基于泛函网络的组合推荐算法

在研究组合算法的基础上，提出一种基于泛函网络实现前融合推荐算法. 探讨Vague集条件下推荐算法的前融合问题，给出了基于泛函网络构架实现前融合组合推荐算法的一般过程. 通过推荐系统泛函拓朴结构的建立，利用泛函神经元的自学习、自组织和自适应能力，进一步优化推荐结果，较大地提高了系统的推荐准确度. 最后，将算法应用于Movielens推荐系统中，计算机仿真实验结果表明，本文提出的基于泛函网络实现前融合推荐算法是有效的、可靠的.     

协同过滤推荐算法研究: 考虑在线评论情感倾向

协同过滤推荐算法通常是基于兴趣相似的用户行为来实现个性化推荐, 其核心义用户之间的兴趣相似度. 本文在传统的协同过滤推荐算法基础上, 考虑在线评论对用似度识别的影响. 在混合商品推荐中, 粗粒度识别评论情感极性; 而在同类商品推荐中, 细粒别每个商品特征的情感极性. 如果用户对产品的某个特征评价次数大于平均次数, 表明用户对征较关注; 如果对产品的某个特征评价低于平均评价, 表明用户对该特征较挑剔. 进而根据用户评论来建立用户偏好模型, 用户在评论中反映出来的相似度越高, 表明用户之间的偏好越. 实验表明, 同传统的协同过滤算法相比, 基于在线评论情感分析的用户协同过滤算法在率和召回率指标上有显著提升.     

辩护与确证:证据问题研究

证据问题研究是当代认识论和科学哲学中的重要研究内容。文章将证据问题作为关注焦点和研究核心,首先分析了证据概念的本质,在此基础上探讨了认识论中的证据研究,特别是经验作为证据与辩护的关系,分别讨论了基础主义、融贯主义和经验主义的解决方案。其次,分析了科学哲学中的证据关系研究,主要关注了证据在贝叶斯理论、概率理论和悖论问题中发挥的确证作用。最后揭示了证据研究之于认识论与科学哲学的意义,阐明了证据研究的理论价值。     

一种基于不确定度的证据冲突识别方法

从高度冲突证据对D-S证据理论的应用约束出发,针对几种常用冲突度量方法存在的问题,定义了描述证据自身特征的不确定度,将证据冲突涵义从证据间不一致扩展到证据内外,给出基于不确定度的证据冲突多元度量,并为增强冲突的识别效果提出最大差异度的冲突处理方法.验证分析得出:本文给出的度量方法能够有效表征证据间的冲突程度,最大冲突差异度的处理实现了证据冲突识别的显著化,在证据冲突度量与识别中具有很好的普适性和有效性.     

基于复杂属性商品的混合协同过滤推荐模型

协同过滤作为应用最广、研究最多的推荐算法,但依旧面临数据稀疏性、冷启动、数据质量差等固有问题,同时也鲜有研究者从实用角度基于商品性价比方面提高预测精确度.为此,本文综合考虑用户主观评分和商品客观评分,并在此基础上结合情境预过滤、社会网络理论以及专家意见提出了一种混合协同过滤推荐模型,在一定程度上缓解了上述缺点.并通过真实网上汽车销售数据实验,表明该模型相对传统协同过滤具有更高的预测精度,更适用于具有复杂属性的商品.     

采用元路径时效衰减和引用模式划分的学术引文推荐

针对现有学术引文推荐算法中元路径特征无法衡量学术文献的时效性,且对元路径特征的利用和划分粒度较粗从而导致推荐精度不高的问题,提出了一种采用元路径时效衰减和引用模式划分的学术引文推荐方法。首先,利用元路径抽取丰富的引文特征,并在计算元路径特征时加入了时效衰减因子,提升了新发表文献的推荐精度;其次,提出了融合元路径特征的主题模型MpTM,该模型利用主题特征为文献划分引用模式,并联合学习文献的主题分布、引用模式和元路径特征权重,细化了元路径特征的粒度;最后,通过所有引用模式下的元路径特征加权值,为目标文献推荐学术引文。在AAN数据集上的实验结果表明:所提方法在准确率和召回率上平均提升约41.99%和22.43%,能够提升新发表文献和非权威文献的推荐精度,并能有效缓解引文链接的稀疏性问题。     

基于DS理论和指数平滑的滤波算法研究

针对图像椒盐噪声检测中的不确定性问题,利用基于证据理论的椒盐噪声检测算法,并联合Holt双参数指数平滑法对噪声图像进行滤除.依据椒盐噪声的极端性和不连续性,在检测噪声过程中利用证据理论的不确定性判据给出两种准则,并最终给出决策融合方法来判别噪声.此外,根据预检测结果给出噪声点的消除方法,实现图像消噪功能.仿真实验验证了本文方法的有效性.     

天女散花

正~~     

浅析高校图书馆新书推荐工作

作为重要信息传播地的高校图书馆应肩负责任和使命,利用新书推荐工作对读者阅读进行引导。本文通过阐述新书推荐的概念和意义,提出新书推荐工作的原则和方法,针对高校图书馆新书推荐工作中出现的一些问题,提出几点改进和创新的措施。     

音乐推荐系统中的用户冷启动问题

利用新用户使用音乐时的上下文环境信息来解决冷启动问题.当用户播放音乐时，提取用户当时场景的时间、天气、状态等信息，利用这些信息构建决策树分类模型.当新用户使用音乐推荐系统时，提取当前情景的上下文信息，根据决策树分支和上下文信息判断新用户的兴趣，向新用户推荐音乐.实验结果表明，当采用上下文相关音乐推荐算法，推荐数目不超过6项时，新用户对推荐结果的满意度超过TopN算法.