《面向社會化商務嵌入關係多階段整群抽樣方法的研究》是依託陝西師範大學，由李雪擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：面向社會化商務嵌入關係多階段整群抽樣方法的研究
- 項目類別：青年科學基金項目
- 項目負責人：李雪
- 依託單位：陝西師範大學
項目摘要,結題摘要,
項目摘要
社會化商務嵌入關係是個體行動者自組織關係組成的大數據集合，其內部蘊含了多層次的社會實體關係。在現有技術水平下，使用總體數據研究社會化商務問題存在成本與效益、規模與質量的矛盾。 因此，研究能夠準確提取社會化商務嵌入關係複雜分布特徵的抽樣方法具有重要的意義。本項目以社會化商務嵌入關係的結構特徵為切入點，提出多階段整群抽樣方法。該方法首先採用圖的複合特徵向量對社會化商務嵌入關係進行整群分解，將總體分解為馬爾科夫不可約集和若干閉集的並集。而後採用二級延遲拒絕方法對凝聚子群（閉集）內部關係進行抽樣。最後採用變維生滅鏈方法對群間關係（不可約集）進行抽樣，實現整個網路的連通。本項目的研究成果可以為社會化商務領域問題的研究提供可靠的數據基礎，幫助企業家迅速洞察社會化商務嵌入關係蘊含的商務價值，提高企業在Web2.0時代對市場的駕馭能力，同時還為其他類型大數據的研究提供有價值的參考。
結題摘要
社會化商務是近年來在全球範圍快速興起並迅速發展的一種新商業模式，其個體行動者之間自組織形成的嵌入關係組成的大數據集合，蘊含著豐富的社會實體關係。目前，採用總體數據研究社會化商務嵌入關係大數據存在尖銳的成本與效益、規模與質量的矛盾。因此研究能夠準確刻畫社會化商務嵌入關係結構特徵的抽樣方法具有重要的現實意義。本研究提出採用多階段整群抽樣的方法來解決社會化商務嵌入關係的數據採樣問題。（1）針對線下總體數據已知的情況，本研究提出了社會化商務大數據整群多階段抽樣方法（OSM-MSCS）。該方法首先進行整群分解，將總體分解成若干小型凝聚子群，而後使用延遲拒絕（DR）方法，以並行化方式進行子群內部關係的抽樣，最後使用Gibbs方法完成不同子群之間相干關係的篩選，從而獲得整個樣本序列。實驗結果表明：OSM-MSCS方法能夠有效的對各種結構特徵的線上社會化商務大數據進行抽樣，從“個體地位—群體凝聚性—整體結構性”三個層次進行綜合評價，其抽樣效果要明顯好於MHRW，BFS這兩種主流的抽樣方法。（2）針對線上總體數據未知的情況，提出多階段社會化商務嵌入關係線上多階段抽樣方法（SM-OMSS）。該方法的基本思想是通過馬爾科夫蒙特卡洛(MCMC)的平穩分布控制數據感知的規模，構造一個與數據感知對象具有相同社會網路結構特徵的微縮子網（我們稱其為特徵網路），而後採用“人工”方法對Web頁面中的嵌入關係進行精確提取，提高數據感知的質量，滿足數據使用者對數據感知實時性與成本的要求。本研究的成果可以為社會化商務領域問題的研究提供可靠的數據基礎，幫助企業家迅速洞察社會化商務嵌入關係所蘊含的商務價值，提高企業在Web2.0時代對市場的駕馭能力，同時也為其他類型大數據的研究提供方法借鑑。
