尾推荐方法.面对长尾推荐任务中“用户更倾向于信任来自朋友的推荐”这一基本观点,着眼于社交网络信息与评分矩阵信息融合视角,通过社交网络和评分矩阵共享用户的潜在特征向量,并将好友推荐信息纳入概率图模型中的长尾推荐影响因素框架,建立了融合社会化信息的概率图推荐方法.实验比较结果表明,融合社交网络信息的长尾推荐方法在保证较高预测精度的同时,具有更优的长尾推荐效果.综上所述,本文面向用户数据的稀疏性与长尾性挑战,综合运用相似度计算、近邻推荐、概率矩阵分解、概率图等技术,提出了系列协同过滤推荐方法,为缓解互联网时代的信息过载问题提供了一些重要的研究成果.研究成果丰富和发展了推荐系统的模型与方法体系,在电商网站、社交媒体等各类推荐场景中具有广泛的应用前景.

关键词：推荐系统协同过滤稀疏性长尾性极端评分行为概率矩阵分解概率图社交网络

来源：评论

学校读者我要写书评

暂无评论

无限方差的GARCH模型的WLAD估计及渐近性质

无限方差的GARCH模型的WLAD估计及渐近性质

引用

作者：冯晨娇山西大学

学位级别：硕士

在长期的实证研究中,人们发现诸如股票价格等金融时间序列通常表现出聚集性(volatility clustering)特征.所谓聚集性是指金融市场大幅波动往往伴随着另一次大的波动.因此如何准确刻画市场波动的这种异方差(Heteoskedastic)特征,并对未... 详细信息

在长期的实证研究中,人们发现诸如股票价格等金融时间序列通常表现出聚集性(volatility clustering)特征.所谓聚集性是指金融市场大幅波动往往伴随着另一次大的波动.因此如何准确刻画市场波动的这种异方差(Heteoskedastic)特征,并对未来市场的波动做出尽量准确的预测,对于金融学的理论研究以及金融监管政策的制定都具有极其重要的理论意义和现实意义.而通常我们为了解决问题的方便,往往假设序列服从同方差的正态分布,这恰好与实际情况相违背.在这种与实际情况出入较大的假设下,采用的参数估计方法、检验方法以及模型的选择上都将会出现较大的偏差,从而导致结论误差大甚至错误.同时,金融时间序列还表现出“重尾”现象,这种现象不可忽视.在波动性研究领域中,Engle和Tim Bollerslev先后提出的ARCH(自回归条件异方差)和GARCH(广义自回归条件异方差)模型,由于能够对金融时间序列的“尖峰厚尾”及。异方差。进行较为成功的刻画、计量,因此受到了许多金融学者的青睐.但是,Mikosch Starica发现残差服从正态分布的GARCH(1,1)模型的尾部比实际数据中的薄.因此,怎样在异方差、重尾的假设下建立一个恰当的模型及给出合理的估计方法成为当今理论界和实业界研究的热点.本文侧重于解决具有较厚尾部的异方差模型的参数估计问题. 本篇论文系统地阐述了重尾分布和GARCH模型的严平稳性,回顾了GARCH模型参数估计的历史进程.总结了GARCH模型在残差服从不同分布的假设下参数估计方法的选择.详细讨论了当时间序列呈现重尾性时,GARCH模型的准极大似然估计(QMLE)、最小一乘估计(LADE)方法,提出对LADE方法进行改进,称为带有权重的一乘估计(WLADE).用Monte-Carlo模拟一组具有重尾、聚集特征的数据,分别用QMLE、LADE、WLADE三种估计方法进行参数估计,并建立GARCH模型,比较它们的优良性.随后对上海和深圳两市股指数据进行了实证分析.计算结果表明,上海和深圳股指收益率具有重尾性、异方差性.与此同时,采用WLADE建立了GARCH模型,并对波动率给出了预测,从而给VAR值的计算提供了新的方法.实证结果表明,用本文提出的方法计算出的VAR值比常用的QMLE方法计算出的VAR值准确. 论文主要结论: 从整体上看,在具有重尾、聚集性的金融时间序列当中,应用WLADE方法建立GARCH模型,能得到令人满意的结果,WLADE方法优于我们常用的QMLE方法和LADE方法,WLADE方法在尾部数据较厚时估计精确性较高一些,而且受异常值的影响小.

关键词：重尾分布严平稳遍历性 QMLAE方法 LADE方法 WLADE方法 GARCH模型

来源：评论

学校读者我要写书评

暂无评论

大数据相关分析综述

引用

计算机学报 2016年第1期39卷 1-18页

作者：梁吉业冯晨娇宋鹏山西大学计算智能与中文信息处理教育部重点实验室太原030006 山西财经大学应用数学学院太原030006 山西大学经济与管理学院太原030006

大数据时代,相关分析因其具有可以快捷、高效地发现事物间内在关联的优势而受到广泛的关注,并有效地应用于推荐系统、商业分析、公共管理、医疗诊断等领域.面向非线性、高维性等大数据的复杂特征,结合现有相关分析方法的语义分析,文中... 详细信息

大数据时代,相关分析因其具有可以快捷、高效地发现事物间内在关联的优势而受到广泛的关注,并有效地应用于推荐系统、商业分析、公共管理、医疗诊断等领域.面向非线性、高维性等大数据的复杂特征,结合现有相关分析方法的语义分析,文中从统计相关分析、互信息、矩阵计算、距离4个方面对大数据相关分析的现有研究成果进行了梳理.在对统计学中的经典相关分析理论进行归纳、总结的基础上,文中从大规模数据的通用性和均等性视角阐述了基于互信息的两个变量间非线性相关分析理论,从高维数据可计算的角度分析了基于矩阵计算的相关系数,从非线性、高维性数据的复杂结构方面解析了基于距离的相关系数.进一步地,该文在对已有相关分析方法进行分析与比较的基础上,围绕高维数据、多变量数据、大规模数据、增长性数据及其可计算方面探讨了大数据相关分析的研究挑战.

关键词：大数据相关分析相关系数信息熵

来源：评论

学校读者我要写书评

暂无评论

融合社交网络信息的长尾推荐方法

引用

模式识别与人工智能 2022年第1期35卷 26-36页

作者：冯晨娇宋鹏张凯涵梁吉业山西财经大学应用数学学院太原030006 山西大学经济与管理学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

在长尾推荐场景中,目标用户更信任与自己兴趣相似的好友的推荐结果,故为目标用户推荐其好友的个性化偏好物品有利于提高长尾推荐性能.相应地,如何有效融合社交网络信息与评分矩阵信息,提升推荐性能自然成为长尾推荐中的重要问题.为此,... 详细信息

在长尾推荐场景中,目标用户更信任与自己兴趣相似的好友的推荐结果,故为目标用户推荐其好友的个性化偏好物品有利于提高长尾推荐性能.相应地,如何有效融合社交网络信息与评分矩阵信息,提升推荐性能自然成为长尾推荐中的重要问题.为此,文中从信息融合视角出发,通过社交网络和评分矩阵共享用户的潜在特征向量,并将好友推荐信息作为长尾推荐的重要影响因素,建立融合社交网络信息的长尾推荐方法.将用户活跃度、项目非流行度、用户项目偏好水平及好友推荐行为作为输入,采用变分推断方法,得出模型中相关未知参数,实现预测功能.实验表明,文中方法能在有效实现长尾物品推荐的同时,保证较高的推荐精度.

关键词：推荐系统长尾推荐社会化推荐概率图模型

来源：评论

学校读者我要写书评

暂无评论

一种基于3因素概率图模型的长尾推荐方法

引用

计算机研究与发展 2021年第9期58卷 1975-1986页

作者：冯晨娇宋鹏王智强梁吉业计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006 山西财经大学应用数学学院太原030006 山西大学经济与管理学院太原030006

互联网时代,数据呈爆炸式增长,前所未有的数据量远远超过受众的接收和处理能力,因此,从海量复杂数据中有效获取关键性有用信息成为必须解决的问题.面对信息过载问题,人们迫切需要一种高效的信息过滤系统,“推荐系统”应运而生.在现实的... 详细信息

互联网时代,数据呈爆炸式增长,前所未有的数据量远远超过受众的接收和处理能力,因此,从海量复杂数据中有效获取关键性有用信息成为必须解决的问题.面对信息过载问题,人们迫切需要一种高效的信息过滤系统,“推荐系统”应运而生.在现实的推荐场景中,用户给予项目的评分或者选择项目的频次是一个典型的长尾现象.事实上,长尾现象的深入分析,不仅有助于挖掘用户的个性化偏好,更有助于电商场景中相关利益主体的业绩提升.因此,长尾推荐研究日益受到重视.针对长尾推荐的可解释性问题,提出了基于3因素概率图模型的长尾推荐方法.面对长尾推荐过程中推荐系统、用户对“具有可解释性的长尾项目推荐”的现实需求,着眼于概率图模型在因果关系方面的可解释性优势,立足于“新颖性+准确性”综合考量的方法设计目标,建立了基于用户活跃度、项目非流行度和用户-项目偏好水平的3因素概率图推荐方法.实验比较结果表明,具有可解释性优势的3因素概率图推荐方法在保证一定预测精度的前提下具有更好的新颖性推荐效果.

关键词：推荐系统长尾概率图模型变分推断新颖性

来源：评论

学校读者我要写书评

暂无评论

基于复合期权的R&D项目投资评价

引用

研究与发展管理 2008年第2期20卷 91-96,113页

作者：冯晨娇刘维奇山西大学数学科学学院太原030006

如何评价R&D项目已成为理论界和实业界关注的焦点.人们越来越多地应用实物期权方法代替传统的净现值(NPV)法.实物期权能够灵活地评价项目未来的增长机会,而净现值法往往忽视期权价值,可能导致R&D项目价值的低估.由于研发项目一... 详细信息

如何评价R&D项目已成为理论界和实业界关注的焦点.人们越来越多地应用实物期权方法代替传统的净现值(NPV)法.实物期权能够灵活地评价项目未来的增长机会,而净现值法往往忽视期权价值,可能导致R&D项目价值的低估.由于研发项目一般是多阶段的,可以用多个实物期权的复合期权来建立相应的数学模型.采用复合期权方法评价R&D项目投资,为了方法的适用性和可操作性,假定R&D项目收益服从随机跳扩散模型,R&D项目投资各阶段波动率不同,每一阶段都具有常数波动率.

关键词： R&D项目复合期权跳-扩散过程波动率

来源：评论

学校读者我要写书评

暂无评论

基于对比学习和语义增强的多模态推荐算法

引用

模式识别与人工智能 2024年第6期37卷 479-490页

作者：张凯涵冯晨娇姚凯旋宋鹏梁吉业中北大学计算机科学与技术学院太原030051 山西财经大学应用数学学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006 山西大学经济与管理学院太原030031

产品的多模态数据通常被作为额外的辅助信息引入推荐算法中,丰富用户与产品的表示特征,有效融合用户与产品的交互信息和多模态信息是关键研究内容之一.现有方法在特征融合与语义关联建模上仍存在不足,对此,文中从特征融合视角出发,构建... 详细信息

产品的多模态数据通常被作为额外的辅助信息引入推荐算法中,丰富用户与产品的表示特征,有效融合用户与产品的交互信息和多模态信息是关键研究内容之一.现有方法在特征融合与语义关联建模上仍存在不足,对此,文中从特征融合视角出发,构建基于对比学习和语义增强的多模态推荐算法.首先,采用图神经网络与注意力机制充分融合协同特征与多模态特征.然后,以协同信息中的交互结构为指导,学习各模态内的语义关联结构.同时,采用对比学习范式捕捉跨模态的表征依赖关系,在对比损失中引入可靠性因子,自适应调整对多模态特征的约束强度,抑制数据噪声的影响.最后,联合优化上述任务,生成推荐结果.在4个真实数据集上的实验表明文中算法的优越性.

关键词：推荐系统多模态推荐算法图神经网络对比学习

来源：评论

学校读者我要写书评

暂无评论

财务危机预警的统计方法研究

引用

太原科技 2008年第5期172卷 19-20页

作者：冯晨娇山西财经大学应用数学系山西太原030006

随着市场竞争的日益激烈,现代企业面临的竞争压力急剧加强,通过对财务危机预警定量方法进行比较分析,旨在从实际出发寻求具有较强适用性的预警建模方法,以提高企业对财务危机预测和警示的能力,推动企业可持续发展。

关键词：财务危机预警统计方法定量方法

来源：评论

学校读者我要写书评

暂无评论

基于极端评分行为的相似度计算

引用

计算机科学 2020年第2期47卷 31-36页

作者：冯晨娇梁吉业宋鹏王智强山西大学计算智能与中文信息处理教育部重点实验室太原030006 山西财经大学应用数学学院太原030006 山西大学经济与管理学院太原030006

随着互联网技术的迅猛发展,互联网信息急剧增长,信息过载问题愈发凸显。面对海量的互联网信息,用户往往需要耗费大量的时间来搜索所需的信息或产品,而搜索的解往往受到制约。为解决信息过载问题,推荐系统应运而生。推荐系统根据用户的... 详细信息

随着互联网技术的迅猛发展,互联网信息急剧增长,信息过载问题愈发凸显。面对海量的互联网信息,用户往往需要耗费大量的时间来搜索所需的信息或产品,而搜索的解往往受到制约。为解决信息过载问题,推荐系统应运而生。推荐系统根据用户的历史行为推测其需求、兴趣等,将用户感兴趣的信息、产品等推荐给用户。作为推荐领域中一类重要的推荐方法,基于记忆的协同过滤方法通常依据用户或产品的近邻信息来构造评分预测函数,其核心在于准确度量用户或产品之间的相似度。传统的相似度量,如皮尔逊、余弦及秩相关系数等,通常只考虑了用户之间的线性关系;而启发式相似度如基于3个特殊因子的PIP相似度及其改进方法,则只刻画了用户之间的非线性关系。事实上,在推荐系统中,就用户之间的相似关系而言,仅用线性或是非线性函数来度量均是不准确的。为了更为精细地刻画用户之间的相似程度,文中提出了基于非线性函数的用户极端评分行为的相似程度度量指数,通过将该指数融入传统的线性相关系数,构造了一个考虑极端评分行为的新的相似度。为验证该方法的有效性,基于Ml(100k)和Ml-latest-small两个数据集,将其与传统相似度以及启发式相似度进行比较,结果显示基于极端评分行为相似度的协同过滤方法在MAE和RMSE指标上能够获得更好的表现。

关键词：推荐系统协同过滤基于记忆的协同过滤极端评分行为相似度

来源：评论

学校读者我要写书评

暂无评论

将数学建模思想引入“贝叶斯公式”教学中的案例实施

引用

江苏科技信息 2020年第34期37卷 57-59页

作者：曹建美冯晨娇王凤翔山西财经大学应用数学学院山西太原030006

文章分别从新课导入、知识应用、课后拓展3个教学环节将数学建模思想融入“概率论与数理统计”课程中“贝叶斯公式”的案例教学中,以期探讨将数学建模思想融入整个教学过程的具体实施策略。

关键词：数学建模 “贝叶斯公式” 案例教学

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：