检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

1,018 篇 专利
191 篇 学位论文
184 篇 期刊文献
17 篇 会议

馆藏范围

1,410 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

361 篇 工学
- 344 篇 计算机科学与技术...
- 313 篇 软件工程
- 35 篇 控制科学与工程
- 11 篇 仪器科学与技术
- 4 篇 机械工程
- 3 篇 信息与通信工程
- 3 篇 交通运输工程
- 2 篇 电子科学与技术（可...
- 2 篇 地质资源与地质工...
- 2 篇 网络空间安全
- 1 篇 电气工程
- 1 篇 测绘科学与技术
81 篇 管理学
- 68 篇 管理科学与工程(可...
- 9 篇 图书情报与档案管...
- 3 篇 公共管理
- 2 篇 工商管理
13 篇 理学
- 7 篇 系统科学
- 5 篇 数学
- 4 篇 统计学（可授理学、...
- 1 篇 地理学
- 1 篇 生物学
7 篇 文学
- 3 篇 外国语言文学
- 2 篇 中国语言文学
- 2 篇 新闻传播学
7 篇 艺术学
- 3 篇 戏剧与影视学
- 3 篇 设计学（可授艺术学...
6 篇 经济学
- 6 篇 应用经济学
2 篇 法学
- 1 篇 法学
- 1 篇 公安学
1 篇 教育学
- 1 篇 教育学
1 篇 农学
1 篇 医学
1 篇 军事学

主题

392 篇 数据稀疏
158 篇 协同过滤
76 篇 推荐系统
63 篇 冷启动
40 篇 推荐算法
27 篇 个性化推荐
18 篇 矩阵分解
18 篇 相似度
11 篇 注意力机制
10 篇 知识图谱
10 篇 社交网络
10 篇 深度学习
9 篇 聚类
9 篇 用户相似度
9 篇 统计语言模型
8 篇 协同过滤推荐
8 篇 混合推荐
8 篇 协同过滤算法
7 篇 迁移学习
7 篇 自然语言处理

机构

48 篇 重庆邮电大学
32 篇 杭州电子科技大学
31 篇 合肥工业大学
29 篇 南京邮电大学
24 篇 电子科技大学
23 篇 北京邮电大学
21 篇 桂林电子科技大学
20 篇 广东工业大学
19 篇 上海交通大学
18 篇 北京工业大学
16 篇 浙江大学
16 篇 腾讯科技有限公司
15 篇 南京航空航天大学
14 篇 清华大学
13 篇 天津大学
13 篇 南京大学
13 篇 西安电子科技大学
13 篇 哈尔滨工业大学
13 篇 北京理工大学
13 篇 中国科学技术大学

作者

16 篇 俞东进
15 篇 刘业政
13 篇 姜元春
13 篇 肖云鹏
13 篇 孙见山
11 篇 王东京
11 篇 孙春华
9 篇 张新
8 篇 朱燕民
8 篇 刘宴兵
8 篇 孙知信
8 篇 徐亚南
8 篇 赵学健
7 篇 蔡国永
7 篇 王锦坤
7 篇 孙哲
7 篇 汪胡青
7 篇 宫婧
7 篇 胡冰
7 篇 徐玉华

语言

1,410 篇 中文

检索条件"主题词=数据稀疏"

共 1410 条记录，以下是11-20 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

面向数据稀疏的个性化推荐算法研究与改进

面向数据稀疏的个性化推荐算法研究与改进

引用

作者：陆国生合肥工业大学

学位级别：硕士

随着互联网技术和电子商务系统的快速发展,网络上的信息数据开始呈指数型增长。面对网上海量的数据,人们越来越难以获取自己感兴趣的信息,这便是“信息超载”问题。为了解决这个问题,推荐系统应运而生,它能够根据用户偏好提供个性化推... 详细信息

随着互联网技术和电子商务系统的快速发展,网络上的信息数据开始呈指数型增长。面对网上海量的数据,人们越来越难以获取自己感兴趣的信息,这便是“信息超载”问题。为了解决这个问题,推荐系统应运而生,它能够根据用户偏好提供个性化推荐服务。目前,在众多的个性化推荐技术中,协同过滤推荐技术依靠其独有的优势,在电子商务领域得到了广泛地应用,但是传统的协同过滤算法存在冷启动、数据稀疏和可扩展性问题,如何解决这些问题一直是推荐系统领域研究的主要课题。本文针对协同过滤技术中的数据稀疏问题和用户兴趣迁移问题,主要研究了传统的协同过滤推荐算法、基于奇异值分解的协同过滤算法和基于用户兴趣迁移的协同过滤算法。首先,本文介绍了个性化推荐系统的发展背景,详细阐述了协同过滤推荐算法的基本原理以及常用的相似性度量方法,并简单介绍了推荐系统中几种常用的推荐评价指标。其次,针对用户评分稀疏的问题,深入研究了基于奇异值分解的协同过滤算法,着重介绍了算法的实现步骤与存在的问题,然后提出基于奇异值分解和项目属性的推荐算法,通过利用可知的项目属性信息提高项目之间相似度计算的可靠性。在Movie Lens数据集上进行实验,将改进的推荐算法与传统的协同过滤推荐算法、传统的基于奇异值分解的协同过滤算法进行对比分析。最后,针对用户兴趣可能会随时间变化的问题,提出基于用户兴趣迁移的协同过滤算法,在预测评分阶段为每个用户评分赋予一个时间权重,使得近期用户评分具有更大的权重。在Movie Lens数据集上进行实验,将本文算法与现有的基于时间权重的协同过滤算法和基于项目聚类的协同过滤算法进行比较,验证本文所提算法的有效性。

关键词：个性化推荐协同过滤数据稀疏奇异值分解用户兴趣迁移

来源：评论

学校读者我要写书评

暂无评论

面向数据稀疏问题的协同过滤推荐算法研究

面向数据稀疏问题的协同过滤推荐算法研究

引用

作者：康熠华内蒙古师范大学

学位级别：硕士

随着网络技术和电子商务的快速发展,越来越多的信息在网络上充斥,网络用户不仅可以获取信息,而且可以发布信息,这使得网络上的信息资源越来越多,日积月累便造成了“信息过载”问题。用户在享受电子商务带来便捷服务的同时,也经常会被大... 详细信息

随着网络技术和电子商务的快速发展,越来越多的信息在网络上充斥,网络用户不仅可以获取信息,而且可以发布信息,这使得网络上的信息资源越来越多,日积月累便造成了“信息过载”问题。用户在享受电子商务带来便捷服务的同时,也经常会被大量的商品信息所困扰,个性化推荐技术成为解决信息过载问题的有效方法。而协同过滤技术作为当前应用最为广泛的个性化推荐技术,虽取得了巨大的成功,却也面临着严峻的挑战。其中,最难解决的问题就是数据稀疏问题。由于推荐系统中项目和用户不断增加,而用户给项目评分的数量却十分有限,导致了用户评分矩阵的稀疏性。协同过滤推荐算法是根据用户的历史评分数据实现推荐的。因此,数据稀疏问题成为制约推荐结果准确性的重要因素。本文主要研究面向数据稀疏问题的协同过滤推荐算法,具体内容如下：1、分析了传统的协同过滤推荐算法的不足,针对评分数据稀疏性问题,在前人研究的基础上提出了基于粗糙集和属性重要度的协同过滤推荐算法。算法首先对用户的评分项进行筛选,融合了论域最近邻的思想,利用不完备数据填补方法中的常用算法——ROUSTIDA算法在分析属性重要度的基础上,对原始用户-项目评分矩阵进行填补,缓解了传统算法在稀疏数据条件下相似度计算不准确导致的推荐质量较低的问题。实验结果表明,改进的算法可以提升推荐质量。2、针对传统的协同过滤技术在产生推荐时易受数据稀疏问题影响的现状,加入了用户对项目属性的偏好,提出了一种基于用户偏好的混合协同过滤推荐算法。首先,分析用户对项目属性的偏好,而后在衡量用户相似性时,综合考虑用户评分的相似性和用户特定的偏好,通过一个权值兄来控制两者的重要程度。通过实验证明,该算法相比传统算法有更好的推荐精度,对数据稀疏性的适应能力较强。

关键词：协同过滤数据稀疏空缺评分填补个性化推荐共同评分

来源：评论

学校读者我要写书评

暂无评论

基于协同过滤算法数据稀疏性问题的研究

基于协同过滤算法数据稀疏性问题的研究

引用

作者：黄迪西南科技大学

学位级别：硕士

随着互联网的发展,推荐算法在各个领域都已经取得不错的应用,其中协同过滤算法是应用比较广泛且成功的算法,但是协同过滤算法在解决“信息过载”问题时还受到一些问题的影响,数据稀疏性问题是其面临的主要问题。协同过滤算法是依靠用户... 详细信息

随着互联网的发展,推荐算法在各个领域都已经取得不错的应用,其中协同过滤算法是应用比较广泛且成功的算法,但是协同过滤算法在解决“信息过载”问题时还受到一些问题的影响,数据稀疏性问题是其面临的主要问题。协同过滤算法是依靠用户-项目评分矩阵计算出相似度值找到最近邻居集,但是过于稀疏的评分数据会导致计算不出准确的相似度值,进而难以找到到真实的邻居集合,且得出的最近邻居集合在预测评分时又因只考虑共同评分项目而再次稀疏,最后影响推荐的精度。本文针对协同过滤算法数据稀疏性问题,进行了较为深入的分析与研究,提出以下三点缓解该问题提高推荐精度的办法。第一针对传统协同过滤算法的评分预测值受共同项目数量的影响,从降低最近邻居集中共同评分项目的稀疏程度入手,把与目标用户相似的但没有对目标项目评分的最近邻居用户也纳入评分预测中去,改进评分预测算法。第二从降低用户-项目评分矩阵稀疏程度的角度出发,提出基于预测值和多元值的混合填充算法。使用传统算法计算出用户-项目评分矩阵中未评分项目的预测值并保存,将预测值结合多元值按照填充规则对用户-项目评分矩阵混合填充,推荐时采用直接把填充值作为预测值和在填充后矩阵上进行协同过滤算法实验两种策略验证该填充规则能够比单一值填充取得更好的推荐效果。第三从优化相似度计算入手,提出基于用户兴趣偏好的混合协同过滤算法,挖掘用户评价过的项目属性,统计出用户对项目属性的偏好,建立用户-兴趣类型矩阵,再计算用户兴趣相似度,然后将用户评分相似度和用户兴趣相似度用一个动态参数融合形成综合相似度。最后在Movielens数据集上进行实验,实验结果表明,以上提出的方法都能够有效缓解数据稀疏问题,提高推荐精度。

关键词：协同过滤数据稀疏填充兴趣偏好相似度

来源：评论

学校读者我要写书评

暂无评论

面向数据稀疏的协同过滤推荐算法研究

面向数据稀疏的协同过滤推荐算法研究

引用

作者：张学胜中国科学技术大学

学位级别：硕士

随着互联网的普及以及现代电子商务的快速发展,网络上的信息呈指数增长的趋势,从而出现了所谓的“信息爆炸”和“信息过载”现象。个性化推荐技术是解决信息过载问题的有效手段。作为当前应用最广泛的个性化推荐技术之一,协同过滤推荐... 详细信息

随着互联网的普及以及现代电子商务的快速发展,网络上的信息呈指数增长的趋势,从而出现了所谓的“信息爆炸”和“信息过载”现象。个性化推荐技术是解决信息过载问题的有效手段。作为当前应用最广泛的个性化推荐技术之一,协同过滤推荐技术的核心思想是协同合作。近些年来,虽然协同过滤推荐技术在实际应用中取得了巨大的成功,但同样面临着严峻的问题。其中,最难解决的问题就是数据稀疏问题。数据稀疏问题是推荐系统中用户和项目数据不断增加的必然结果,因为用户给予评分的项目数量很有限,导致了用户评分矩阵稀疏,而协同过滤推荐算法是根据用户的历史评分数据实现对用户的推荐。因此,数据稀疏问题成为制约协同过滤推荐算法推荐结果准确性的一个重要因素。本文主要研究面向数据稀疏的协同过滤推荐算法。首先,从两个角度出发分析传统协同过滤推荐算法在数据稀疏情况下的弊端。然后,在此基础上,本文提出了两种改进算法:融合争议度特征的协同过滤推荐算法和基于项目递归关系的协同过滤推荐算法。最后,本文将提出的算法应用到实际的平台中以检验其实用性。具体研究内容如下: 1)分析了传统的计算项目相似度方法在数据稀疏情况下计算项目相似度不准确问题。本文从项目间的整体评分角度出发,提出了争议相似度的概念,并将争议度特征融合到基于项目之间共同用户评分的传统相似度算法中,进而提出了融合项目争议度特征的协同过滤推荐算法,缓解了传统算法在稀疏数据情况下相似度计算不准确的问题。实验结果表明该算法在数据稀疏环境下可以明显提升推荐质量。 2)分析了现有协同过滤推荐算法在预测目标用户对于目标项目评分时导致了数据的进一步稀疏化的原因。在此基础上,将项目间的递归关系融入协同过滤推荐算法,利用递归的思想提出一种基于项目递归关系的协同过滤推荐算法,基于项目递归关系的协同过滤推荐算法能够充分利用了稀疏数据情况下用户评分信息,避免了预测目标用户对于项目评分时数据的进一步稀疏化,实验结果表明该算法可以有效地缓解协同过滤推荐中的数据稀疏问题。 3)将本文提出的两种算法应用在《图书馆交互式科研管理平台》中以检验算法的实用性。

关键词：协同过滤数据稀疏争议度特征争议相似度

来源：评论

学校读者我要写书评

暂无评论

面向数据稀疏优化的协同过滤推荐算法研究

面向数据稀疏优化的协同过滤推荐算法研究

引用

作者：胡湘湖南大学

学位级别：硕士

在信息过载的数据时代,个性化推荐系统可以通过信息过滤技术向用户推荐其感兴趣的信息,因此广泛应用于各个领域。其中,协同过滤算法是使用最广、最受欢迎的推荐算法之一。然而,协同过滤算法仍然存在数据稀疏问题,严重影响推荐的质量。... 详细信息

在信息过载的数据时代,个性化推荐系统可以通过信息过滤技术向用户推荐其感兴趣的信息,因此广泛应用于各个领域。其中,协同过滤算法是使用最广、最受欢迎的推荐算法之一。然而,协同过滤算法仍然存在数据稀疏问题,严重影响推荐的质量。针对协同过滤算法的数据稀疏问题,本文分别从填充稀疏评分矩阵和定义新的用户相似度模型这两个角度来展开研究。本文完成的主要工作如下:第一,为了提高协同过滤算法在数据稀疏时的准确性,本文提出一种融合辅助信息的基于数据填充的协同过滤算法。该算法的主要特点在于:(1)在生成填充数据时,融合用户/项目的辅助信息来表示用户/项目特征,使得能为新用户和新项目生成填充数据,且能准确度量用户/项目相似性。在融合用户辅助信息时,本文融合用户基本属性信息,并结合用户评分和项目属性信息来预测用户对项目属性的偏好程度。在融合项目辅助信息时,将项目属性信息、标题信息以及内容信息进行有效融合。同时,引入降噪编码器挖掘用户/项目的低阶稠密隐式特征。(2)在填充矩阵时,考虑填充数据的置信度,通过将置信度不高的填充数据进行过滤以此降低噪声数据对推荐质量的影响。在极为稀疏的数据集上进行测试,实验结果表明提出的算法能较好的缓解数据稀疏问题,且具有较高的推荐准确度。第二,针对传统用户相似度模型因完全依赖于用户共同评分项目而导致的无法适用于稀疏数据的问题,本文提出一种基于混合相似度的协同过滤算法。首先,算法引入项目属性计算项目相似度,通过结合项目相似度和评分相似度度量非共同评分项对用户相似度的影响,不再依赖于用户的共同评分项目,以此缓解数据稀疏问题。其次,为了全面、客观地度量用户相似度,本文考虑共同评分奖励因子和用户可信度因子。共同评分奖励因子用于度量共同评分项目与属性所占比重对用户相似度的影响,用户可信度因子用于度量用户是否具有不可信评分的情况,以此降低不可信用户的影响。最后,将算法与基于其它相似度模型的算法进行比较,实验结果表明,本文提出的算法能较好的适用于稀疏数据,且在推荐精度上有显著提高。

关键词：推荐算法协同过滤数据稀疏数据填充相似度

来源：评论

学校读者我要写书评

暂无评论

面向推荐系统的数据稀疏问题研究

面向推荐系统的数据稀疏问题研究

引用

作者：潘强强吉林大学

学位级别：硕士

众所周知,互联网近几年发展速度超乎人们的想象,用户在互联网上留下的信息不计其数。怎样从这些超量的互联网信息中挖取出用户感兴趣的内容,并且主动推荐给用户,这是推荐系统所要解决的问题和主要任务。随着用户的日益增多,各种门户网... 详细信息

众所周知,互联网近几年发展速度超乎人们的想象,用户在互联网上留下的信息不计其数。怎样从这些超量的互联网信息中挖取出用户感兴趣的内容,并且主动推荐给用户,这是推荐系统所要解决的问题和主要任务。随着用户的日益增多,各种门户网站、电子商务网站以及各大公司的系统为用户提供了更多更好的信息服务。以电子商务网站为例,面对多种多样的网购信息,对于知道自己想要什么的用户来说,可以利用电子商务网站的搜索引擎查询自己想要购买的产品。但是,往往用户的需求具有不确定性和模糊性,因为有些时候他们也描述不清自己想要的东西。此时,如果购物网站能够准确给用户推荐那些用户描述不清的商品信息,便能培养用户对自己网站的依赖感,为自己的网站带来巨额的利润,从而能够在竞争激烈的商业市场站稳脚跟。怎样在海量的信息中找到用户的需求并推荐给客户,是各大互联网商家面临的严峻挑战,成为许多学者和专家的热门研究课题。在这种商业驱动和学术氛围的背景下,基于大数据的推荐系统应用而生。推荐系统能够很好的解决当今互联网中“信息过载”这一棘手问题,深受各大公司和电子商务网站的欢迎。然而推荐系统并不是万能的,面对互联网中越来越多的不同种类的数据与一些越来越复杂的应用场景,推荐系统也面临着诸多待解决的问题。这些问题是一些未被很好解决的理论和应用层面上的难题。推荐系统领域研究的热点主要集中在系统的可扩展性,新用户与新项目的冷启动问题,数据稀疏问题等等[1]。数据稀疏问题成为推荐系统发展的一个瓶颈,该问题的存在严重影响了推荐系统的推荐质量。如何解决数据稀疏问题成为保障推荐系统推荐质量的关键所在。推荐系统数据稀疏性问题的产生是因为其在推荐的过程中,需要依赖用户对项目的评分数据来挖掘用户的爱好信息,从而向用户进行推荐,该数据的依赖量影响着推荐精度。这些依赖的数据越多,推荐出来的结果就越准确。但是现实往往事与愿违,推荐系统的用户往往会因为一些原因没有留下评分数据,造成推荐系统可依赖的数据量稀少。因此,推荐系统很难依据数据来找到相似用户,最终导致推荐系统的准确度不高,使得目标用户不满意。本文致力于研究推荐系统的数据稀疏性问题,在前人研究的基础之上对数据稀疏性问题进行了相关的研究。本文的主要研究工作如下:1、阐述了推荐系统数据稀疏性问题产生的原因,并分析其给推荐系统推荐精度上带来的影响。2、指出了现有阶段解决数据稀疏性问题方法的不足之处。固定填充法没有考虑用户与项目的特征属性,会对推荐准确性带来偏差;矩阵降维法容易丢失有效数据,使得预测出来的评分不准确;Content-based CF没有数据稀疏问题,但是不能够发现用户潜在感兴趣的新项目,推荐系统失去意义。3、通过分析User-based CF和Item-based CF各自的优势提出了一种结合传统CF填充矩阵来解决推荐系统的数据稀疏性问题的思想。该思想不仅缓解了推荐系统的数据稀疏性问题,而且还能够极大改善推荐系统推荐性能以及提高推荐系统推荐质量。4、以Apache Mahout推荐技术框架以及Movie Lens数据集进行实验验证,并和传统协同过滤推荐算法进行分析对比,证实了新提出的组合传统CF填充矩阵思想能够缓解稀疏性问题,极大改善推荐系统的推荐质量。

关键词：大数据推荐系统数据稀疏冷启动

来源：评论

学校读者我要写书评

暂无评论

个性化推荐系统中数据稀疏问题的研究

个性化推荐系统中数据稀疏问题的研究

引用

作者：朱史航杭州电子科技大学

学位级别：硕士

研究推荐系统如何为机器赋予向用户推荐个性化物品的能力，是当前人工智能领域重要且具有挑战性的任务之一。经过多年的发展，个性化推荐系统已经广泛的应用于各个企业，如抖音、今日头条、阿里巴巴、微信等。虽然个性化推荐系统应用广... 详细信息

研究推荐系统如何为机器赋予向用户推荐个性化物品的能力，是当前人工智能领域重要且具有挑战性的任务之一。经过多年的发展，个性化推荐系统已经广泛的应用于各个企业，如抖音、今日头条、阿里巴巴、微信等。虽然个性化推荐系统应用广泛，但是它仍旧面临一些亟待解决的问题。就目前来看，数据稀疏问题是个性化推荐系统发展过程中所面临的最大瓶颈之一，成为推荐系统领域的研究热点。现有的研究方法主要通过利用辅助信息来减少数据稀疏带来的不利影响，经过研究对比发现使用跨领域信息和社交信息的方法取得了具有竞争力的成果。因此，本文从以下两个方面开展对个性化推荐系统中数据稀疏问题的研究，并提出了两种解决方案。　　（1）为了充分利用跨领域的信息来解决数据稀疏问题，提出了多头注意力引导的图卷积神经网络跨领域推荐模型。该模型由跨领域交互矩阵模块、多头注意力引导的图卷积神经网络模块以及预测模块三个部分组成。在生成推荐的过程中，首先基于两个领域的物品和用户构建成一张用户和物品的二部图，并将其转换成一个邻接交互矩阵;然后，邻接交互矩阵和初始化嵌入矩阵通过多头注意力引导的图卷积神经网络转化成多个交互矩阵，由全联接层和线性组合层聚合成嵌入矩阵。最后通过预测模块生成最终的推荐结果。实验结果表明，在多对真实场景的数据集下，显著优于几个比较先进的基线模型。　　（2）为了充分利用高阶社交关系来解决数据稀疏问题，提出了基于高阶社交关系的注意力图卷积神经网络模型。该模型由用户表示学习模块、隐邻居生成模块、注意力社交嵌入传播模块和预测模块四个部分组成。在生成推荐的过程中，首先将用户显式高阶社交关系特征聚合到用户的嵌入表示中;然后结合Motifs图结构生成用户的隐邻居，将用户之间的隐式关系进行提取;接着通过注意力图卷积神经网络将显示高阶邻居、隐邻居以及用户历史交互物品映射到最终的嵌入矩阵;最后通过预测模块产生最后的推荐结果。实验结果表明，在多个真实场景的数据集下，显著优于几个比较先进的基线模型。

关键词：推荐系统数据稀疏图卷积神经网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

句法分析中数据稀疏问题研究

句法分析中数据稀疏问题研究

引用

作者：王玥北京信息科技大学

学位级别：硕士

句法分析是自然语言深层处理的关键技术，在自然语言处理中占有举足轻重的地位。但是近些年由于汉语句法分析理论和技术的不成熟导致句法分析只能在某些产品应用中起参考辅助作用，不能真的达到实际应用的地步。这主要是因为句法分析中... 详细信息

句法分析是自然语言深层处理的关键技术，在自然语言处理中占有举足轻重的地位。但是近些年由于汉语句法分析理论和技术的不成熟导致句法分析只能在某些产品应用中起参考辅助作用，不能真的达到实际应用的地步。这主要是因为句法分析中存在的数据稀疏问题，是限制句法分析结果提升的一大瓶颈。无论是扩大树库规模、改进树库质量、优化句法分析算法还是提升句法分析建模方法，最终目的都是为了解决句法分析中的数据稀疏问题，尽量减少数据稀疏对于句法分析的影响。因此本文针对减少数据稀疏问题展开了如下几个方面的研究:\n (1)汉语词汇本身存在表意丰富和使用灵活的特点，使用树库进行句法分析的过程中会遇到不同程度的数据稀疏问题。本文由此，借助同义词词林的语义信息和词语在文中的语境信息，提出了一种基于语境的词汇语义消歧方法。通过构建语境词典对树库中的词语进行语义映射，并采用语义相似度计算方法对多义词的歧义现象进行语义消歧，消除了词语的歧义现象，缓解了树库在进行句法分析时存在的数据稀疏问题，从而提升了稀疏树库在进行句法分析过程中的分析效果。\n (2)句法分析过程中存在大量的语法歧义问题，而这些语法歧义问题主要是由于词语歧义问题引起，本文针对树库中词语的歧义现象提出一种语义消歧方法，使用语义词典以及词语对应语境信息，将词典中存在语义而且无歧义的词语直接推荐语义标识，而存在歧义的词语，构建义原推荐器，并通过义原推荐器为语料中每一个存在上下文的词语，推荐一个与其当前语境意义相符的概念，并用概念中的第一义原来表示当前词语的语义信息，从而进行词语消歧，然后将对应的语义加入到树库语料中进行句法分析，解决句法分析过程中可能会产生的数据稀疏问题，进而大幅地缓解了树库在进行句法分析过程中存在的数据稀疏问题。\n (3)本文针对树库的自动扩充展开研究，提出了一种通过可信度方法进行语料的自动扩充方法。由于现有树库的规模比较小，而人工半自动的树库扩充又比较费力，通过已有的句法分析器，使用自动的方法选择最优结果并将这些优选后的结果加入树库，以迭代的方式，将生语料变成熟语料并加入树库，自动扩充汉语树库，通过增加树库中涵盖的情况种类和数目减小数据稀疏问题对句法分析造成的影响，同时也大幅地降低了人工校对语料的难度。解决小规模树库在句法分析中存在的数据稀疏问题。

关键词：句法分析数据稀疏同义词词林树库扩充自然语言处理

来源：评论

学校读者我要写书评

暂无评论

群智感知中基于位置解决数据稀疏问题的真值发现

群智感知中基于位置解决数据稀疏问题的真值发现

引用

作者：李卓倩上海交通大学

学位级别：硕士

近年来,由于移动设备的大范围普及,我们可以方便得利用装有各种传感器的移动设备去采集周围环境中的传感数据,比如湿度,温度,交通状况等。移动群智感知的概念由此而来,它指的是利用用户的智能设备去采集环境数据,上传到统一的数据处理中... 详细信息

近年来,由于移动设备的大范围普及,我们可以方便得利用装有各种传感器的移动设备去采集周围环境中的传感数据,比如湿度,温度,交通状况等。移动群智感知的概念由此而来,它指的是利用用户的智能设备去采集环境数据,上传到统一的数据处理中心,从而协同完成某项感知任务。由于不同的参与者共同完成了数据的采集,导致数据普遍存在不一致性。比如可能受到环境中噪音的影响,不同设备传感器的精度差异或参与者在收集感知信息过程中各种各样的私人行为等等。真值发现就是为了解决这种数据差异性而提出的,它旨在基于收集到的数据对其中隐含的真实值进行估测并对参与者的可信度做出评估。现存的真值发现算法大多基于大量数据聚合后经过分析产生精确的评估结果,也即精确性依赖于海量数据,对于每一个任务,都需保证能采集到大量数据。然而在常见移动群智感知场景中,采集到的数据通常会离散地分布在一个较大的感知区域中,某一些任务或许只能收集到非常少的数据。在这种情况下,传统的真值发现算法因为缺少足够的数据支持,将无法提供准确的评估。为了解决这个挑战,本文提出了一个有效的真值发现算法,名为Holmes。它利用了待观测实体之间的空间关联性,将参与者的提供的感知信息重用于周围的多个任务,从而解决了数据稀疏问题。我们还考虑了长尾效应,即大部分参与者都只会提供少量的感知信息,而一个参与者数据量越多,我们对他可靠性的评估才会越准确。因此我们提出了Holmes-LT对参与者可靠性评估进行了更为准确的控制。由于在流数据场景下,不断迭代求值的方式效率低下,因此我们提出了Holmes-OL,能够以较低的时间复杂度实现较准确的真值估计。通过全面的仿真实验和真实场景实验,我们对所提出算法的性能进行了评估,结果表明我们的算法在准确度上显著超越了现有的其他真值发现算法,并且扩展性强,在效率方面也有较大改善。

关键词：无线网络群智感知真值发现数据稀疏

来源：评论

学校读者我要写书评

暂无评论

协同过滤算法中数据稀疏性问题研究

协同过滤算法中数据稀疏性问题研究

引用

作者：代金龙重庆大学

学位级别：硕士

信息时代，互联网的覆盖率和普及度越来越高，同时也推动了电子商务融入人们的生活中，网络数据信息呈现出爆炸式的增长。人们将花费更多的时间去寻找他们想要的东西，这个现象被称作“信息过载”。如何解决这个问题对电子商务平台来说... 详细信息

信息时代，互联网的覆盖率和普及度越来越高，同时也推动了电子商务融入人们的生活中，网络数据信息呈现出爆炸式的增长。人们将花费更多的时间去寻找他们想要的东西，这个现象被称作“信息过载”。如何解决这个问题对电子商务平台来说非常重要，推荐系统的出现填补了这一空白，其中基于协同过滤算法更是取得了很大的成功。然而随着电商平台的用户数和项目数的大幅度增加，被评分的项目比例越来越小，使得用户-项目评分矩阵变得十分稀疏，从而造成传统的协同过滤推荐算法的推荐准确度有所下降。数据稀疏问题使得采用协同过滤算法的推荐系统法面临严重不足。本文针对该问题，从结合条件概率算法、浮动筛选邻居和分步填充用户-项目评分矩阵中的未评分项目三个角度出发缓解数据稀疏性问题，提高推荐精度。第一，本文提出一种基于条件概率的算法，该算法从概率的角度可以挖掘传统协同过滤算法发现不了的邻居，并使得该邻居对目标项目进行预测评分，然后综合采用通常的协同过滤算法而获取的邻居对目标项目的评分，加权综合后产生最终的评分数值。第二，在筛选邻居的时候，放弃kNN选取固定k个邻居的做法，而是设定一定的相似度阈值和共同评分项目数阈值，然后只将达到阈值的用户作为目标用户的邻居，使选取的邻居更加可靠。第三，在对未评分目标项目进行预测时，分两步进行。第一步设定严格的相似度阈值和共同评分项目数阈值，然后只将达到阈值的用户作为目标用户的邻居，然后填充部分未评分项目；第二步，在第一步部分填充后得到的评分矩阵较原始评分矩阵将更为稠密，在此基础之上，部分以前不能成为目标用户邻居的用户将能够满足条件成为其邻居，从而能得到更多的邻居，再适当放宽条件限制，使得能够将用户-项目评分矩阵的剩余未评分项目进行完全填充。最后，本文采用MovieLens数据集，用Eclipse编写该算法进行实验。实验表明：浮动筛选邻居策略筛选的邻居比kNN策略更具可信度，MAE值更低；条件概率算法能发现潜在的邻居，弥补数据稀疏性；分步填充策略能很好地弥补数据稀疏性，提高推荐精度。

关键词：推荐系统条件概率协同过滤数据稀疏分步填充

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共141页 << < 1 2 3 4 5 6 7 8 9 10 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：