移动电子商务环境下基于改进蒙特卡罗算法的信息融合方法研究

张奇松　黄　莹

（大连东软信息学院信息技术与商务管理系，辽宁大连　116023）

移动电子商务环境下基于改进蒙特卡罗算法的信息融合方法研究

张奇松黄莹

（大连东软信息学院信息技术与商务管理系，辽宁大连116023）

近年来，研究人员经常利用蒙特卡罗算法对移动电子商务中的多源信息融合进行研究，但传统蒙特卡罗算法存在粒子退化现象。本文提出了一种改进式蒙特卡罗算法—快速蒙特卡罗算法，能结合移动电子商务用户用户历史行为和位置信息，快速有效地挖掘用户潜在有用信息，进而为移动电子商务用户提供有用的决策支撑服务。

移动电子商务信息融合改进式蒙特卡罗算法

本文针对传统蒙特卡罗算法的缺陷，提出一种改进蒙特卡罗算法，利用该算法对用户位置信息和历史行为信息进行多源信息融合，提高了推荐服务的准确性，对发挥多用户位置信息价值、推动移动电子商务推送服务的发展具有重大的现实意义。

1　改进式蒙特卡罗算法

由于传统的蒙特卡罗算法由于存在粒子退化问题，在实际应用中难以进行真实操作，针对传统的蒙特卡罗算法的缺陷，本文提出了一种改进式蒙特卡罗算法—快速蒙特卡罗算法。

快速蒙特卡罗算法具体步骤如下所示：

1.1初始化

依据传统蒙特卡罗算法对系统进行初始化。

1.3计算权重

利用传统蒙特卡罗算法计算系统中粒子权值。

图1　MCL-UKF算法与用户真实行为比较

1.4重采样

利用 MCMC方法对样本进行抽样，根据马尔可夫蒙特卡罗原理，对依据权重抽样后所得集合中每个粒子再进行 MH抽样，同时把每个粒子的重要性权重都赋值为 N/1，然后重复第1.2、1.3、1.4步，直到融合结束。

2　仿真实验

本文利用仿真实验进行了相应对比验证，将常用的无际卡尔曼蒙特卡罗滤波（MCL_UKF）算法与本文提出的改进算法进行比较。图中虚线为用户的真实购买行为，实线为应用不同智能算法进行信息融合后对用户购买行为的预测估计，对比试验如图1所示。

其中，图1中的横坐标代表仿真时间；纵坐标代表电商平台用户行为种类类型，包括饮食、住宿、休闲娱乐、生活服务、旅游等10种具体行为，分别用1至10十个具体数字表示。

3　结语

本文提出了一种改进式蒙特卡罗算法。该算法：

（1）应用无迹卡尔曼滤波在采样阶段生成重要性提议分布，使采样分布近似于真实分布，解决传统算法中粒子退化问题。

（2）采用自适应算法，省略了重采样的步骤，保证了系统粒子的多样性。

（3）为防止粒子耗尽的问题，采用马尔可夫链蒙特卡罗算法中的MH抽样算法，防止了系统粒子耗尽问题。

（4）将本算法与多种传统算法进行对比仿真实验，实验结果证明本文提出的算法在保证移动电子商务中信息融合精度不变的情况下，降低了算法的复杂程度，证明了算法的有效性和高效性。

［1］张光前，雷彩华，吕晓敏.电子商务推荐的研究现状及其发展前景［J］.情报杂志，2011，30（12）：60-65.

［2］潘泉，王增福.信息融合理论的基本方法与进展（II）［J］.控制理论与应用，2012，29（10）：45-67.