宋曉姣,吳取芳
(合肥職業(yè)技術學院,安徽 合肥 230000)
基于移動互聯(lián)網(wǎng)的空間,移動社交電商借助社交軟件,以人為中心,以社交為紐帶,以手機或電腦為工具,進行網(wǎng)上銷售。隨著移動社交電商建設的不斷推進,越來越需要加強移動社交電商管理精細化水平,建立移動社交電商的信息化管理模型,提高移動社交電商盈利預測能力[1]。傳統(tǒng)盈利分析方法包括宏觀和微觀兩方面,其中,文獻[2]為了明確內(nèi)部控制對企業(yè)財務風險的影響機制,采用面板平滑轉換回歸模型,針對內(nèi)部控制對企業(yè)財務風險的影響關系,對上市企業(yè)面板數(shù)據(jù)進行理論推演和分析;文獻[3]分析科技型創(chuàng)業(yè)企業(yè)與風險投資機構之間的資本網(wǎng)絡規(guī)模和網(wǎng)絡異質(zhì)性,指出其對企業(yè)獲得風險投資和風險資金規(guī)模均具有顯著的正向作用,有助于企業(yè)吸引風險投資。
但是上述方法沒有結合移動社交電商的相關理論分析,因此,為了符合時代發(fā)展,提高移動社交電商盈利預測偏差的自適應分析能力,提出感知信任模式下移動社交電商盈利預測偏差分析算法。感知信任模式是通過雙方的各種行為而建立良好關系的基礎,即受信任的條件,采用線性回歸分析和檢驗統(tǒng)計分析方法,分析移動社交電商盈利特征,進行移動社交電商盈利的預測算法設計。通過模糊相關性特征聚類分析方法,構建移動社交電商盈利統(tǒng)計序列分析模型,采用交互式的信息調(diào)度模型進行移動社交電商盈利的統(tǒng)計特征分析,根據(jù)移動社交電商盈利信息的特征分布式調(diào)度結果,進行感知信任模式下的移動社交電商盈利特征檢測和優(yōu)化調(diào)度,構建移動社交電商盈利的統(tǒng)計序列分布模型,希望為移動社交電商的盈利提供更多層面、更寬維度的參考。
為了進行移動社交電商盈利的自適應預測,采用模糊相關性特征聚類分析方法,進行統(tǒng)計分析和自適應聚類[4-5],得到移動社交電商盈利非線性統(tǒng)計分析模型,描述為
xn=x(t0+nΔt)=h[z(t0+nΔt)]+ωn
(1)
式中,h(.)為信息關聯(lián)特征檢測函數(shù),t0為統(tǒng)計時間系數(shù),Δt為分析時間系數(shù),n為統(tǒng)計個數(shù)。z為非線性限制條件閾值,ωn為對移動社交電商盈利預測的測量誤差。進行移動社交電商盈利特征的標量分布序列,得到一個感知信任模式下移動社交電商盈利多元數(shù)量值函數(shù)。假設移動社交電商盈利時間序列量表示為
U={U1,U2,…,Un}
(2)
其中,Ui為維數(shù)為d維的隨機變量。
構建移動社交電商盈利預測的回歸分析模型,采用描述統(tǒng)計分析方法,在M維相空間中,U是d維的關聯(lián)規(guī)則特征分布函數(shù),k是U上的一個模糊函數(shù),移動社交電商盈利的統(tǒng)計數(shù)據(jù)在m維相空間中形成一個模糊粗糙集,采用多元線性回歸分析方法,得到移動社交電商盈利分布式預測的概率密度函數(shù)表達為
(3)
(4)
(5)
其中,G(U|μk,∑k)為感知信任模式下移動社交電商盈利的樣本回歸分析值,p(U|Θ)為隨機概率密度函數(shù)的加權值,采用特征空間聚類分析方法[6],得到移動社交電商盈利預測的關聯(lián)統(tǒng)計序列分布滿足
(6)
其中
(7)
X=K[s1,s2,…sK]n=K(xn,xn-τ,…,xn-(m-1)τ
(8)
其中,K=N-(m-1)τ表示移動社交電商盈利的子空間聚類維數(shù),τ為時間延遲,根據(jù)上述分析,建立移動社交電商盈利預測的大數(shù)據(jù)分析模型,結合大數(shù)據(jù)特征分析結果,進行感知信任模式下移動社交電商盈利預測偏差分析[7]。
采用信任感知方法進行移動社交電商盈利的大數(shù)據(jù)統(tǒng)計信息建模,提取移動社交電商盈利的關聯(lián)規(guī)則特征量v[8],移動社交電商盈利在顯著度水平上的關聯(lián)特征表示為
(9)
其中,ζ為感知信任模式下移動社交電商盈利的模糊衰減系數(shù),X為移動社交電商盈利的統(tǒng)計特征值,X*表示取復共軛,分析移動社交電商盈利的量化平均值,得到
(10)
其中,Wx(t,v)表示感知信任模式下移動社交電商盈利的決定性因素,t為統(tǒng)計時間約束系數(shù),對感知信任模式下移動社交電商盈利約束特征進行模糊聚類[9],得到顯著性差異值滿足
(11)
其中,|X(v)|表示移動社交電商盈利預測關聯(lián)規(guī)則項,通過統(tǒng)計分析結果,得到移動社交電商盈利的標量序列{x(t0+iΔt)},i=0,1,…,N-1,移動社交電商盈利的相對特征分布集為
X=[s1,s2,…sK]n=(xn,xn-τ,…,xn-(m-1)τ)
(12)
其中,K=N-(m-1)τ表示移動社交電商盈利預測的正交特征向量,m為模糊聚類維數(shù),si=(xi,xi+τ,…,xi+(m-1)τ)T為一組單變量的分布序列,τ為統(tǒng)計信息采樣的時間延遲。通過以上分析,完成移動社交電商盈利的關聯(lián)規(guī)則特征提取,接下來根據(jù)特征提取結果進行盈利預測[10]。
在提取移動社交電商盈利的關聯(lián)規(guī)則特征量的基礎上,采用模糊聚類方法對感知信任模式下移動社交電商盈利大數(shù)據(jù)進行自動聚類處理,采用單變量演化聚類分析方法,進行移動社交電商盈利的正交特征向量解RTR分析,假設Xm+1的單演分量x(tn+1)未知,從而得到移動社交電商盈利特征分解模型為
VT=IM+r·∑diag(σ1,σ2,…,σm),r∈Rm×m
(13)
(13)式即為提取的RTR的移動社交電商盈利信息采樣序列的持續(xù)性統(tǒng)計特征量,在統(tǒng)計過程中,存在盈余概率約束,因此對移動社交電商盈利分布特征值的大小進行排序,其排序關系為
σ1>σ2>σ3>…>σs+1>σm
(14)
在演化博弈下,移動社交電商盈利預測的新的特征序列為
(15)
在局部穩(wěn)定性分析條件下,從而得到移動社交電商盈利的量化預測值為
x(tn+1)′=Xm+1(m)
(16)
移動社交電商盈利序列的高斯自相似過程,設期望值為mk,標準差為εk,設N0=0,D0=1,k=1,2,…,n-1,對移動社交電商盈利序列進行相空間重構后,即可自動聚類處理移動社交電商盈利大數(shù)據(jù),得到為一組替代移動社交電商盈利新的時間序列yk,量化為
Dk=Dk-1·mk·εk-N0
(17)
式(17)中,設高斯自相似過程的初始值為Dk-1,進行信任感知多次迭代計算。綜上,移動社交電商盈利預測的優(yōu)化迭代模型構建完成。
根據(jù)感知信任模式下移動社交電商盈利預測模型,進行移動社交電商盈利的大數(shù)據(jù)統(tǒng)計信息建模。設感知信任模式下移動社交電商盈利需求信息的離散特征分量為si=(xi,xi+τ,…,xi+(m-1)τ)T,上式為一組短時離散信息分布集,移動社交電商盈利預測的嵌入空間中,得到移動社交電商盈利預測狀態(tài)集在感知信任模式下的分布函數(shù)為
(18)
為了保證移動社交電商盈利預測的有效概率密度較高,結合上式,選擇適當?shù)膍和τ,此時感知信任模式下移動社交電商盈利預測的統(tǒng)計回歸分析概率密度特征表示為
R1={X1,X2,X3,…,Xd}T
(19)
采用持續(xù)性的描述性統(tǒng)計分析方法,進行多重比較分析,得到移動社交電商盈利預測相關函數(shù)為:
(20)
設置一個預估計器來計算移動社交電商盈利在最佳特征分解值,移動社交電商盈利預測的特征分解表達式為
(21)
假設,Xj是xi近鄰函數(shù),采用盈余管理方法,從L+1到2L維進行移動社交電商盈利模糊預測,在這個過程中,進行感知信任模式下移動社交電商盈利預測的模糊類推,過程為
(22)
用式(22)將移動社交電商盈利的正交特征向量解RTR從L+1實現(xiàn)到2L維的轉換,即將持續(xù)性統(tǒng)計特征量分解后,取相空間中Xm為中心點,獲取模糊類推式
R2={Xd+1,Xd+2,…Xd+m}T
(23)
(24)
式中,移動社交電商盈利預測的廣域特征分量為
V=[V1,V2,…,Vm]∈Rm×m
(25)
通過單變量的方差分析,根據(jù)預測值Xm和Xk的演化特征,得到電商盈利下一步預測值為Xm+1和Xk+1。
為了測試本文方法在實現(xiàn)感知信任模式下移動社交電商盈利偏差分析中應用性能,對其自適應性和盈利預測結果進行實驗分析,結合SPSS和MATLAB進行移動社交電商盈利預測仿真,在Quandl(https://www.quandl.com/)中隨機選取500個網(wǎng)絡交易數(shù)據(jù),排除交易未成功的數(shù)據(jù)120個,將剩余的380個數(shù)據(jù)作為實驗樣本,采用描述性統(tǒng)計分析方法進行感知信任模式下移動社交電商盈利的線性比重比較分析,分析結果見表1。
表1 基于年度分析的移動社交電商盈利多重比較分析結果
根據(jù)表1盈利偏差分布和描述性比較的分析結果可知,年度盈余對感知信任模式下移動社交電商盈利預測值如圖1所示。
圖1 移動社交電商盈利預測值
分析圖1得知,其預測值最高可達1.3萬元,與實際擬合正度相接近。這是因為本文方法設置一個預估計器來計算移動社交電商盈利在最佳特征分解值,有效實現(xiàn)移動社交電商盈利預測。
預測的偏差分析結果見表2。
分析表2中結果可知,采用本文方法進行感知信任模式下移動社交電商盈利預測的精度較高,偏差較低。這是因為本文方法采用模糊聚類方法對感知信任模式下移動社交電商盈利大數(shù)據(jù)進行自動聚類處理,聚類后的數(shù)據(jù)可以被精準挖掘出來,便于實現(xiàn)移動社交電商盈利預測。
表2 持續(xù)性描述性統(tǒng)計分析結果
本文提出基于關聯(lián)規(guī)則調(diào)度和模糊自適應聚類的移動社交電商盈利預測方法,通過相空間重構,引入單變量的方差分析方法,對移動社交電商盈利的正交特征向量解進行實質(zhì)性分析,提取移動社交電商盈利的關聯(lián)規(guī)則特征量,采用數(shù)據(jù)挖掘方法進行移動社交電商盈利的大數(shù)據(jù)統(tǒng)計信息建模,采用模糊聚類方法對感知信任模式下移動社交電商盈利大數(shù)據(jù)進行自動聚類處理,結合自適應尋優(yōu)算法實現(xiàn)移動社交電商盈利預測。經(jīng)過實驗證明,本文方法在進行移動社交電商盈利預測時,因考慮到了感知信任模式情況,其自適應性較好,預測準確度較高,提高了移動社交電商盈利預測的實際應用效果。