检索结果-内蒙古大学图书馆

作者：李梦西南大学

学位级别：硕士

随着互联网的快速发展,生活质量的不断提高,消费者的购买兴趣趋向于多样化,得到更为准确的推荐系统成为电商平台提高用户点击率与下单率的一大重要法宝。关于推荐系统的研究能够降低企业成本的同时提高电商平台的商业利润和价值,所以针... 详细信息

随着互联网的快速发展,生活质量的不断提高,消费者的购买兴趣趋向于多样化,得到更为准确的推荐系统成为电商平台提高用户点击率与下单率的一大重要法宝。关于推荐系统的研究能够降低企业成本的同时提高电商平台的商业利润和价值,所以针对该系统的探索对未来的电商发展具有重要意义。另外,目前传统的推荐系统的应用存在两个方面的问题,一方面,推荐模型的复杂度较高,时间消耗成本大,难以满足在万级甚至亿级用户量背景下完成即时推荐的要求,同时推荐系统中交互信息稀疏,难以捕捉不同用户与不同商品之间有效信息,在高维空间下容易导致维数灾难;另一方面,不断迭代增加的新商品与新注册用户可能会造成系统出现冷启动问题。所以,本文针对以上两个问题对推荐系统进行了深入探究,在前沿算法的基础上对原有模型进行了改进,进一步提升了推荐系统的准确率,主要的工作内容包括以下三个部分:首先,创新性应用node2vec模型,改善推荐效果。为了减少模型的时间消耗,同时降低模型的复杂度,本文借助网络结构数据方法,采用node2vec浅层神经网络模型。该模型常应用于预测网络结构数据节点之间的边关系,本文将其应用延伸到推荐系统中。该模型具备两大优势,一是模型简单,复杂度小。node2vec模型中仅包含一个隐藏层,由此极大的减少了传统推荐系统中前馈神经网络模型和循环经网络模型的复杂度,降低了模型训练的时间消耗,提高了推荐系统的推荐效率;二是模型灵活,训练可控。node2vec模型是在Deep Walk基本图嵌入模型基础上进行的改进,该模型改善了Deep Walk模型在网络中随机游走,通过增加两个游走参数,将节点之间的游走方式转变为有偏游走,使模型更倾向于捕捉网络结构中的结构性和同质性,由此得到的推荐系统更为灵活,适应性更强。其次,添加侧面补充信息,解决冷启动问题。一方面,每个用户仅与部分商户或商品存在交互,所包含的信息稀疏,可用内容较少;另一方面,电商平台中的商品与商户存在定时更新的情况,而此时用户与新晋商品或商户之间并无交互,所以此时需要添加商品与商户的侧面信息作为补充,才能完成对该类新个体有针对性的推荐。在模型中的具体实现方式是将侧面信息作为新的维度特征添加到对应向量中,这样既改进了交互较少缺乏有效信息的问题,同时又弥补了新加入个体无交互的缺陷,由此便较好的解决了模型中的冷启动问题。最后,进行实例验证,分析模型优势。本文将node2vec模型与其他模型应用于美团外卖的实际数据中进行探究,并比较不同模型间的准确度。发现添加了侧面信息的node2vec模型准确度最高,说明该模型在一定程度上能够改进推荐系统的表现效果,更能够较好的捕捉到不同商户之间的差异。同时获取到同类商户之间的相似特征,优势显著。极大的弥补了word2vec模型与Deep Walk模型在推荐系统中存在的缺陷,增强了推荐系统的灵活性和实用性。综合来看,本文在一定程度上验证了node2vec模型在推荐系统中的有效性与可实践性,为未来网络结构算法在推荐系统中的应用开拓了新的思路。其次,补充侧面信息确实能增强模型整体表达效果的结论为未来冷启动的解决提供了新方法。

关键词：推荐系统向量表征网络结构数据 node2vec模型

来源：评论

学校读者我要写书评

暂无评论

基于图嵌入的长三角城市群边缘城市功能界定——以江苏省淮安市为例

引用

现代城市研究 2025年第1期40卷 29-35页

作者：韩刚唐乐刘志敏淮阴工学院建筑工程学院淮河流域城乡发展与空间规划研究所淮阴工学院建筑工程学院淮安市双碳数智化创新重点实验室上海社会科学院城市与人口发展研究所

长三角边缘地区城市功能的形成存在指向核心区的单向依赖关系,地区内城市表现出典型的功能同质化特征。城市间功能互补与差异化是实现长三角协同一体化、高质量与现代化的重要途径。文章以长三角边缘区城市淮安市为实证对象,从流空间视... 详细信息

长三角边缘地区城市功能的形成存在指向核心区的单向依赖关系,地区内城市表现出典型的功能同质化特征。城市间功能互补与差异化是实现长三角协同一体化、高质量与现代化的重要途径。文章以长三角边缘区城市淮安市为实证对象,从流空间视角构建区域内城市功能交互网络,借助图嵌入技术,将网络关系降维至城市向量,从生产、商贸、交通、创新、旅游5个功能量化探讨淮安市与周边城市的功能同质化关系,结合城市自身的比较优势,进一步确定淮安市的城市功能优化路径。研究认为,淮安市的城市功能结构单一,极化现象突出,区域竞争力不足,应在巩固商贸功能优势的基础上,夯实生产和交通功能,同时积极培育创新功能,将淮安市建设成为次区域创新极核。

关键词：长三角城市群城市功能城市网络 node2vec模型淮安市

来源：评论

学校读者我要写书评

暂无评论

城市轨道交通应急知识图谱研究

城市轨道交通应急知识图谱研究

引用

作者：黄星霖北京交通大学

学位级别：硕士

城市轨道交通突发安全事件案例(后简称“城轨安全事件案例”)对城轨应急管理具有重要的参考作用。尽管目前城轨行业已经积累了大量关于城轨安全事件的文本记录,但这些文本记录本质上是一种非结构化的数据,存在记录不够规范、结构化程度... 详细信息

城市轨道交通突发安全事件案例(后简称“城轨安全事件案例”)对城轨应急管理具有重要的参考作用。尽管目前城轨行业已经积累了大量关于城轨安全事件的文本记录,但这些文本记录本质上是一种非结构化的数据,存在记录不够规范、结构化程度低、信息化水平不足等问题,关键是文本记录中蕴含的知识没有得到充分的挖掘、归纳和整理,使得在面临具体的突发安全事件时,决策者无法快速准确地从城轨安全事件案例中获取有益的“经验知识”,导致城轨安全事件案例的利用率不高,从而极大地限制了其对城轨应急管理的支持作用。因此,本文旨在将知识图谱和自然语言处理等人工智能技术引入城市轨道交通应急管理领域,对城市轨道交通应急知识图谱的相关方法理论进行研究,并重点研究针对城轨安全事件案例文本记录的知识自动获取方法和知识检索方法,为提升城轨应急管理的信息化和智能化水平提供先进的理论支持和基础的数据支持。具体研究内容包括: (1)基于城轨安全事件案例文本记录的知识获取方法。首先,收集大量零散的关于城轨安全事件的文本记录,并对这些文本记录中蕴含的“经验知识”进行分析和总结;其次,对收集到的文本数据进行预处理,包括数据清洗、数据筛选与标注等;接着,综合运用正则表达式、深度学习以及网络爬虫等技术方法对文本数据中的知识进行精准且自动化的获取;最后以图结构的形式,将获取得到的知识存储到Neo4j数据库中,构建一个面向城轨安全事件案例知识图谱。在研究过程中,受机器阅读理解(Machine Reading Comprehension,MRC)相关研究的启发,本文提出了一种融合标签语义的知识获取模型,相当于既有理论方法,该模型不仅能够提升知识获取的精度,还能弥补传统序列标注模型无法学习标签丰富语义信息的缺陷,具有一定的优越性和创新性。模型评估结果显示,相对于传统序列标注模型,本文模型分别在精确率、召回率以及F1值上提高了1.72%、9.04%、以及5.56%。 (2)基于图知识库的知识检索方法。知识检索是知识图谱的重要应用之一,本文重点研究基于给定的检索关键词,快速准确地从知识图谱中检索出相关城轨安全事件案例的方法。首先利用基于Prompt范式训练的深度学习模型对检索关键词所属的类别进行精准识别;其次利用基于node2vec模型的词嵌入模型,将检索关键词和同类别词语映射到低维稠密的向量空间,利用向量表示词语的文本特征,并基于余弦相似度衡量检索关键词与其他词语的相似度;最后利用数据库的查询语句获取包含高相似度词语的案例。在研究过程中,本文采用的Prompt范式技术不仅增强了传统预训练与精调范式中语言模型与下游任务之间的联系,还能进一步的激发语言模型的潜能,使模型所蕴含的知识得到充分利用,从而提升了模型性能;而基于node2vec模型训练的词嵌入模型的创新点在于,该模型采取了不同于传统词嵌入模型的训练方式,且能够充分把握词语在语义特征和子词特征上的信息,并在一定程度上缓解传统词嵌入模型无法解决的未登入词问题(Out Of Vocabulary,OOV)。模型评估结果显示,相对于微调与预训练范式,基于Prompt范式训练的深度学习模型具有更快的收敛速度、更好的泛化能力以及更高的分类精度;而基于node2vec模型训练的词嵌入模型能够有效增强语义特征和子词特征之间的相关性。 (3)城轨安全事件案例知识图谱平台设计与实现。基于上述研究,利用Web前端开发技术,开发了城轨安全事件案例知识图谱的原型平台,并设计了用户的登入与注册、针对城轨安全事件案例文本的知识自动获取、案例的删除和修改、案例的智能检索以及案例的相关数据统计等人机交互功能,为城轨应急管理的后续研究提供重要的数据处理工具、知识获取以及知识检索的相关模型算法。图69幅,表11个,参考文献148篇

关键词：城市轨道交通城轨安全事件知识图谱机器阅读理解 Prompt范式 node2vec模型

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：