微博转发者的个性化排序

转发行为是微博平台上信息传播的主要形式。目前已有的工作大多数聚焦在转发行为的分析和预测。针对给定的一条微博时如何找到其转发者这个问题并没有得到很好的解决。结合贝叶斯个性化排序优化标准(BPR-OPT)和分解机(FM),提出了一种通用的方法用于对微博转发者进行预测,并进一步对影响用户成为转发者的特征因素进行了细致分析,然后根据这些特征,在大规模真实数据集上对微博转发者进行了预测。实验证明该方法能够明显提高预测效果,同时也验证了基于pair-wise和特征相关的方法能更有效解决微博转发者预测问题。     

论明代鼎甲进士排名中的非理性因素

明代鼎甲进士历经科考、乡试、会试等高淘汰率考试的选拔后,在殿试的排名中却间或受其姓名、相貌、帝梦等非理性因素的影响,致使其名次发生意外的改变。三鼎甲排名的偶然性是由皇权的独断性和随意性所决定。这种现象为助长明代科举考试中的迷信之风提供了土壤。     

成对比较数据和排序数据的处理：模型分析的方法?

对近年来研究者所提出的瑟斯顿模型和BTL模型两大类模型进行综述,总结了目前研究者提出的2种数据分析和处理方法视角:多层线性模型(HLM)和结构方程模型(SEM).基于模型的方法不仅充分利用了成对比较和排序数据的信息,而且模型更具拓展性,如为考察协变量、潜类别等的影响提供可能,也为迫选测验等的开发提供指导意义.本文不涉及复杂的统计知识,运用心理学研究中被熟知的模型对处理成对比较数据和排序数据的模型及其模型估计进行说明,并通过Mplus软件示例,以期模型分析的方法在对成对比较数据和排序数据的处理上得到广泛的应用.     

分形理论在织物折皱评定中的应用

利用计算机图像处理评定织物折皱.在全面分析了织物折皱图像的分形特征基础上,提出利用格栅法计算析皱图像灰度曲面的分维数,以此评定织物的折皱起伏情况.探讨了利用相似维数分析评价折皱图像的折皱纹理的形态复杂度.实验表明利用分形理论可以描述织物折皱特征,并对折皱性能进行评价.     

融合生成式模型的知识增强实体链指方法

未链接实体分类是实体链指(Entity Linking, EL)任务中的重要研究内容之一。现有方法存在上下文语义信息不充分、分类准确率低等问题,导致实体链指任务表现不佳。本研究提出一种融合生成式模型的知识增强实体链指方法。该方法将实体链指分为两个子模块,即候选实体排序模块和未链接实体分类模块。本研究基于高精度的候选实体排序模块,获得高质量的知识扩展信息,并对未链接实体分类任务进行知识增强;针对未链指实体提及的分类问题,提出一套生成式框架,该框架能够取得超过基线模型的性能。本研究方法在2020年全国知识图谱与语义计算大会(CCKS2020)评测任务二的中文短文本实体链指数据集上取得了目前最佳性能(整体F值为91.76%),证明知识增强和生成式框架的引入能提高模型的泛化能力,缓解未链接实体分类中的信息不充分问题。     

基于关键字距离模型的XML文档检索方法

在信息检索中,关键词之间的距离反映了其对信息描述的集中程度,并对检索结果与用户需求的相关度产生影响。通过对XML数据固有的结构信息进行深入分析,确定了被检索数据的信息对象和信息分支的概念,并考虑以上因素建立语义距离模型。通过该模型的计算,能够更准确地计算出查询结果的相关度。实验结果证明:在真实数据集上,查询质量方面优于现有的主流算法(EASE、SLCA),同时具有较高的查询效率。     

基于排序学习的文本概念标注方法研究

提出一种基于排序学习的方法CRM (concept ranking model), 来实现文档的维基百科概念自动标注。首先人工对一定规模的文档进行概念标注, 建立训练集合, 然后利用排序学习算法在多项特征上得到对概念排序的模型, 利用这个概念的排序模型对任意文档进行概念标注。实验表明, 相对于传统的文档概念标注方法, 此方法在各类指标上都有相当大的提高, 标注结果更加接近人类的概念标注。     

事件本体模型及事件类排序

给出了事件、事件类的定义, 分析了事件类之间的关系, 在此基础上形成了面向事件的本体模型, 为基于语义的知识处理提供了新的方法与技术。在事件本体模型的基础上以事件类排序为实例, 研究了基于HARank (Hubs-Authorities Rank)算法的事件类排序方法, 给出了实验结果, 并对其进行了评价。与传统本体相比, 事件本体以更高粒度的事件作为知识表示单元, 更适合表示运动世界的知识。     

基于群体智慧的电影排序模型

利用新浪微博的微群信息,在蚁群算法的基础上,提出了一种基于群体智慧思想的排序模型(ACOR),通过结合用户的偏好及电影热度对电影进行综合排名.同时考虑了微博中的情感因素,分析用户对电影的情感倾向并计算其情感值.最后,根据群体形成的情感积累值对热议的电影排序.实验结果表明:该模型更符合用户的偏好,并具有一定的实时性,可以有效地为用户提供相关电影信息.     

An assignment method for group decision making with uncertain preference ordinals

This paper presents an assignment method to solve the group decision making problem with uncertain preference information. The uncertain preference information is given as uncertain preference ordinals by decision makers. We first address the concept and calculation formulae of preference ordinal frequency, and then, uncertain preference ordinals are transformed into preference ordinal frequencies accordingly. Furthermore, a linear assignment model is built based on the derived preference ordinal frequencies, and the ranking of alternatives can be obtained by solving the model. Finally, a numerical example is used to illustrate the use of the proposed method.