CN112926999B - 一种大宗商品交易平台关联监管范围的自适应推荐方法与系统 - Google Patents
一种大宗商品交易平台关联监管范围的自适应推荐方法与系统 Download PDFInfo
- Publication number
- CN112926999B CN112926999B CN202110330979.9A CN202110330979A CN112926999B CN 112926999 B CN112926999 B CN 112926999B CN 202110330979 A CN202110330979 A CN 202110330979A CN 112926999 B CN112926999 B CN 112926999B
- Authority
- CN
- China
- Prior art keywords
- transaction
- node
- platform
- nodes
- community
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Business, Economics & Management (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种大宗商品交易平台关联监管范围的自适应推荐方法与系统,根据大宗商品交易平台中的历史交易数据,构建平台关联网络,并基于该网络进行平台之间的关联性划分,从而推荐合适的关联交易平台的监管范围。本方法适用于大宗商品电子商务交易市场的监管,通过分析在不同交易平台的共同交易用户的历史交易数据,并进行数据处理,形成具有平台主体间关联关系的复杂网络,接着通过全局社区发现算法,依据给社区带来的增益判断平台间的关联度,选择合适的社区,最终为监管部门监管某个交易平台时推荐与该交易平台关联密切的其他交易平台进行监管,本发明推荐合适的平台监管范围,提升了监管效率,达到优化监管的效果。
Description
技术领域
本发明属于大宗商品电子商务监管技术领域,尤其涉及一种大宗商品交易平台关联监管范围的自适应推荐方法与系统。
背景技术
随着大宗商品交易市场的不断发展,其牵扯的物资范围以及涉及到的平台范围越来越广,据相关数据显示,截止到2018年底,我国共有大宗商品电子交易市场2461家,交易品种覆盖20多个行业。同时,电子化交易平台的不断发展又将大宗商品交易带入互联网当中,新型电子化交易方式逐渐呈现跨平台、跨区域和跨市场的特点,导致近年来大宗商品市场风险事件频发,异常交易事件层出不穷。当一个交易平台出现崩盘时,这些存在共同交易用户的交易平台也会受到巨大的牵连,进而波及到整个交易市场。以往只针对单一的交易平台进行监管的方式无法有效地发现异常交易的情况,而面向全部平台的全局监管方式则会造成监管资源的浪费、监管效率低的问题,因此为监管部门推荐一个合适的交易平台监管范围就显得至关重要了。
复杂系统是对现实世界进行抽象化得到的网络模型,复杂网络中的节点由复杂系统中的对象表示,复杂网络中的边代表对象与对象之间的关系,这种规律或联系就形成了具有组织的复杂网络。通过复杂网络,复杂系统中的拓扑结构信息可以很好的保存和体现出来,同时有利于研究人员了解复杂系统的内部结构。因此,将复杂网络引入大宗商品领域,将大宗商品交易平台与交易用户映射为复杂网络中的节点,将交易平台的历史交易信息映射为网络中节点的连接关系,通过分析交易平台节点之间的连接关系,就可以计算出所有交易平台节点的关联关系,从而可以为监管部门推荐出最合适的平台监管范围。
自适应推荐方法和系统意味着通过软件系统的计算,监管部门可以在不需要人工选择监管范围的情况下,进行自动化的监管范围推荐。软件系统依据当前历史交易数据以及当前需要监管的交易平台,自适应推荐更加合适的交易平台监管范围。同时自适应系统的设计能够适应历史交易数据的不断更新,进行自适应调整的平台监管范围的推荐。
监管范围的自适应推荐方法与系统就是将复杂网络的相关方法同大宗商品交易市场中的监管范围推荐结合起来,将复杂网络中的节点看作大宗商品交易中的各平台。根据大宗商品交易市场中历史交易数据以及需要监管的交易平台,对交易数据构建复杂网络模型,通过对复杂网络的深入分析和挖掘,准确地进行监管范围的推荐,改进目前单一监管模式带来的监管不全以及低效监管的问题,让监管部门进行更合适的有效监管,从而发现异常交易。
发明内容
技术问题:
本发明提出了一种大宗商品交易平台关联监管范围的自适应推荐方法与系统,用于给大宗商品电子市场监管部门推荐合适的交易平台监管范围。该系统首先抽取大宗商品的相关交易数据,利用抽取的交易信息构建交易平台—交易用户关联网络,然后根据不同交易平台节点的共同交易用户以及交易用户的交易信息,计算交易平台间的关联度,然后通过该关联度构建交易平台关联网络,从而进行全局社区划分,然后找出待监管的交易平台所属的社区,以社区中其他交易平台为参考推荐出合适的交易平台监管范围。该系统提出的方法以关联度的形式描述交易平台的关联关系,可以用于大宗商品交易平台监管环境中为监管部门进行监测提供合适的监管范围。
技术方案:
一种大宗商品交易平台关联监管范围的自适应推荐方法,包括以下步骤:
(1)系统初始化后,输入待监管的交易平台信息,数据库读取历史交易数据;
(2)提取交易平台中的交易用户,对交易数据进行处理,构建交易平台-交易用户关系网络;
(3)根据交易用户跨平台交易计算交易平台关联度,构建交易平台关联网络;
(4)每个节点为一个社区构建初始全局社区,然后计算节点I加入其邻居节点所在的社区所带来的模块度Q的收益;
(5)判断增益是否存在,若增益不存在,则进入步骤(7),若存在将节点I加入带来增益最大的社区,将各个社区所有节点压缩成为一个节点,社区内的权重转化成新节点环的权重,社区间权重转化为新节点边的权重;
(6)判断模块度Q是否较前一次迭代有所变化且迭代次数是否小于最大值,若是则回到步骤(3),若否则进入步骤(7);
(7)社区划分结束,根据划分结果各自适应推荐交易平台监管范围。
进一步,所述步骤(2)中将大宗商品交易市场涉及的交易平台、交易用户以及交易行为用数学集合的方式表示出来,集合S={s1,s2,...,sk}表示k个交易平台,集合U={u1,u2,...,un}表示n个交易用户,集合T={t1,t2,...,tm}表示m笔交易行为,每一笔交易记录tk可以表示成一个三元组的形式tk=<ui,sj,ak>,其含义为交易用户ui在交易平台sj上产生过一笔交易量为ak的交易行为。
进一步,所述步骤(2)中依据交易行为可以创建具有现实含义的交易平台-交易用户网络,所述交易平台-交易用户网络中顶点集合V中存在两类节点:交易平台节点和交易用户节点,即V={s1,s2,...,sk,u1,u2,...,un},其中si为交易平台节点,uj为交易主体节点。根据交易行为计算每位用户在不同交易平台节点上的交易数据总和,可以形成交易平台节点与交易用户节点之间的无向有权边的集合定义,其数学形式如下:,
其中up和sq分别为无向边的两个端点,up为交易用户节点,sq为交易平台节点,为无向边的权值。
进一步,步骤(3)中利用随机游走的思想,直接计算交易平台节点间的关联度计算公式,考虑两个交易平台p和q之间的所有用户交易情况,最终从交易平台p到达交易平台q的概率作为交易平台q对交易平台p的关联度,在只考虑共同用户的交易情况下,取随机游走路径最大长度为2,即具体的计算公式如下:
其中,q表示待计算边权的起始节点,p表示待计算边权的终止节点,l(τ)为路径长度,c表示常数系数,控制q→p路径的随机概率。τ表示q→p的一条特定路径,由于在大宗商品交易市场的背景下,只考虑交易用户的跨平台行为,因此,路径最大长度为2。P(τ)表示节点q穿过路径τ到达节点q的转移概率。在考虑复杂网络中权值现实意义的情况下,转移概率计算公式如下:
其中ui表示从q到p路径,即τ上经过的用户节点,表示初始复杂网络中,交易平台节点q和用户节点ui间的边权,即用户ui在交易平台节点q上的交易量总和。表示交易平台节点的度,即在交易平台节点q上产生的所有交易量总和。表示初始复杂网络中,交易平台节点p和用户节点ui间的边权,即用户ui在交易平台节点p上的交易量总和。/>表示用户节点ui的度,用户ui产生的所有交易总和。根据上述随机游走模型对交易平台-交易用户网络中交易平台节点进行关联度计算,得到只包含交易平台节点的复杂网络。
进一步,所述步骤(4)中将复杂网络中每个节点看成一个独立社区,初次社区的数目和节点数相同。设定算法的最大迭代次数为τ。定义模块度公式其中w表示整个复杂网络中边的权重和,即总权重。Aij表示节点i到节点j之间边的权重,ki表示与节点i相连的边的权重和,ci表示节点i所在的社区号,δ(ci,cj)表示节点i和节点j是否在同一个社区,若在则值为1,否则为0。
进一步,所述步骤(4)中对于每个节点i,依次尝试把节点i分配到其每个邻居节点所在的社区,计算分配前模块度Q与分配后的模块度Q*,从而得到模块度增益其中ki,in表示节点i入射到社区C的权重之和,∑tot表示入射到社区C的总权重,ki表示与节点i相连的边的权重和。随后记录让模块度增益ΔQ最大的那个邻居节点,如果maxΔQ>0,则把节点i分配ΔQ最大的那个邻居节点所在的社区,否则保持不变。重复以上步骤,直到所有的节点所属的社区不再变化。
进一步,所述步骤(5)中对划分好的复杂网络进行压缩,即将所有在同一个社区的节点看成一个新节点,并且将两个社区内相连节点之间的权重和作为两个社区退化成新节点之后的边的权重。继续将节点看作单个社区,迭代运行社区划分步骤,直到评价指标,即模块度不再变化,或者迭代次数达到规定的最大迭代次数τ。此时每个初始节点都有了其对应的社区范围,被划分在同一社区中的节点都可以被看作彼此间的关联度很强的节点,因此找到输入的待监管的平台节点,输出其所属社区的其他交易平台节点作为交易平台监管空间粒度。
有益效果:
(1)为监管部门提升监管效率,减少监管时间:本系统发明在监管部门输入待监管的交易平台时,根据交易平台间共同交易用户跨平台交易行为为监管部门推荐合适的交易平台监管范围,可以有效针对待监管平台的跨平台行为,避免单一平台监管方式的导致跨平台交易监管不全问题,也可以避免由全局监管带来的大量监管工作,从而为监管部门提升监管效率,减少监管时间;
(2)具有良好的自适应性:本系统发明是根据历史交易信息进行交易平台监管范围推荐,自动对数据进行处理,无需人工干预,即使历史数据在不断的更新,该系统的推荐结果也在随之进行更新,这保证了系统很好的自适应性。
附图说明
说明各附图所表示的含义
图1为本发明的初始复杂网络。
图2为本发明修订后的复杂网络。
图3为本发明的主要流程图。
其中图1、图2中的圆形节点表示交易平台的节点,图1中方形节点表示交易用户节点,其中标记数字1,2,3,…,9表示节点的序号。
下面对本发明技术方案结合附图进行详细说明。
具体实施方式
本发明的一种大宗商品交易平台关联监管范围的自适应推荐方法与系统,是在已知历史交易信息以及由交易平台相关信息的情况下,不需要进行人为的进一步分析,而是由系统基于复杂网络分析方法,对整个大宗商品交易市场的交易状况进行分析,最终为监管部门推荐交易平台监管范围。
本发明一种大宗商品交易平台关联监管范围的自适应推荐方法与系统,如图3所示,具体包括以下步骤:
(1)将大宗商品交易市场涉及的交易平台、交易用户以及交易行为用数学集合的方式表示出来,集合S={s1,s2,...,sk}表示k个交易平台,集合U={u1,u2,...,un}表示n个交易用户,集合T={t1,t2,...,tm}表示m笔交易行为,每一笔交易记录tk可以表示成一个三元组的形式tk=<ui,sj,ak>,其含义为交易用户ui在交易平台sj上产生过一笔交易量为ak的交易行为。
(2)如图1所示,针对交易行为关系为所有交易平台-交易用户构建交易关联网络,其中圆圈代表一种交易平台的集合,方块表示交易用户的集合,因此该网络中顶点集合V中存在两类节点:交易平台节点和交易用户节点,即V={s1,s2,...,sk,u1,u2,...,un},其中si为交易平台节点,uj为交易主体节点。根据交易行为计算每位用户在不同交易平台节点上的交易数据总和,可以形成交易平台节点与交易用户节点之间的无向有权边的集合定义,其数学形式如下:,
其中up和sq分别为无向边的两个端点,up为交易用户节点,sq为交易平台节点,为无向边的权值
(3)利用随机游走(Random walk)的思想,对目前传统社区发现算法无法有效解决现实大宗商品交易网络种既存在交易用户节点,也存在交易平台节点的情况,提出一种可以直接计算交易平台节点间的关联度算法。其具体计算公式如下,考虑两个交易平台p和q之间的所有用户交易情况,按照随机游走的方式,最终从交易平台p到达交易平台q的概率作为交易平台q对交易平台p的关联度。
其中,q表示待计算边权的起始节点,p表示待计算边权的终止节点,c表示常数系数,控制q→p路径的随机游走概率。τ表示q→p的一条特定路径,由于在大宗商品交易市场的背景下,只考虑共同存在的交易用户,因此,路径最大长度限定为2,同时有步骤1可知,交易平台之间不存在之间连接边,因此路径长度固定为2。此时交易平台q对交易平台p的关联度可以简化为:
常数c对计算关联度不再影响,因此不再考虑常数c的取值。P(τ)表示节点q穿过路径τ到达节点q的转移概率。在考虑复杂网络中权值现实意义的情况下,转移概率P(τ)如下:
其中ui表示从q到p路径,即τ上经过的用户节点,表示初始复杂网络中,交易平台节点q和用户节点ui间的边权,即用户ui在交易平台节点q上的交易数据总和。表示交易平台节点的度,即在交易平台节点q上产生的所有交易量总和。表示初始复杂网络中,交易平台节点p和用户节点ui间的边权,即用户ui在交易平台节点p上的交易量总和。/>表示用户节点ui的度,用户ui产生的所有交易量总和。根据该模型进行权值计算交易平台之间的关联度,得到只包含交易平台节点的复杂网络。
(4)将交易平台网络中每个节点看成一个独立社区,初次社区的数目和节点数相同。设定算法的最大迭代次数为τ。
(5)定义模块度公式其中w表示整个交易平台网络中边的权重和,即总权重。Aij表示节点i和节点j之间边的权重,ki表示与节点i相连的边的权重和,ci表示节点i所在的社区号,δ(ci,cj)表示节点i和节点j是否在同一个社区,若在则值为1,否则为0。
(6)对于每个节点i,依次尝试把节点i分配到其每个邻居节点所在的社区,计算分配前模块度Q与分配后的模块度Q*,从而得到模块度增益 其中ki,in表示节点i入射到社区C的权重之和,∑totki表示入射到社区C的总权重,ki表示与节点i相连的边的权重和。随后记录模块度增益最大的那个邻居节点,如果模块度增益大于0,则把节点i分配最大的那个邻居节点所在的社区,即将节点i合并到可以最优化评价指标的社区中,否则保持不变。
(7)重复步骤(6),直到所有的节点所属的社区不再变化。
(8)对划分好的交易平台网络进行压缩,即将所有在同一个社区的节点看成一个新节点,并且将两个社区内相连节点之间的权重和作为两个社区退化成新节点之后的边的权重。
(9)迭代运行步骤(4)~(8),直到模块度不再变化,或者迭代次数达到规定的最大迭代次数τ。如图3所示,此时每个交易平台节点都有了其对应的社区范围,被划分在同一社区中的节点都可以被看作彼此间的关联度很强的节点,因此找到输入的待监管的交易平台节点,输出其所属社区的其他交易平台节点,推荐给监管部门进行监管,让监管部门进行更合适的有效监管,从而发现异常交易。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种大宗商品交易平台关联监管范围的自适应推荐方法,其特征在于:包括以下步骤:
(1)系统初始化后,输入待监管的交易平台,数据库读取历史交易数据;
(2)提取交易平台中的交易用户,对交易数据进行处理,构建交易平台-交易用户关系网络;所述步骤(2)中将大宗商品交易市场涉及的交易平台、交易用户以及交易行为用数学集合的方式表示出来,集合S={s1,s2,...,sk}表示k个交易平台,集合U={u1,u2,...,un}表示n个交易用户,集合T={t1,t2,...,tm}表示m笔交易行为,每一笔交易记录tk可以表示成一个三元组的形式tk=<ui,sj,ak>,其含义为交易用户ui在交易平台sj上产生过一笔交易量为ak的交易行为;
所述步骤(2)中依据交易行为可以创建具有现实含义的交易平台-交易用户网络,所述交易平台-交易用户网络中顶点集合V中存在两类节点:交易平台节点和交易用户节点,即V={s1,s2,...,sk,u1,u2,...,un},其中si为交易平台节点,uj为交易主体节点;根据交易行为计算每位用户在不同交易平台节点上的交易数据总和,可以形成交易平台节点与交易用户节点之间的无向有权边的集合定义,其数学形式如下:
其中up和sq分别为无向边的两个端点,up为交易用户节点,sq为交易平台节点,为无向边的权值;
(3)根据交易用户跨平台交易计算交易平台关联度,构建交易平台关联网络;
步骤(3)中利用随机游走的思想,直接计算交易平台节点间的关联度计算公式,考虑两个交易平台p和q之间的所有用户交易情况,最终从交易平台p到达交易平台q的游走概率作为交易平台q对交易平台p的关联度,在只考虑共同用户的交易情况下,取随机游走路径最大长度为2,即具体的计算公式如下:
其中,q表示待计算边权的起始节点,p表示待计算边权的终止节点,l(τ)为路径长度,c表示常数系数,控制q→p路径的随机概率;τ表示q→p的一条特定路径,由于在大宗商品交易市场的背景下,只考虑交易用户的跨平台行为,因此,路径最大长度为2;P(τ)表示节点q穿过路径τ到达节点q的转移概率;在考虑复杂网络中权值现实意义的情况下,转移概率计算公式如下:
其中ui表示从q到p路径,即τ上经过的用户节点,表示初始复杂网络中,交易平台节点q和用户节点ui间的边权,即用户ui在交易平台节点q上的交易量总和;表示交易平台节点的度,即在交易平台节点q上产生的所有交易量总和;表示初始复杂网络中,交易平台节点p和用户节点ui间的边权,即用户ui在交易平台节点p上的交易量总和;/>表示用户节点ui的度,用户ui产生的所有交易总和;根据上述随机游走模型对交易平台-交易用户网络中交易平台节点进行关联度计算,得到只包含交易平台节点的复杂网络;
(4)每个节点为一个社区构建初始全局社区,然后计算节点I加入其邻居节点所在的社区所带来的模块度Q的收益;
(5)判断增益是否存在,若增益不存在,则进入步骤(7),若存在将节点I加入带来增益最大的社区,将各个社区所以节点压缩成为一个节点,社区内的权重转化成新节点环的权重,社区间权重转化为新节点边的权重;
(6)判断模块度Q是否较前一次迭代有所变化且迭代次数是否小于最大值,若是则回到步骤(4),若否则进入步骤(7);
(7)社区划分结束,根据划分结果各自适应推荐交易平台监管范围。
2.根据权利要求1所述的大宗商品交易平台关联监管范围的自适应推荐方法,其特征在于:所述步骤(4)中将复杂网络中每个节点看成一个独立社区,初次社区的数目和节点数相同;设定算法的最大迭代次数为τ;定义模块度公式其中w表示整个复杂网络中边的权重和,即总权重;Aij表示节点i到节点j之间边的权重,ki表示与节点i相连的边的权重和,ci表示节点i所在的社区号,δ(ci,cj)表示节点i和节点j是否在同一个社区,若在则值为1,否则为0。
3.根据权利要求2所述的大宗商品交易平台关联监管范围的自适应推荐方法,其特征在于:所述步骤(4)中对于每个节点i,依次尝试把节点i分配到其每个邻居节点所在的社区,计算分配前模块度Q与分配后的模块度Q*,从而得到模块度增益 其中ki,in表示节点i入射到社区C的权重之和,∑tot表示入射到社区C的总权重,ki表示与节点i相连的边的权重和;随后记录让模块度增益ΔQ最大的那个邻居节点,如果max ΔQ>0,则把节点i分配ΔQ最大的那个邻居节点所在的社区,否则保持不变;重复以上步骤,直到所有的节点所属的社区不再变化。
4.根据权利要求1所述的大宗商品交易平台关联监管范围的自适应推荐方法,其特征在于:所述步骤(5)中对划分好的复杂网络进行压缩,即将所有在同一个社区的节点看成一个新节点,并且将两个社区内相连节点之间的权重和作为两个社区退化成新节点之后的边的权重;继续将节点看作单个社区,迭代运行社区划分步骤,直到评价指标,即模块度不再变化,或者迭代次数达到规定的最大迭代次数τ;此时每个初始节点都有了其对应的社区范围,被划分在同一社区中的节点都可以被看作彼此间的关联度很强的节点,因此找到输入的待监管的平台节点,输出其所属社区的其他交易平台节点作为交易平台监管空间粒度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110330979.9A CN112926999B (zh) | 2021-03-26 | 2021-03-26 | 一种大宗商品交易平台关联监管范围的自适应推荐方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110330979.9A CN112926999B (zh) | 2021-03-26 | 2021-03-26 | 一种大宗商品交易平台关联监管范围的自适应推荐方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112926999A CN112926999A (zh) | 2021-06-08 |
CN112926999B true CN112926999B (zh) | 2023-10-10 |
Family
ID=76176294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110330979.9A Active CN112926999B (zh) | 2021-03-26 | 2021-03-26 | 一种大宗商品交易平台关联监管范围的自适应推荐方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112926999B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114897610A (zh) * | 2022-05-12 | 2022-08-12 | 东南大学 | 一种针对大宗商品内幕交易行为的自适应检测方法与系统 |
CN117114686B (zh) * | 2023-08-01 | 2024-07-26 | 中资国恒科技有限公司 | 一种基于大宗交易平台的信用监管方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103744933A (zh) * | 2013-12-31 | 2014-04-23 | 南京理工大学 | 一种基于并行化模块度优化的社区发现方法 |
CN106886524A (zh) * | 2015-12-15 | 2017-06-23 | 天津科技大学 | 一种基于随机游走的社会网络社区划分方法 |
CN109559230A (zh) * | 2018-12-13 | 2019-04-02 | 中科曙光南京研究院有限公司 | 基于重叠社区发现算法的银行交易群体发现方法和系统 |
CN111475724A (zh) * | 2020-04-01 | 2020-07-31 | 上海硕恩网络科技股份有限公司 | 一种基于用户相似度的随机游走社交网络事件推荐方法 |
-
2021
- 2021-03-26 CN CN202110330979.9A patent/CN112926999B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103744933A (zh) * | 2013-12-31 | 2014-04-23 | 南京理工大学 | 一种基于并行化模块度优化的社区发现方法 |
CN106886524A (zh) * | 2015-12-15 | 2017-06-23 | 天津科技大学 | 一种基于随机游走的社会网络社区划分方法 |
CN109559230A (zh) * | 2018-12-13 | 2019-04-02 | 中科曙光南京研究院有限公司 | 基于重叠社区发现算法的银行交易群体发现方法和系统 |
CN111475724A (zh) * | 2020-04-01 | 2020-07-31 | 上海硕恩网络科技股份有限公司 | 一种基于用户相似度的随机游走社交网络事件推荐方法 |
Non-Patent Citations (2)
Title |
---|
卢丹 ; 王君博 ; 武森 ; .电子商务中基于复杂网络社团发现的商品推荐研究.工业技术创新.2015,(第01期),全文. * |
杨华 ; 周琪云 ; 汤青 ; 杨志明 ; .混合图随机游走算法的商品推荐.小型微型计算机系统.2016,(第11期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN112926999A (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112926999B (zh) | 一种大宗商品交易平台关联监管范围的自适应推荐方法与系统 | |
CN109116299B (zh) | 一种指纹定位方法、终端、计算机可读存储介质 | |
CN109711746A (zh) | 一种基于复杂网络的信用评估方法和系统 | |
CN111210072B (zh) | 预测模型训练和用户资源额度确定方法及装置 | |
CN117670066B (zh) | 基于智能决策的司库管理方法、系统、设备及存储介质 | |
CN105491599A (zh) | 预测lte网络性能指标的新型回归系统 | |
Tian et al. | Energy characteristics of urban buildings: Assessment by machine learning | |
Chu et al. | Feature selection using approximated high-order interaction components of the Shapley value for boosted tree classifier | |
CN112819256A (zh) | 一种基于注意力机制的卷积时序房价预测方法 | |
CN111861750A (zh) | 一种基于决策树方法的特征衍生系统及可读存储介质 | |
CN117808214A (zh) | 水利工程数据分析系统 | |
CN114021612A (zh) | 一种新型个人信用评估方法及系统 | |
CN113139818A (zh) | 基于自动化特征工程的反欺诈方法及系统 | |
CN113052422A (zh) | 风控模型训练方法和用户信用评估方法 | |
CN112488805B (zh) | 基于多元回归时间序列分析的长租市场预警方法 | |
CN115375357A (zh) | 客户流失预警方法和装置 | |
CN111833171B (zh) | 异常操作检测和模型训练方法、装置以及可读存储介质 | |
CN117371861B (zh) | 基于数字化的家政服务质量智能分析方法及系统 | |
Demir et al. | Customer churn prediction with machine learning methods in telecommunication industry | |
CN115271544B (zh) | 降低噪声投诉率的方法、装置、电子设备及存储介质 | |
CN115242482B (zh) | 越权访问风险检测方法、装置、电子设备及可读存储介质 | |
Pytel | Fuzzy-genetic approach to solving clustering problem | |
CN118279113A (zh) | 一种基于大模型的数智社会公共服务管理方法及系统 | |
CN117057890A (zh) | 租赁性住房的市场价值评估方法及系统 | |
Lee et al. | Representative Calibration Using Black-Box Optimization and Clustering |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |