新興電子商務重大基礎問題與關鍵技術·新興電子商務：深度模式分析與不確定性建模

第1章 引言
第2章 信息搜索服務方法與測度
2.1 信息推薦與信息提取問題
2.2 消費者信息搜索過程中的信息推薦
2.2.1 消費者網上產品選擇過程
2.2.2 消費者產品考慮概率預測
2.2.3 消費者信息搜索價值增益預測
2.3 代表性信息提取
2.3.1 基于聚類的代表性信息提取方法
2.3.2 基于啟發(fā)式的代表性信息提取方法
2.4 信息推薦與提取服務評測
2.4.1 信息覆蓋度
2.4.2 信息冗余度
2.4.3 測度評價實驗
小結
第3章 信息搜索中的 Top-k相似性測度
3.1 概述
3.2 基于φ相關系數的Top-k相關對查詢
3.2.1 Pearson相關系數的基本概念
3.2.2 TAPER-Top-k——基于TAPER的Top-k相關對查詢
3.2.3 Top-COP： Top-k相關對查詢
3.2.4 實驗結果
3.3 基于余弦相似性的Top-k相關對查詢
3.3.1 余弦相似性
3.3.2 Top-k余弦相似性搜索——對角線遍歷算法
3.3.3 Top-k余弦相關性搜索——最大優(yōu)先遍歷算法
3.3.4 實驗結果
小結
第4章 聚類測度分析與設計
4.1 聚類評價總述
4.2 Kmeans聚類算法的均勻效應
4.3 Kmeans算法外部測度的篩選
4.3.1 常用的外部測度指標
4.3.2 外部測度指標的缺陷分析
4.4 Kmeans算法外部測度的標準化
4.4.1 測度標準化
4.4.2 均勻效應監(jiān)測指標DCV的有效性
4.4.3 測度標準化的影響
4.4.4 測度的性質
小結
第5章 基于關聯(lián)的高效分類模式發(fā)現(xiàn)
5.1 分類方法
5.1.1 分類方法簡介
5.1.2 現(xiàn)有分類方法
5.1.3 分類方法評價標準
5.2 基于關聯(lián)規(guī)則的分類方法
5.2.1 經典關聯(lián)規(guī)則分類方法
5.2.2 混合型關聯(lián)規(guī)則分類
5.2.3 關聯(lián)規(guī)則分類方法的可解釋性評價
5.3 關聯(lián)規(guī)則分類優(yōu)化策略
5.3.1 基于信息熵的高效關聯(lián)規(guī)則分類方法
5.3.2 模糊關聯(lián)分類方法
小結
第6章 大型網絡中基于群組的快速擴散系統(tǒng)與傳播控制
6.1 網絡擴散系統(tǒng)動力學機理
6.1.1 信息網絡環(huán)境
6.1.2 網絡結構模型
6.1.3 網絡節(jié)點狀態(tài)“劃分-轉移”模型
6.1.4 網絡中“點-組”快速擴散模型
6.2 網絡擴散控制策略
6.2.1 網絡病毒的短期擴散與長期存在
6.2.2 多步、分段控制策略
6.3 大型信息網絡中病毒免疫策略分析
6.3.1 大型信息網絡實施免疫策略面臨的管理挑戰(zhàn)
6.3.2 傳統(tǒng)的免疫策略
6.3.3 基于“點-組”快速擴散模式的周期免疫策略
6.3.4 周期免疫策略的容錯性分析
6.4 網絡中的非線性擴散問題
6.4.1 非線性SEIR擴散模型及其性質
6.4.2 恐慌心理效應對擴散的影響實驗
6.4.3 非線性擴散情況的啟示
小結
第7章 語言概括與狀態(tài)轉移模型
7.1 概述
7.2 狀態(tài)轉移系統(tǒng)的基本模型
7.3 狀態(tài)轉移的語言概括與建模
7.3.1 模糊性
7.3.2 隨機性
7.3.3 非確定性
7.4 狀態(tài)轉移系統(tǒng)的行為比較
7.4.1 語言等價
7.4.2 互模擬等價
7.4.3 行為距離測度
小結
參考文獻
索引