项目名称: 面向大数据的群体偏好决策分析研究

项目编号: No.71471149

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 管理科学

项目作者: 寇纲

作者单位: 西南财经大学

项目金额: 62万元

中文摘要: 在网络社会中,多源异构、实时涌现的大数据记录了人类的各种行为和心理活动等信息。由于这些信息具有多样性、实时变化和低价值密度等复杂特性,如何从这些数据中挖掘出有用的群体偏好信息并进行群决策是大数据环境下的重要研究课题。本项目以大数据下群体偏好为研究对象,重点研究个体观点的智能获取、个体偏好动态多样性数据的高效处理和智能挖掘、个体观点与个体偏好的相互作用机理、群体偏好动态评估与预测、群体偏好聚类和快速匹配、基于群体偏好的群决策方法等。本项目以群体偏好为主线,结合舆论动力学理论、数据挖掘技术和决策理论方法,理论研究与实证研究相结合,构建面向大数据的群体偏好决策分析新理论与新方法。此外,研究成果有望对政府和企事业单位结合群体偏好信息进行更加科学和精细化的管理、经营及决策,具有重要的实际应用价值。

中文关键词: 大数据;群决策;数据挖掘;群体偏好;舆论动力学

英文摘要: In the network information society, multi-source, heterogeneous, large emerging real-time big data record human beings' various behavior and mental activities as well as a variety of different groups' preferences etc. Since these preference information have the following complicated features such as diversity, real-time changes and veracity, it becomes an important research subject of group decision-making under the big data environment that how to mine the useful group preferences from the big data and make group decision making. This project will focus on group preferences in big data, and attempts to study the following issues, including the method of intelligently capturing the individual point of view, the models of efficiently dealing with and intelligently mining the dynamic veracity data of individual preferences, the interaction mechanism of individual perspectives and individual preferences, the method of dynamic assessment and prediction on group preferences, the models of group preference clustering and fast matching, group preferences based group decision-making etc. We mainly concentrate on group preferences, and will build new theorems and methodologies of group preferences decision analysis in big data by integrating opinion dynamics, data mining techniques as well as decision theories. The results of this research project may have important theoretical significance and practical value since it cannot only enrich the theories and methodologies of decision making, but also can help the government and enterprises make more scientific and finer decision, operation and management by taking full use of groups preferences.

英文关键词: Big data;group decision making;data mining;group preferences;opinion dynamics

成为VIP会员查看完整内容
5

相关内容

从各种各样类型的数据中,快速获得有价值信息的能力,就是大数据技术。明白这一点至关重要,也正是这一点促使该技术具备走向众多企业的潜力。大数据的4个“V”,或者说特点有四个层面:第一,数据体量巨大。从TB级别,跃升到PB级别;第二,数据类型繁多。前文提到的网络日志、视频、图片、地理位置信息等等。第三,价值密度低。以视频为例,连续不间断监控过程中,可能有用的数据仅仅有一两秒。第四,处理速度快。
【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
专知会员服务
56+阅读 · 2021年8月12日
专知会员服务
97+阅读 · 2021年6月23日
如何构建你的推荐系统?这份21页ppt教程为你讲解
专知会员服务
64+阅读 · 2021年2月12日
专知会员服务
43+阅读 · 2020年12月8日
面向大数据领域的事理认知图谱构建与推断分析
专知会员服务
103+阅读 · 2020年8月11日
专知会员服务
124+阅读 · 2020年3月26日
综述 | 异质信息网络分析与应用综述
专知
27+阅读 · 2020年8月8日
【数字孪生】面向智能制造的数字孪生
产业智能官
50+阅读 · 2020年5月10日
支持个性化学习的行为大数据可视化研究
用户研究:如何做用户画像分析
产品100干货速递
44+阅读 · 2019年5月9日
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
干货 :基于用户画像的聚类分析
数据分析
22+阅读 · 2018年5月17日
【推荐系统】深度解析京东个性化推荐系统演进史
产业智能官
23+阅读 · 2017年12月8日
国家自然科学基金
9+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2012年12月31日
Arxiv
1+阅读 · 2022年4月15日
Arxiv
22+阅读 · 2021年12月19日
Memory-Gated Recurrent Networks
Arxiv
12+阅读 · 2020年12月24日
Arxiv
19+阅读 · 2018年6月27日
Arxiv
25+阅读 · 2018年1月24日
小贴士
相关VIP内容
【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
专知会员服务
56+阅读 · 2021年8月12日
专知会员服务
97+阅读 · 2021年6月23日
如何构建你的推荐系统?这份21页ppt教程为你讲解
专知会员服务
64+阅读 · 2021年2月12日
专知会员服务
43+阅读 · 2020年12月8日
面向大数据领域的事理认知图谱构建与推断分析
专知会员服务
103+阅读 · 2020年8月11日
专知会员服务
124+阅读 · 2020年3月26日
相关资讯
综述 | 异质信息网络分析与应用综述
专知
27+阅读 · 2020年8月8日
【数字孪生】面向智能制造的数字孪生
产业智能官
50+阅读 · 2020年5月10日
支持个性化学习的行为大数据可视化研究
用户研究:如何做用户画像分析
产品100干货速递
44+阅读 · 2019年5月9日
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
干货 :基于用户画像的聚类分析
数据分析
22+阅读 · 2018年5月17日
【推荐系统】深度解析京东个性化推荐系统演进史
产业智能官
23+阅读 · 2017年12月8日
相关基金
国家自然科学基金
9+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2012年12月31日
相关论文
Arxiv
1+阅读 · 2022年4月15日
Arxiv
22+阅读 · 2021年12月19日
Memory-Gated Recurrent Networks
Arxiv
12+阅读 · 2020年12月24日
Arxiv
19+阅读 · 2018年6月27日
Arxiv
25+阅读 · 2018年1月24日
微信扫码咨询专知VIP会员