摘要：近年来,社交网络已成为用户普遍分享信息和交流互动的媒介,这使得社交网络中的舆情信息传播具有速度快、覆盖范围广等特征.但是,由于存在较多破坏性强、非理性的负面舆情信息,故社交网络舆情信源的发现和控制受到了学术界与相关监管者的广泛关注.文章针对社交网络中节点间关系强度不确定、舆情信源定位困难等问题提出了一种两阶段的舆情信源发现方法,以传统社交网络SI模型为基础,融入用户关系强度进行优化,在异质网络环境下结合概率加权图和宽度优先搜索树进行建模,并结合Louvain算法进行算法设计,最后利用BA无标度网络和真实社交网络用户数据集进行算法比较.实验结果表明,文章所提舆情信源发现算法从运行效率和准确率来看都优于现有的信源定位算法.

摘要：随着社会网络关系的不断复杂化,商品是否推荐成功,除了基于商品本身的特征外,还受社会网络关系的影响。很多用户更加信任来自朋友的推荐,而非机器通过单因素计算出来的推荐结果。因此,设计了一个融入社会网络关系的电子商务推荐系统。其中,构建了社会网络关系强度、兴趣偏好强度和商品流行性与声望强度3个关键因子,每个一级因子又由若干个二级因子构成。实验结果验证了社会网络关系会对其中成员的网购等网络行为产生影响,构建的基于社会网络的电子商务推荐策略的效果比其他单因素推荐策略好且稳定,具有很好的实际应用效果。

摘要：该文主要研究在离散需求下,第三方物流仓储企业的动态分布式仓储能力分配策略。首先建立了基于随机背包思想的动态规划和两阶段模型,再对该模型设计了采用贪婪思想修复无效解的遗传算法。最后通过数值仿真分析比较了该文设计的采用贪婪思想修复无效解的遗传算法与普通采用惩罚因子的遗传算法的相关性能,并验证了该模型与算法的可行性和稳定性。

摘要：由于移动网络应用与电子支付业务量不断增长,信用卡欺诈的情况也呈现快速增长的趋势,由此给金融机构和运营商带来了巨大的挑战.欺诈检测问题本质上是不平衡的序列二分类问题,这类问题数据样本规模大,计算复杂度高,数据分布极不平衡,数据与数据之间会存在序列关系.文章使用长短期记忆网络(long short term memory networks,LSTM)结合历史交易序列,并针对交易数据不平衡的特性,整合了合成少数类过采样技术(synthetic minority oversampling technique,Smote)算法和k最近邻(k-nearest neighbor,kNN)分类算法设计并构建了一个基于kNN-Smote-LSTM的信用卡欺诈检测网络模型,它可以通过kNN判别分类器来不断筛选出安全生成样本来提升模型的性能,克服了Smote算法在生成新样本时的盲目性和局限性,实证表明通过kNN-Smote-LSTM模型结构化的融合可以大大改善模型组合时对多数类的误分类问题,展现了优越的风险检测性能.

摘要：移动互联网技术的迅猛发展,为移动电子商务发展奠定了基础,产生了新的移动消费模式。通过对大量的移动用户数据的来源与特征进行分析,设计了用户的特征模型,构建了融入情境分析的移动用户服务模型;在Hadoop架构的基础上搭建了电信领域大数据处理框架,并在电信业务数据融合与服务挖掘应用方面做了分析,为新移动消费、消费定制和个性化推荐与营销等提供了支持。

摘要：提出一种动态自适应排队模型,运用层次分析法确定各指标的权重参数,设计相应的排队算法。综合分析不同类型集装箱的优先级、各单集装箱已等待时间和各单集装箱数量等指标,据此确定各单集装箱综合优先级,最后利用动态自适应和遗传算法实现铁路集装箱的配载,并进行评价分析。针对我国目前铁路集装箱配载发货问题上存在的不足,提供合理的解决方向。