張奇松　黃瑩

【摘 要】近年來(lái)，研究人員經(jīng)常利用蒙特卡羅算法對(duì)移動(dòng)電子商務(wù)中的多源信息融合進(jìn)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(jìn)式蒙特卡羅算法—快速蒙特卡羅算法，能結(jié)合移動(dòng)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(jìn)而為移動(dòng)電子商務(wù)用戶提供有用的決策支撐服務(wù)。

【關(guān)鍵詞】移動(dòng)電子商務(wù) 信息融合 改進(jìn)式蒙特卡羅算法

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

1 改進(jìn)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(shí)際應(yīng)用中難以進(jìn)行真實(shí)操作，針對(duì)傳統(tǒng)的蒙特卡羅算法的缺陷，本文提出了一種改進(jìn)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(duì)系統(tǒng)進(jìn)行初始化。

1.2 采樣階段

1.3 計(jì)算權(quán)重

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

1.4 重采樣

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

2 仿真實(shí)驗(yàn)

本文利用仿真實(shí)驗(yàn)進(jìn)行了相應(yīng)對(duì)比驗(yàn)證，將常用的無(wú)際卡爾曼蒙特卡羅濾波（MCL_UKF）算法與本文提出的改進(jìn)算法進(jìn)行比較。圖中虛線為用戶的真實(shí)購(gòu)買行為，實(shí)線為應(yīng)用不同智能算法進(jìn)行信息融合后對(duì)用戶購(gòu)買行為的預(yù)測(cè)估計(jì)，對(duì)比試驗(yàn)如圖1所示。

其中，圖1中的橫坐標(biāo)代表仿真時(shí)間；縱坐標(biāo)代表電商平臺(tái)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(gè)具體數(shù)字表示。

3 結(jié)語(yǔ)

本文提出了一種改進(jìn)式蒙特卡羅算法。該算法：

（1）應(yīng)用無(wú)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(shí)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 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(jìn)行對(duì)比仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果證明本文提出的算法在保證移動(dòng)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。

參考文獻(xiàn)：

[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(bào)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(jìn)展（II）[J].控制理論與應(yīng)用，2012，29（10）：45-67.