移動電子商務(wù)環(huán)境下基于改進蒙特卡羅算法的信息融合方法研究

張奇松　黃　瑩

（大連東軟信息學(xué)院信息技術(shù)與商務(wù)管理系，遼寧大連　116023）

移動電子商務(wù)環(huán)境下基于改進蒙特卡羅算法的信息融合方法研究

張奇松黃瑩

（大連東軟信息學(xué)院信息技術(shù)與商務(wù)管理系，遼寧大連116023）

近年來，研究人員經(jīng)常利用蒙特卡羅算法對移動電子商務(wù)中的多源信息融合進行研究，但傳統(tǒng)蒙特卡羅算法存在粒子退化現(xiàn)象。本文提出了一種改進式蒙特卡羅算法—快速蒙特卡羅算法，能結(jié)合移動電子商務(wù)用戶用戶歷史行為和位置信息，快速有效地挖掘用戶潛在有用信息，進而為移動電子商務(wù)用戶提供有用的決策支撐服務(wù)。

移動電子商務(wù)信息融合改進式蒙特卡羅算法

本文針對傳統(tǒng)蒙特卡羅算法的缺陷，提出一種改進蒙特卡羅算法，利用該算法對用戶位置信息和歷史行為信息進行多源信息融合，提高了推薦服務(wù)的準(zhǔn)確性，對發(fā)揮多用戶位置信息價值、推動移動電子商務(wù)推送服務(wù)的發(fā)展具有重大的現(xiàn)實意義。

1　改進式蒙特卡羅算法

由于傳統(tǒng)的蒙特卡羅算法由于存在粒子退化問題，在實際應(yīng)用中難以進行真實操作，針對傳統(tǒng)的蒙特卡羅算法的缺陷，本文提出了一種改進式蒙特卡羅算法—快速蒙特卡羅算法。

快速蒙特卡羅算法具體步驟如下所示：

1.1初始化

依據(jù)傳統(tǒng)蒙特卡羅算法對系統(tǒng)進行初始化。

1.3計算權(quán)重

利用傳統(tǒng)蒙特卡羅算法計算系統(tǒng)中粒子權(quán)值。

圖1　MCL-UKF算法與用戶真實行為比較

1.4重采樣

利用 MCMC方法對樣本進行抽樣，根據(jù)馬爾可夫蒙特卡羅原理，對依據(jù)權(quán)重抽樣后所得集合中每個粒子再進行 MH抽樣，同時把每個粒子的重要性權(quán)重都賦值為 N/1，然后重復(fù)第1.2、1.3、1.4步，直到融合結(jié)束。

2　仿真實驗

本文利用仿真實驗進行了相應(yīng)對比驗證，將常用的無際卡爾曼蒙特卡羅濾波（MCL_UKF）算法與本文提出的改進算法進行比較。圖中虛線為用戶的真實購買行為，實線為應(yīng)用不同智能算法進行信息融合后對用戶購買行為的預(yù)測估計，對比試驗如圖1所示。

其中，圖1中的橫坐標(biāo)代表仿真時間；縱坐標(biāo)代表電商平臺用戶行為種類類型，包括飲食、住宿、休閑娛樂、生活服務(wù)、旅游等10種具體行為，分別用1至10十個具體數(shù)字表示。

3　結(jié)語

本文提出了一種改進式蒙特卡羅算法。該算法：

（1）應(yīng)用無跡卡爾曼濾波在采樣階段生成重要性提議分布，使采樣分布近似于真實分布，解決傳統(tǒng)算法中粒子退化問題。

（2）采用自適應(yīng)算法，省略了重采樣的步驟，保證了系統(tǒng)粒子的多樣性。

（3）為防止粒子耗盡的問題，采用馬爾可夫鏈蒙特卡羅算法中的MH抽樣算法，防止了系統(tǒng)粒子耗盡問題。

（4）將本算法與多種傳統(tǒng)算法進行對比仿真實驗，實驗結(jié)果證明本文提出的算法在保證移動電子商務(wù)中信息融合精度不變的情況下，降低了算法的復(fù)雜程度，證明了算法的有效性和高效性。

［1］張光前，雷彩華，呂曉敏.電子商務(wù)推薦的研究現(xiàn)狀及其發(fā)展前景［J］.情報雜志，2011，30（12）：60-65.

［2］潘泉，王增福.信息融合理論的基本方法與進展（II）［J］.控制理論與應(yīng)用，2012，29（10）：45-67.