融合个性化推荐与双层DEA的互联网平台效率测度方法技术

本发明专利技术公开了一种融合个性化推荐与双层DEA的互联网平台效率测度方法，包括：S1、构建第j个互联网平台的双层结构；S2、基于双层结构确定第j个互联网平台的投入、产出指标体系；S3、基于个性化推荐算法，获取第j个互联网平台中领导者层的产出指标；S4、基于第j个互联网平台的双层结构和确定的指标体系，构建第j个互联网平台效率的双层DEA全局模型；S5、使用网络DEA方法对双层结构进行分解，并计算第j个互联网平台双层结构中各层的效率。本发明专利技术能得到互联网平台的整体工作效率，并能识别互联网平台双层结构内部的子过程的有效性，从而更加精准地对互联网平台薄弱的环节进行优化改进，达到提升互联网平台效率的效果。提升互联网平台效率的效果。提升互联网平台效率的效果。

【技术实现步骤摘要】
融合个性化推荐与双层DEA的互联网平台效率测度方法


[0001]本专利技术属于互联网平台和系统的评价
，具体涉及一种融合个性化推荐与双层DEA的互联网平台效率测度方法。

技术介绍

[0002]随着互联网技术愈发的成熟，各种互联网平台层出不穷，例如各种网站和APP，无论是网站还是APP，任何的互联网平台的核心业务都是推荐，不同之处在于不同类型互联网平台推荐的链接不同，比如，搜索引擎网站推荐的是网页链接，购物网站推荐的是商品链接，而短视频APP推荐的是视频资源链接。如今，各种互联网平台面临着一个问题，那就是如何在信息不完全的前提下获得更高的访问量和客户满意度，基于这个问题，个性化推荐算法这项核心技术得到了快速地发展。为了更好地识别互联网平台的表现，对其进行效率测度就显得至关重要。
[0003]现有的对互联网平台的效率测度方法中存在几个方面的问题，一是，在互联网平台的效率测度指标体系中，还未有人将个性化推荐相关的因素考虑在内。个性化推荐技术作为互联网平台的核心科技，从很大程度上决定了平台向顾客推送信息的效率和准确度，而这两者与客户的满意度息息相关。二是，对互联网平台进行效率测度的主流方法是数据包络分析(DEA)，然而在现有的对互联网平台进行效率测度的DEA方法中，几乎没有针对互联网平台的真实结构而建立的模型，现有的效率测度模型的结构都是通过多个投入集合而得到最终的产出集合，而没有通过模型刻画现实的系统结构。例如，互联网平台往往具有由领导者层和跟随者层组成的双层结构，领导者层表示的是互联网平台的推荐系统部门，其在双层结构中占据主导地位，而跟随者表示互联网平台的运作部门。三是，在互联网平台的效率测度系统中，部分指标具有“共享”的属性，即这部分指标同时存在于领导者层和跟随者层之中，忽略具有这种特性的指标，往往会使最终的测度结果不够客观。

技术实现思路

[0004]本专利技术的目的是为了解决上述的不足和缺陷，提出一种融合个性化推荐与双层DEA的互联网平台效率测度方法，以期能得到互联网平台的整体工作效率，并能够识别互联网平台双层结构内部的子过程的有效性，从而更加精准地对互联网平台薄弱的环节进行优化改进，以达到提升互联网平台效率的效果。
[0005]本专利技术为达到上述专利技术目的，采用如下技术方案：
[0006]本专利技术一种融合个性化推荐与双层DEA的互联网平台效率测度方法的特点在于，是用于对n个互联网平台{DMU1,DMU2,...,DMU
j
,...,DMU
n
}的效率进行测度，其中，DMU
j
表示第j个互联网平台，j＝1,2,...,n；所述互联网平台效率测度方法包括：
[0007]S1、构建第j个互联网平台的双层结构，包括：第j个领导者层和第j个跟随者层；
[0008]S2、基于双层结构确定第j个互联网平台的投入、产出指标体系；
[0009]将第j个互联网平台的现实要素的取值中，与第j个互联网平台的稳定性成反比的
指标作为投入指标，与第j个互联网平台的稳定性成正比的指标作为产出指标，从而确定第j个领导者层的投入、产出指标，以及第j个跟随者层的投入、产出指标，其中，第j个互联网平台的成本型投入指标、效益型产出指标在第j个领导者层和第j个跟随者层之间共享，并称为共享投入指标或者共享产出指标；
[0010]S3、基于个性化推荐算法，获取第j个互联网平台中领导者层的产出指标；
[0011]S3.1、获取用户对互联网平台的行为数据集，并利用第j个互联网平台自身的推荐算法RA
j
对所述行为数据集进行处理，得出第j个互联网平台推荐的前N个链接所组成的推荐列表TOP
‑
N
j
＝{link
j,1
,link
j,2
,...,link
j,N
}；其中，link
j,N
表示第j个互联网平台推荐的第N个链接；
[0012]S3.2、基于推荐列表TOP
‑
N
j
，计算第j个互联网平台的推荐算法RA
j
的命中率排名倒数均值以及归一化折损累计增益将共同作为第j个互联网平台中领导者层的三个产出指标值；
[0013]S4、基于第j个互联网平台的双层结构和确定的指标体系，利用式(1)构建第j个互联网平台效率的双层DEA全局模型；
[0014][0015][0016]式(1)中，表示第j个互联网平台的整体最优效率值，表示第j个互联网平台的站点IP访问量，表示第j个互联网平台中领导者层的科技研发成本型投入，表示第j个互联网平台中领导者层和跟随者层的人力资源投入，表示第j个互联网平台中领导者层和跟随者层的金融资源投入，表示跟随者层的单独投入的第j互联网平台的运作成本，且为第j个互联网平台的共享指标；为第j个互联网平台中共享投入指标人力资源输入量的分配系数，为第j个互联网平台中金融资源输入量在领导者层的分配系数；表示第j个互联网平台中，共享产出指标站点IP访问量在领导者层的分配系数；u
HR
,u
MRR
,u
NDCG
,u
IP
表示四个产出指标的权重，v
tec
,v
per
,v
fin
,v
ope
表示四个投入指标的权重系数；且u
HR
,u
MRR
,u
NDCG
,u
IP
,v
tec
,v
per
,v
fin
,v
ope
均为决策变量；
[0017]使用Charnes
‑
Cooper变换将所述双层DEA全局模型转换为线性模型，再使用线性规划求解方法求解所述线性模型，从而得出最优决策变量
[0018][0019]S5、使用网络DEA方法对双层结构进行分解，并计算第j个互联网平台双层结构中
各层的效率；
[0020]S5.1、利用式(2)计算第j个互联网平台的领导者层的最优效率值
[0021][0022][0023]式(2)中，表示第j个互联网平台的双层结构中，领导者层的相对重要程度系数的最优解，并由式(3)得到：
[0024][0025]式(3)中，v
tec*
,v
per*
,v
fin*
,v
ope*
,都是双层DEA全局模型达到最优解时，各个决策变量的最优值；使用Charnes
‑
Cooper变换将模型(2)转换成线性模型，随后采取线性规划的方法进行模型求解；
[0026]S5.2、利用式(4)计算第j个互联网平台的跟随者层的最优效率值
[0027][0028]式(4)中，表示第j个互联网平台双层结构中，跟随者层的相对重要程度系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合个性化推荐与双层DEA的互联网平台效率测度方法，其特征在于，是用于对n个互联网平台{DMU1,DMU2,...,DMU
j
,...,DMU
n
}的效率进行测度，其中，DMU
j
表示第j个互联网平台，j＝1,2,...,n；所述互联网平台效率测度方法包括：S1、构建第j个互联网平台的双层结构，包括：第j个领导者层和第j个跟随者层；S2、基于双层结构确定第j个互联网平台的投入、产出指标体系；将第j个互联网平台的现实要素的取值中，与第j个互联网平台的稳定性成反比的指标作为投入指标，与第j个互联网平台的稳定性成正比的指标作为产出指标，从而确定第j个领导者层的投入、产出指标，以及第j个跟随者层的投入、产出指标，其中，第j个互联网平台的成本型投入指标、效益型产出指标在第j个领导者层和第j个跟随者层之间共享，并称为共享投入指标或者共享产出指标；S3、基于个性化推荐算法，获取第j个互联网平台中领导者层的产出指标；S3.1、获取用户对互联网平台的行为数据集，并利用第j个互联网平台自身的推荐算法RA
j
对所述行为数据集进行处理，得出第j个互联网平台推荐的前N个链接所组成的推荐列表TOP
‑
N
j
＝{link
j,1
,link
j,2
,...,link
j,N
}；其中，link
j,N
表示第j个互联网平台推荐的第N个链接；S3.2、基于推荐列表TOP
‑
N
j
，计算第j个互联网平台的推荐算法RA
j
的命中率排名倒数均值以及归一化折损累计增益将共同作为第j个互联网平台中领导者层的三个产出指标值；S4、基于第j个互联网平台的双层结构和确定的指标体系，利用式(1)构建第j个互联网平台效率的双层DEA全局模型；式(1)中，表示第j个互联网平台的整体最优效率值，表示第j个互联网平台的站点IP访问量，表示第j个互联网平台中领导者层的科技研发成本型投入，表示第j个互联网平台中领导者层和跟随者层的人力资源投入，表示第j个互联网平台中领导者层和跟随者层的金融资源投入，表示跟随者层的单独投入的第j互联网平台的运作成本，且为第j个互联网平台的共享指标；为第j个互联网平台中共享投入指标人力资源输入量的分配系数，为第j个互联网平台中金融资源输入量在领导者层的分配系数；表示第j个互联网平台中，共享产出指标站点IP访问量在领导者层的分配系数；u
HR
,
u
MRR
,u
NDCG...

【专利技术属性】
技术研发人员：杨敏，张茂林，尹朋珍，梁樑，王刚，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：