检索结果-内蒙古大学图书馆

软件工程 2025年第4期28卷 22-25,31页

作者：王硕大连东软信息学院辽宁大连116023

医疗、金融和社交网络等许多领域的数据集通常存在大量的缺失值,这给数据分析和模型训练带来了巨大的挑战。文章提出一种基于高级生成对抗网络(Generative Adversarial Networks,GAN)的架构,用于稀疏数据集中的数据填充任务。该架构通... 详细信息

医疗、金融和社交网络等许多领域的数据集通常存在大量的缺失值,这给数据分析和模型训练带来了巨大的挑战。文章提出一种基于高级生成对抗网络(Generative Adversarial Networks,GAN)的架构,用于稀疏数据集中的数据填充任务。该架构通过结合生成对抗网络的强大生成能力和深度学习技术,旨在更准确地填补数据集中的缺失值,从而提升数据质量和后续分析的准确性。实验结果表明,该框架的填补平均准确率约为85%,而相较于均值填补方法,其准确率提升约10.2百分点。在稀疏数据集上均取得显著的提升效果,为稀疏数据处理提供了新的解决方案。

关键词：生成对抗网络(GAN) 数据填充稀疏数据集

来源：评论

学校读者我要写书评

暂无评论

基于噪声检测修正和神经网络的稀疏数据推荐算法

引用

计算机应用与软件 2020年第8期37卷 274-281页

作者：张艳红俞龙广东技术师范大学天河学院计算机科学与工程学院广东广州510540 华南农业大学电子工程学院广东广州510642

协同过滤推荐算法对于含噪声稀疏数据集的推荐性能较弱,为此设计噪声检测修正和神经网络的稀疏数据top-k推荐算法。将用户和项目按评分分别分类为高分类、中等类和低分类,根据分类结果检测评分矩阵的奇异点,对奇异点做简单地修正处理。... 详细信息

协同过滤推荐算法对于含噪声稀疏数据集的推荐性能较弱,为此设计噪声检测修正和神经网络的稀疏数据top-k推荐算法。将用户和项目按评分分别分类为高分类、中等类和低分类,根据分类结果检测评分矩阵的奇异点,对奇异点做简单地修正处理。建立基于兴趣关系的受限玻尔兹曼机模型,将用户对项目的兴趣关系以及项目的次级信息作为条件受限玻尔兹曼机的输入,预测目标用户的top-k推荐列表。基于多个数据集的实验结果表明,该算法有效地提高稀疏数据的推荐性能,并且推荐列表的排序也较为准确。

关键词：协同过滤推荐系统噪声数据集稀疏数据集噪声过滤神经网络受限玻尔兹曼机

来源：评论

学校读者我要写书评

暂无评论

基于用户兴趣变化和评论的协同过滤算法研究

引用

计算机科学 2018年第3期45卷 213-217,246页

作者：董晨露柯新生北京交通大学经济管理学院

传统协同过滤算法中,随着用户和商品数量的日益增多,用户-项目评分矩阵越来越稀疏。针对这一问题,提出了一种基于用户兴趣变化和评论的协同过滤算法。该算法将用户评论和遗忘曲线引入传统协同过滤算法中,将评论文本作为商品特征描述文本... 详细信息

传统协同过滤算法中,随着用户和商品数量的日益增多,用户-项目评分矩阵越来越稀疏。针对这一问题,提出了一种基于用户兴趣变化和评论的协同过滤算法。该算法将用户评论和遗忘曲线引入传统协同过滤算法中,将评论文本作为商品特征描述文本,使用主题模型计算商品主题特征,引入艾宾浩斯遗忘曲线来协同计算用户的评论分布及评论相似度。将用户评论相似度和用户评分相似度相结合,以得到最终的用户相似度,进而对商品评分进行预测。对网络爬取的真实数据进行验证,结果显示该算法能够在稀疏数据集上获得较好的推荐结果。

关键词：协同过滤稀疏数据集主题模型用户兴趣变化评论相似度

来源：评论

学校读者我要写书评

暂无评论

基于稀疏矩阵的图算子优化研究

基于稀疏矩阵的图算子优化研究

引用

作者：汪子奇中国科学院大学

学位级别：硕士

图结构由于其自身的关联特性，在众多应用场景中被当作现实数据的逻辑结构。随着大数据时代的到来，未来的数据量将持续的增长，现实图数据集的稀疏性也受到越来越多的关注。在图处理领域的众多计算模型中，基于线性代数的编程模型是其... 详细信息

图结构由于其自身的关联特性，在众多应用场景中被当作现实数据的逻辑结构。随着大数据时代的到来，未来的数据量将持续的增长，现实图数据集的稀疏性也受到越来越多的关注。在图处理领域的众多计算模型中，基于线性代数的编程模型是其中的一个研究分支，它的特点是将图数据看作稀疏邻接矩阵，将图处理问题转换成一系列由图算子组成的程序，因此天生具有跨硬件平台的通用性这一特征。在当下的异构计算时代，各种加速部件被广泛应用，从跨平台通用性出发对研究稀疏的现实图数据处理问题有实践和指导意义。矩阵乘图算子作为其中的重要组成部件，其在稀疏数据集上的性能表现对整体的性能影响不容忽视。本文从稀疏性这一特征出发，主要提出了以下优化:　　1.稀疏度场景自适应的混合任务调度优化。为了使图算子能够处理不同的稀疏度输入场景，基于相关的研究工作，本文提出了一个衡量整体计算量的量化指标:非零项数目，同时围绕着该量化指标设计了一种基于二分查找的任务负载划分策略。最后根据稀疏度场景的不同，采取了使用不同稀疏累加器的任务来进行计算。这种适应不同稀疏度场景的混合任务调度策略使得相关应用（使用了稀疏矩阵乘图算子）相比基础版本均有性能提升，在千万级别顶点数量以及亿级别边数量的数据集上，增幅在1.2x-2x。　　2.稀疏度感知的掩码操作优化。为了解决proflie实验中观察到的引入掩码操作后的额外开销问题，本文围绕着稀疏度这一特性对掩码操作进行了改进。在引入了量化指标的工作基础上，本文提出了一种掩码稀疏度感知的启发式算法，使程序在执行过程中能动态地决定如何处理掩码操作。该算法能有效地处理不同掩码稀疏度的输入场景，进而提升图算子的性能。同时针对掩码操作，还提出了一种puil优化策略，有效地降低了利用掩码操作带来的计算开销。使用了掩码操作的图算法在大部分的数据集上取得了较为明显的性能提升，在大图上的表现更加明显，最大的性能提升可以达到1.3x。　　3.更均衡的动态任务负载划分优化。为了解决基于二分查找的分配策略造成的任务负载过大问题以及挖掘更大的任务并行度，在前面工作的基础上，本文提出了一种更细粒度的任务负载划分策略，它对负载过大的初始任务重新进行负载分配，将计算量过大的单列交由一组细粒度的任务负责，减轻了初始任务负载的同时大大增加了程序的并行度。同时针对这些细粒度任务设计了一套并发控制机制用来保证程序的正确执行。对于使用了稀疏矩阵向量乘图算子的图算法而言，尽管引入细粒度任务可能会带来额外的预处理开销，但是可以极大地提升程序的并行度。这些算法在大部分的数据集上取得了较为明显的性能提升，最大的性能提升可以达到2x。

关键词：矩阵乘图算子稀疏数据集混合任务调度掩码操作启发式算法

来源：评论

学校读者我要写书评

暂无评论

面向稀疏数据优化的协同过滤推荐算法

面向稀疏数据优化的协同过滤推荐算法

引用

作者：陈宗言南京邮电大学

学位级别：硕士

随着电子商务平台的不断扩大,作为个性化推荐中运用最普遍的技术之一,传统的协同过滤推荐算法面临着一系列严峻的挑战,比如评分矩阵的极度稀疏、冷启动等问题。本论文针对这些问题提出了一些改进方法,论文的主要工作如下:(1)提出了一种... 详细信息

随着电子商务平台的不断扩大,作为个性化推荐中运用最普遍的技术之一,传统的协同过滤推荐算法面临着一系列严峻的挑战,比如评分矩阵的极度稀疏、冷启动等问题。本论文针对这些问题提出了一些改进方法,论文的主要工作如下:(1)提出了一种基于项目属性特征预处理的协同过滤推荐算法。该算法通过引入项目的属性特征信息,获取项目间属性特征相似度,以此来预测用户对评分缺省项的打分值,并将该值填入到数据矩阵中对应的位置,从而使得评分矩阵近乎饱和。接着再对稀疏数据集中的未评分项目进行混合填充预处理,有效避免了传统均值填充法中的用户对项目的评分完全相同的问题以及众数填充法所面临的“多众数”和“无众数”问题。最后,对经过混合填充预处理后的“用户-项目”评分矩阵进行相似度计算,然后依据相似度计算的结果来搜索并生成最近邻,最终通过这些最近邻居为用户做出推荐。结合实验,验证了改进算法能够有效的改善推荐系统数据稀疏性以及冷启动问题。(2)提出了一种综合项目评分及属性的协同过滤推荐算法。传统的协同过滤算法在获取项目间相似度时往往只依赖于项目的历史得分数据,这种在生成项目间相似度时只考虑评分的做法显得很片面,而且无法有效的缓解推荐系统所面临的冷启动问题,造成新项目或者评分次数太少的项目无法得到推荐,从而对推荐系统挖掘长尾项目的能力造成影响。因此,在获取及生成项目间相似度时,还需要把项目属性特征这些较为容易获取和稳定的因素包含在内。针对这个问题,本章在传统协同过滤算法的基础之上进行了一些改善,在生成项目间相似度时,综合项目评分和项目的属性特征,从而提高推荐系统发掘长尾项目、缓解系统冷启动的能力。(3)在MovieLens数据集上对改进算法进行了实验,相关实验结果表明本论文提出的改进算法可以有效的缓解传统的协同过滤推荐算法面临的数据稀疏性和冷启动问题,提高系统的推荐精度和推荐覆盖率。

关键词：协同过滤推荐属性特征稀疏数据集混合填充相似度组合

来源：评论

学校读者我要写书评

暂无评论

基于稀疏数据预处理的协同过滤推荐算法

引用

计算机技术与发展 2016年第7期26卷 59-64页

作者：陈宗言颜俊南京邮电大学通信与信息工程学院江苏南京210003 宽带无线通信与传感网技术教育部重点实验室江苏南京210003

随着推荐系统规模的不断扩大,用户-项目评分矩阵呈现出极端稀疏性,导致基于传统相似性度量方法的协同过滤推荐系统推荐质量的下降。针对该问题,文中提出了一种基于项目特征属性的稀疏数据集预处理方法来提高算法的推荐质量。首先,通过... 详细信息

随着推荐系统规模的不断扩大,用户-项目评分矩阵呈现出极端稀疏性,导致基于传统相似性度量方法的协同过滤推荐系统推荐质量的下降。针对该问题,文中提出了一种基于项目特征属性的稀疏数据集预处理方法来提高算法的推荐质量。首先,通过引入项目的特征属性信息,根据项目间特征属性相似度,初步预测用户对未评分项目的评分,可以使得用户-项目评分矩阵完全饱和。接着再对稀疏数据集的未评分项目进行混合填充预处理,避免了传统均值填充法中的用户对项目的评分不可能完全相同的问题以及众数填充法中的"多众数"和"无众数"问题。实验结果表明,文中提出的方法更能有效地提高推荐系统的推荐质量和推荐覆盖率。

关键词：推荐系统协同过滤特征属性稀疏数据集混合填充

来源：评论

学校读者我要写书评

暂无评论

临床数据中挖掘关联规则算法的选用

引用

暨南大学学报（自然科学与医学版） 2004年第1期25卷 26-29页

作者：殷彬方思行暨南大学计算机科学系广东广州510632

　对典型的挖掘关联规则的Apriori算法和FP-growth算法进行比较分析.然后,结合临床数据的特点,建议在临床数据关联规则挖掘中采用FP-growth算法.

关键词：数据挖掘关联规则 Apriori算法 FP-growth算法支持度稀疏数据集稠密数据集

来源：评论

学校读者我要写书评

暂无评论

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：

请选择收藏分类：

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

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：