检索结果-内蒙古大学图书馆

计算机科学 2019年第10期46卷 77-83页

作者：陈炯张虎曹付元山西职业技术学院计算机工程系太原030006 山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

兴趣点(Point-of-Interest,POI)推荐是为用户推荐可能感兴趣的地理位置的一项任务,是基于位置社交网络(Location-Based Social Networks,LBSN)服务中的重要研究内容。针对目前POI推荐准确率较低、推荐结果缺乏个性化、情感倾向因素融入... 详细信息

兴趣点(Point-of-Interest,POI)推荐是为用户推荐可能感兴趣的地理位置的一项任务,是基于位置社交网络(Location-Based Social Networks,LBSN)服务中的重要研究内容。针对目前POI推荐准确率较低、推荐结果缺乏个性化、情感倾向因素融入差等问题,在综合分析兴趣点的地理位置、分类偏好、流行度、社交与情感倾向等相关影响因素的基础上,提出了融合多因素的兴趣点协同推荐模型(GCSR)。首先,根据POI地理位置数据计算地理相关分数;其次,根据用户的类别偏好,结合POI流行度定义分类偏好分数;然后,根据社交关系计算用户之间的社交关系强度,通过挖掘评论文本计算用户的情感倾向分数,并将二者与协同过滤推荐技术有效结合,从而得到社交情感分数;最后,将地理相关分数、分类偏好分数与社交情感分数有效融合,向用户推荐Top-N兴趣点。在Foursquare真实签到数据集上进行的多组对比实验显示,与基线模型中最好的JRA相比,GCSR模型能够获得更好的推荐效果,准确率和召回率平均提高了1.7%和0.6%。

关键词：基于位置的社交网络兴趣点推荐情感倾向地理位置社交关系

来源：评论

学校读者我要写书评

暂无评论

阅读理解中因果关系类选项的研究

引用

清华大学学报（自然科学版） 2018年第3期58卷 272-278页

作者：王元龙李茹张虎王智强山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

针对阅读理解选择题中因果关系类选项，该文提出了基于因果关系网的因果关系支持度分析方法。首先，通过线索短语从阅读材料中抽取因果事件对，并计算事件对之间因果关联强度，综合利用抽取到的因果事件对与其对应的因果关联强度构成因... 详细信息

针对阅读理解选择题中因果关系类选项，该文提出了基于因果关系网的因果关系支持度分析方法。首先，通过线索短语从阅读材料中抽取因果事件对，并计算事件对之间因果关联强度，综合利用抽取到的因果事件对与其对应的因果关联强度构成因果关系网；其次，综合考虑了选项中的每个词在文档中的重要性和整个文档中的区分能力，采用词频一逆向文件频率（term frequency-inverse document frequency，TF—IDF）方法分别从原文中检索与选项中因事件和果事件相关的句子；最后，基于因果关系网和抽取到的相关句计算选项的因果关系支持度。为了验证该方法，实验采用了769篇模拟材料和13篇北京高考语文试卷材料（包括原文与选择题）作为测试数据集，实验结果表明该方法的准确率比Baseline方法提高了约11％。

关键词：自然语言处理因果关系网阅读理解语义相似度

来源：评论

学校读者我要写书评

暂无评论

一种小样本数据的特征选择方法

引用

计算机研究与发展 2018年第10期55卷 2321-2330页

作者：许行张凯王文剑山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

小样本数据由于其特征维数相对于样本数目较多,且常包含不相关或冗余特征,使得常用的机器学习算法处理小样本数据时无法得到好的效果,通过特征选择来降低数据维数是解决该问题的一种有效途径.针对小样本数据,提出一种基于互信息的过滤... 详细信息

小样本数据由于其特征维数相对于样本数目较多,且常包含不相关或冗余特征,使得常用的机器学习算法处理小样本数据时无法得到好的效果,通过特征选择来降低数据维数是解决该问题的一种有效途径.针对小样本数据,提出一种基于互信息的过滤型特征选择方法,首先定义了基于互信息的特征分组标准,该标准同时考虑特征与类别的相关性和不同特征之间的冗余性,根据该标准对特征分组后,在各组内选出与类别相关性最大的特征构成候选特征子集,保证了算法具有较低的时间复杂度,之后采用Boruta算法,在候选特征子集中自动确定最佳特征子集,从而大幅度降低数据的维数.通过与5种经典的特征选择算法比较,在标准数据集上采用3种分类器的实验结果表明提出的方法选出的特征子集具有较好的运行效率和分类性能.

关键词：小样本数据特征选择互信息特征分组过滤型算法

来源：评论

学校读者我要写书评

暂无评论

基于网络节点中心性度量的重叠社区发现算法

引用

计算机研究与发展 2018年第8期55卷 1619-1630页

作者：杜航原王文剑白亮山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

基于搜索密度峰值的聚类思想,设计了一种网络节点的中心性度量模型,并提出了一种重叠社区发现算法.首先,定义了网络节点的内聚度和分离度,分别用于描述网络社区内部连接稠密和外部连接稀疏的结构特征,在此基础上计算节点的中心性度量表... 详细信息

基于搜索密度峰值的聚类思想,设计了一种网络节点的中心性度量模型,并提出了一种重叠社区发现算法.首先,定义了网络节点的内聚度和分离度,分别用于描述网络社区内部连接稠密和外部连接稀疏的结构特征,在此基础上计算节点的中心性度量表达节点对社区结构的影响力.接着,利用3δ法则选择中心度异常大的节点作为社区中心.以隶属度表达社区间的重叠特性,并给出了非中心节点的隶属度迭代计算方法,将各节点分配到其可能隶属的网络社区,以实现重叠社区划分.最后,利用人工网络和真实网络对提出的重叠社区发现算法进行验证,实验结果表明:该算法在社区发现质量和计算效率方面都优于许多已有重叠社区发现算法.

关键词：节点中心度社区发现重叠网络社区隶属度密度峰值聚类

来源：评论

学校读者我要写书评

暂无评论

基于三元多臂赌博机的树结构最优动作识别

引用

计算机应用 2019年第8期39卷 2252-2260页

作者：刘郭庆王婕婷胡治国钱宇华山西大学大数据科学与产业研究院太原030006 计算机智能与中文信息处理教育部重点实验室(山西大学) 太原030006 山西大学计算机与信息技术学院太原030006

蒙特卡罗树搜索(MCTS)在棋类博弈问题中展现出卓越的性能,但目前多数研究仅考虑胜负两种反馈从而假设博弈结果服从伯努利分布,然而这种设定忽略了常出现的平局结果,导致不能准确地评估盘面状态甚至错失最优动作。针对这个问题,首先构建... 详细信息

蒙特卡罗树搜索(MCTS)在棋类博弈问题中展现出卓越的性能,但目前多数研究仅考虑胜负两种反馈从而假设博弈结果服从伯努利分布,然而这种设定忽略了常出现的平局结果,导致不能准确地评估盘面状态甚至错失最优动作。针对这个问题,首先构建了基于三元分布的多臂赌博机(TMAB)模型并提出了最优臂确认算法TBBA;然后,将TBBA算法应用到三元极大极小采样树(TMST)中,提出了简单迭代TBBA算法的TBBA_tree算法和通过将树结构转化成TMAB的三元极大极小采样树TMST最优动作识别(TTBA)算法。在实验部分,建立了两个精度不同的摇臂空间并在其基础上构造了多个具有对比性的TMAB和TMST。实验结果表明,相比均匀采样算法,TBBA算法准确率保持稳步上升且部分能达到100%,TBBA算法准确率基本保持在80%以上且具有良好的泛化性和稳定性,不会出现异常值和波动区间。

关键词：蒙特卡罗树搜索三元多臂赌博机最优臂确认序列决策纯探索

来源：评论

学校读者我要写书评

暂无评论

面向短文本分析的分布式表示模型

引用

计算机研究与发展 2018年第8期55卷 1631-1640页

作者：梁吉业乔洁曹付元刘晓琳山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

短文本的分布式表示已经成为文本数据挖掘的一项重要任务.然而,直接应用分布式表示模型Paragraph Vector尚有不足,其根本原因是其在训练过程中并没有利用到语料库级别的信息,从而不能有效改善短文本中语境信息不足的情况.鉴于此,提出了... 详细信息

短文本的分布式表示已经成为文本数据挖掘的一项重要任务.然而,直接应用分布式表示模型Paragraph Vector尚有不足,其根本原因是其在训练过程中并没有利用到语料库级别的信息,从而不能有效改善短文本中语境信息不足的情况.鉴于此,提出了一种面向短文本分析的分布式表示模型——词对主题句向量模型(biterm topic paragraph vector,BTPV),该模型通过将词对主题模型(biterm topic model,BTM)得出的主题信息融入Paragraph Vector中,不仅使得模型训练过程中利用到了全局语料库的信息,而且还利用BTM显性的主题表示完善了Paragraph Vector隐性的空间向量.实验采用爬取到的热门新闻评论作为数据集,并选用K-Means聚类算法对各模型的短文本表示效果进行比较.实验结果表明,基于BTPV模型的分布式表示较常见的分布式向量化模型word2vec和Paragraph Vector来说能取得更好的短文本聚类效果,从而显现出该模型面向短文本分析的优势.

关键词：分布式表示短文本文本分析句向量词对主题模型

来源：评论

学校读者我要写书评

暂无评论

一种基于社区专家信息的协同过滤推荐算法

引用

计算机研究与发展 2018年第5期55卷 968-976页

作者：张凯涵梁吉业赵兴旺王智强山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

协同过滤推荐算法由于不受特定领域知识限制、简单易实现等优点,得到了广泛的应用.但是,在实际应用中,该类算法往往面临着数据稀疏性、可扩展性、冷启动等问题.为了解决其中的用户冷启动问题,将用户社交信息和评分信息进行融合,提出了... 详细信息

协同过滤推荐算法由于不受特定领域知识限制、简单易实现等优点,得到了广泛的应用.但是,在实际应用中,该类算法往往面临着数据稀疏性、可扩展性、冷启动等问题.为了解决其中的用户冷启动问题,将用户社交信息和评分信息进行融合,提出了一种基于社区专家信息的协同过滤推荐算法.首先,依据用户的社交关系将用户划分为不同的社区;其次,根据一定的准则确定各个社区的专家,并利用社交信息和评分信息对专家评分进行填充进而缓解稀疏性;最后,对冷启动用户根据其所属社区的专家信息进行预测评分.在数据集FilmTrust和Epinions上与已有协同过滤推荐算法进行了比较分析.实验结果表明,提出的算法可以有效缓解协同过滤推荐算法中的用户冷启动问题,并在平均绝对误差和均方根误差2个评价指标上优于已有算法.

关键词：推荐系统协同过滤冷启动社区专家信息

来源：评论

学校读者我要写书评

暂无评论

基于全局融合的多核概念分解算法

引用

计算机应用 2019年第4期39卷 1021-1026页

作者：李飞杜亮任超宏山西大学计算机与信息技术学院太原030006 山西大学大数据科学与产业研究院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

非负矩阵分解(NMF)算法仅能用于对原始非负数据寻找低秩近似,而概念分解(CF)算法将矩阵分解模型扩展到单个非线性核空间,提升了矩阵分解算法的学习能力和普适性。针对无监督环境下概念分解面临的如何设计或选择合适核函数这一问题,提出... 详细信息

非负矩阵分解(NMF)算法仅能用于对原始非负数据寻找低秩近似,而概念分解(CF)算法将矩阵分解模型扩展到单个非线性核空间,提升了矩阵分解算法的学习能力和普适性。针对无监督环境下概念分解面临的如何设计或选择合适核函数这一问题,提出基于全局融合的多核概念分解(GMKCF)算法。同时输入多种候选核函数,在概念分解框架下基于全局线性权重融合对它们进行学习,以得出质量高稳定性好的聚类结果,并解决概念分解模型面临核函数选择的问题。采用交替迭代的方法对新模型进行求解,证明了算法的收敛性。将该算法与基于核的K-均值(KKM)、谱聚类(SC)、KCF(Kernel Concept Factorization)、Coreg(Co-regularized multi-view spectral clustering)、RMKKM(Robust Multiple KKM)在多个真实数据库上的实验结果表明,该算法在数据聚类方面优于对比算法。

关键词：多核学习概念分解矩阵分解多核聚类全局融合

来源：评论

学校读者我要写书评

暂无评论

基于概率的支持向量数据描述方法

引用

计算机应用 2019年第11期39卷 3134-3139页

作者：杨晨王婕婷李飞江钱宇华山西大学大数据科学与产业研究院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006 山西大学计算机与信息技术学院太原030006

针对目前概率机器学习方法在解决概率问题时具有较高的复杂度,而传统的支持向量数据描述(SVDD)作为一种核密度估计方法只能判断测试样本是否属于该类等问题,提出一种基于概率的支持向量数据描述方法。首先,利用传统的SVDD方法分别得到... 详细信息

针对目前概率机器学习方法在解决概率问题时具有较高的复杂度,而传统的支持向量数据描述(SVDD)作为一种核密度估计方法只能判断测试样本是否属于该类等问题,提出一种基于概率的支持向量数据描述方法。首先,利用传统的SVDD方法分别得到两类数据的数据描述,计算测试样本到超球体的距离;然后,构造一个将距离转换为概率的函数,提出一种基于概率的SVDD方法;同时,使用Bagging算法进行集成,进一步提高数据描述的性能。借鉴分类场景,将所提方法与传统的SVDD方法在Gunnar Raetsch的13种基准数据集上进行实验,实验结果表明,所提方法在准确率和F1值上优于传统的SVDD方法,并且其数据描述的性能有所提升。

关键词：概率机器学习支持向量数据描述集成不确定性分类

来源：评论

学校读者我要写书评

暂无评论

端点活跃度对链接预测的影响研究

引用

小型微型计算机系统 2019年第6期40卷 1280-1285页

作者：杨凯凯钱宇华马国帅艾科山西大学大数据科学与产业研究院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006 山西大学计算机与信息技术学院太原030006

链路预测旨在通过已知的网络结构信息预测网络中未连接的两个端点是否会产生链接,现有的链路预测方法主要基于两端点之间的连接关系,忽略了端点自身活跃程度对链接产生的不同影响.本文从度中心性、介数中心性、接近中心性、Pagerank四... 详细信息

链路预测旨在通过已知的网络结构信息预测网络中未连接的两个端点是否会产生链接,现有的链路预测方法主要基于两端点之间的连接关系,忽略了端点自身活跃程度对链接产生的不同影响.本文从度中心性、介数中心性、接近中心性、Pagerank四个角度来刻画端点的活跃程度,通过大量的实证分析发现端点越活跃,它产生链接的可能性越大,其中,度中心性和Pagerank大的端点容易产生更多的链接.因此,本文在基于端点间连接关系基础上考虑端点活跃性,提出了一类基于端点活跃性的链路预测方法,并在8个真实网络数据上进行实验,此类方法的预测精度比原有指标有较大的提高.

关键词：复杂网络链路预测端点活跃度节点中心性

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：