Los métodos tradicionales de análisis de la estructura de consumo tienen muchas limitaciones, y la adquisición de datos es difícil, por lo que es complicado verificar científicamente la precisión de los algoritmos. Con el desarrollo de la economía en Internet, muchos investigadores científicos se centran en la extracción de conocimiento sobre el comportamiento del consumidor utilizando la tecnología de análisis de big data. Debido a que las decisiones de consumo están influenciadas no solo por las características personales, sino también por las tendencias sociales y el entorno, es unilateral analizar el impacto de un solo factor en el fenómeno del consumo. Los autores de este artículo combinan el método de análisis de la estructura de consumo y la tecnología de procesamiento de datos utilizando datos de una plataforma de comercio electrónico para extraer la estructura de consumo de las ciudades, comparar las diferencias estructurales entre diferentes períodos y luego descubrir la mejora del consumo de acuerdo con la inteligencia colectiva. Los experimentos demuestran la eficacia del algoritmo propuesto en este artículo en comparación con otros algoritmos simil
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Explorando plantillas de diseño de muchos núcleos para FPGAs y ASICs
Artículo:
Esquemas de asignación de recursos basados en algoritmos de optimización inteligentes para comunicaciones D2D subyacentes a redes celulares
Artículo:
Colocación optimizada de máquinas virtuales con equilibrio consciente del tráfico en redes de centros de datos
Artículo:
Aspectos de seguridad para sistemas de cómputo social-inspirados construidos sobre manets
Artículo:
Un algoritmo de selección de variables de h-likelihood penalizado para modelos de regresión lineal generalizados con efectos aleatorios