现有序列推荐模型在绝对交互时间的利用上存在不足,导致用户偏好建模不准确。因此,提出了基于对比增强时间感知自注意力机制的序列推荐模型(sequential recommendation based on contrast enhanced timeaware self-attention mechanism,...
详细信息
现有序列推荐模型在绝对交互时间的利用上存在不足,导致用户偏好建模不准确。因此,提出了基于对比增强时间感知自注意力机制的序列推荐模型(sequential recommendation based on contrast enhanced timeaware self-attention mechanism,CTiSASRec)。首先,注意力权重的计算过程整合了评分数据、绝对交互时间、位置信息和项目流行度;其次,将项目的绝对交互时间和位置顺序融合,生成新的项目位置嵌入;最后,训练过程中利用对序列两次建模结果的对比学习来区分样本间的相似性和差异性,进而提高模型的准确性和鲁棒性。在6个不同领域和规模的数据集上进行的实验表明,CTiSASRec的表现优于目前最先进的顺序推荐模型。
为了解西北“暖湿化”进程中气候因素对塔里木河流域植被变化的驱动作用,基于线性回归、变异系数、Person相关系数、Hurst指数和偏导数方法,利用MODIS卫星遥感数据和气候数据对塔里木河流域植被变化的气候驱动机制进行定量评估.结果表明:该流域植被最优长势和生产力水平呈波动上升趋势,指数NDVI、EVI、NPP增速分别为0.036 4/10a、0.023 8/10a、12.606 1 g C/(m^(2)·10a).Hurst指数显示,研究区大部分区域植被存在持续变化的不确定性问题,持续改善区域分别占流域面积的19.7%、18.7%和6.1%.流域尺度上,气候因素对NDVI、EVI、NPP的贡献分别为0.0016/10a、0.0010/10a、2.8019 g C/(m^(2)·10a).相较于气温,降水是影响植被变化的主要气候因子;辐射对植被变化有抑制作用.气候变化对植被最优长势变化的贡献有限,却促进了植被生产力的明显改善,结果揭示了塔里木河流域植被变化及气候驱动的空间特征.
暂无评论