融合用户画像的在线学习伙伴推荐方法研究

融合用户画像为学习者推荐学习伙伴,有助于解决在线学习者的孤独感问题,提高学习者的参与度和忠诚度。分析学习者特征,从基本信息、学习准备、学习风格、学习行为四个方面设计画像标签,采集网络教学平台数据,进行建模处理,利用相似度区分相似、互补学习者画像,从而为学习者推荐同、异质学习伙伴。实验结果验证了学习者画像和推荐方法的可行性。融合学习者画像推荐学习伙伴的方法更具个性化、动态化等特点,更适合网络教学环境。     

基于用户画像的学生学习质量评价方法研究

针对学生学习质量持续跟踪并支持个性化评价问题,文章研究基于用户画像技术的评价方法.从技术角度出发,主要讨论了用户画像数据的采集、数据的处理、画像模型的构建等技术,在此基础上讨论了学生学习趋势的预测应用.综合利用多源异构数据,对学生用户进行个性化建模,实现了数据驱动的学习质量评价,因此,本研究对提高学生学习质量具有一定的实用价值.     

基于多模态融合和自适应剪枝Transformer的脑肿瘤图像分割算法

脑肿瘤是目前世界上最致命的肿瘤之一,所以脑肿瘤图像的自动分割在临床诊疗中变得日益重要.近年来,基于CNN和Transformer的脑肿瘤分割方法在医学图像分割领域取得了令人欣喜的成就.然而,大多数方法没有充分利用脑肿瘤多模态间的互补性和差异性,并且模型中的Transformer在捕获远程依赖性的同时,忽略了其较大的计算复杂性、冗余依赖性等问题.针对此问题,提出一种基于多模态融合和自适应剪枝Transformer的脑肿瘤图像分割方法（MF-MAPT Swin UNETR）,其中多模态融合模块可以充分学习性质相近的模态间信息和不同模态不同尺度的特征变化,为后续分割提供了充分的准备;基于多模态的自适应剪枝Transformer可以降低计算复杂度,对提升性能有一定的帮助,将MF-MAPT Swin UNETR模型在两个公共数据集上进行了实验验证,结果表明,该模型较最先进的方法整体具有突出的分割性能.     

基于用户画像的高校图书馆个性化图书推荐研究

个性化推荐服务是高校智慧图书馆的建设重点,基于此,提出了图书推荐系统整体架构.首先从读者的属性、行为、兴趣等标签维度构建用户画像模型,其次考虑读者认知能力存在差异化的特点,将读者按照不同的身份类型划分,再结合基于协同过滤、内容及属性相似度的混合推荐算法进行图书推荐.最后,通过Hadoop大数据平台向目标读者推荐TOP-N图书,实验结果表明,基于该架构模型的图书推荐系统的推荐准确度高,并且有效缓解了推荐系统的冷启动问题.     

基于情境聚类扩展用户画像的旅游景点推荐方法

随着我国旅游业发展和人们对旅游服务需求的不断增多,旅游景点的精准推荐不仅可以节约用户大量的时间,还能够提升用户的消费体验,为此本文提出一种基于情境聚类扩展用户画像的旅游景点推荐方法。基于用户情境数据进行情境聚类,构建出扩展的用户画像模型;根据群体用户画像反映的用户特征,结合情境标签设置个体用户情境特征属性,再融合关联规则和相似度计算为用户推荐个性化的景点。实验结果表明,相较于传统的关联规则Apriori推荐算法或加权Apriori推荐算法,基于情境聚类扩展用户画像的旅游景点推荐方法具有更优的推荐结果。     

基于生活方式量表的上海地区孕妇用户画像

以上海地区孕妇为研究对象进行用户画像,基于生活方式的AIO量表调查数据对孕妇群体进行分类和描述,以更换频率较高的基本孕期产品内裤为例,从消费偏好和消费需求两个角度量化分析其消费行为.结果表明:根据受试者的生活方式可将其分为随和型和理智型,两类受试者在孕期内裤产品的购买时间和渠道上无明显差异,并且对产品的关注要点相似.理...     

一种基于多任务学习的多模态情感识别方法

为了通过设置辅助任务学习到更具有情感倾向性的视频和语音表示,进而提升模态融合的效果,提出一种基于多任务学习的多模态情感识别模型,使用多模态共享层来学习视觉和语音模型的情感信息.在MOSI数据集和MOSEI数据集上的实验表明,添加两个辅助的单模态情感识别任务后,模型可以学习到更有效的单模态情感表示,并且在两个数据集上的情...     

大数据时代背景下的基于用户画像的个性化情报服务研究

该文首先论述了为用户提供个性化情报服务的必要性,随后探讨了情报人员或情报机构为用户提供个性化情报服务时面临的问题,主要分为用户因素类与情报业务相关因素类,并且针对不同因素分别给出了解决思路。关于用户因素类问题的解决思路主要涉及用户画像建模的数据采集流程设计、数据采集流程中用户属性的设计、用户的长短期兴趣处理思路、对用户兴趣挖掘的业务流程设计等;关于情报业务相关因素类的问题的解决思路主要是要明确以用户为中心的服务思想、以信息交流理论作为方法论的指导、以交互式的服务为最佳优化模式,使用户能够参与服务过程并有所反馈。以期能建立一个能实现“用户角色分析→用户需求分析→应用实现→验证反馈”的情报服务生态闭环。     

基于熵模型的自适应信息融合方法

建立了一种用于信息融合的熵模型,依据融合的几个步骤即信息提取、关联与决策,描述了基于熵模型进行信息自适应融合的新方法·该方法可对从各对象源(如传感器、数据库、知识库等)中提取的特征属性信息进行模型化,对这些模型化的属性信息进行关联后,得到准确的决策·为了实现多对象源的信息融合,提出了EAA算法·该算法基于熵自适应聚集规则,通过缩减关联模型联合动作的复杂性来控制其收敛性·并通过应用实例,检验了这种方法的可行性     

基于多形态学成分分析的图像融合

将多尺度分解与稀疏表示相结合,提出了一种基于多形态学成分分析（MCA）的图像融合算法。采用基于联合稀疏表示（JSR）的方法融合卡通子图像中的冗余和互补信息,并利用基于方向特征的方法融合具有更多细节信息和噪声的纹理子图像。结果表明,提出的图像融合算法在主观视觉效果和客观评价指标上均优于先进的图像融合算法。     

一种基于用户满意度的网络接入选择和频谱分配联合优化方法

文中对异构网络下用户接入选择和网络资源分配的联合优化问题进行研究,在传统资源分配方法的基础上,加上用户对网络的主动选择,侧重考虑用户满意度,建立接入选择和资源分配的联合优化模型.在资源分配之前,让用户根据接入每种网络的概率优先选择接入概率最大的网络,在此基础上网络再调整价格来获得最佳的网络效益.仿真结果表明,文中所提出的联合优化方法在保证了网络效益的同时,又兼顾了用户的满意度.     

一种基于虹膜和人脸的多生物特征融合方法

针对单一生物特征识别方法易受干扰、应用受限制等问题,提出了一种基于虹膜和人脸的多生物特征融合方法以提高身份识别的精度及可靠性.该融合方法利用 Log-Gabor 相位编码算法和Laplacianfaces 算法对虹膜和人脸进行特征提取及匹配,然后在匹配层对两种生物特征的匹配得分值使用最小最大概率机策略进行融合,最后利用融合后得分值进行决策.该方法与单生物特征识别方法相比,识别性能明显提高.在UBIRIS虹膜库和ORL人脸库构成的多模生物特征库中进行了测试,实验结果表明:该方法的等错误率可降低到 0.28%,比单一虹膜和单一人脸方法分别降低了0.69%和 1.62%,与采用传统融合策略的方法相比,等错误率也降低了 0.2%以上.     

基于多级别特征融合的医学图像检索技术

针对医学胸部CT扫描图像,在分别研究单一特征检索算法基础上,提出了基于底层—底层和底层—高层两种级别的特征融合检索方法。据此,用VC#和SQL server2005实现了一个图像检索原型系统,验证了所提方法的有效性。     

基于视触数据融合的多模态细分类系统

随着自动化时代的到来,机械臂已经越来越多的应用到了工业生产以及人们的日常生活中,利用机械臂进行物体的分类抓取更是广泛应用于有害物分拣、航天探索等重要领域,然而实现对物体的分类目前还存在着一些不足,如大部分的分类系统主要依靠机械臂结合视觉来实现,这种单一视觉的分类系统在光线不足或物体外观相似但分属不同的工作环境并不能起到很好的效果。针对多种外观类似物体的精细分类开展研究,通过深度相机与压敏传感器综合获取物体的外观、材质等信息,然后将这些信息数据传输到具有双输入的卷积神经网络模型,借助机械臂实现对具有相似外观不同材质物体的细分类。结果表明：所述系统在实际机械臂测试环境下对物体的正确识别率达到了98.5%,相较于AlexNet与VGG16两种传统的单一视觉分类模型分别提高了35.7%和24%,可见融合物体的视觉与触觉信息的神经网络模型能够完成物体的细分类任务。     

基于偏差的冲突证据融合的改进方法

在Dempster-Shafer(D-S)证据理论中,传统D-S组合规则在证据高度冲突时存在失效问题,会产生与常理相悖的结论.为此,文中提出了一种改进的处理冲突证据的融合方法,即通过计算各证据到命题平均支持度的偏差,来检测和消除冲突证据,并对最后结果进行修正,以合成来自不同识别框架的证据.计算实验结果表明,该方法能有效处理冲突,得到符合实际的组合结果,相对于其他典型算法,该方法在收敛性和可靠性上有明显改进.     

基于用户体验的Bass扩散模型研究

根据经典Bass模型,从消费者个体角度出发,构建了基于用户体验的产品信息扩散模型.通过采用微分方程的数学方法,分析了产品使用者总人数与渠道系数的关系以及不愉快体验对于产品购买的影响,并且利用仿真软件验证了在不同参数条件下两类信息对经典产品和新产品信息扩散的影响及扩散状态差异.最后对模型仿真得出的模拟数据和图表进行了分析,得出产品用户体验是企业产品的保障,企业必须注重新客户对于信息的偏好,并给出能使企业持续经营、夺得市场份额的策略,为竞争性产品市场拓展提供建设性意见,从而指导企业制定新产品市场战略.     

面向个性化需求的用户建模技术研究

从用户需求多样性和随机性出发探讨了用户建模技术。对模型表示和模型更新两项关键技术进行了研究。基于向量空间模型表示用户模型,采用重心向量分类算法建立用户模型。分析用户浏览行为隐性地获取反馈信息,计算文档反馈度,提出了一种基于Rocchio算法的周期性自适应学习机制更新用户模型。以用户满意度为评价指标,通过实验,验证了对用户需求变化的动态追踪能力。     

基于Stacking框架的学习机制研究

分析stacking框架的基本原理，T^1空间的数据表示和stacking的缺陷，认为基于stacking框架的学习能够有效地提高学习效果，但是在分类器个数增大时可能会导致元层训练数据规模增加。提出对底层分类器输出的后验概率用加权平均的方法构造元训练样本，减少二次建模的时间开销．该方法能够弥补由于对平均后验概率进行简单平均而丧失的模型输出特征，纠正分类偏差。