自主体-因果力:“自由意志危机”的一种化解

李贝特的"迟半秒"实验以及魏格纳的副现象论直接威胁了自由意志的本体论地位,引起了"自由意志危机",但国内外许多著名学者通过新的解读认为这些并不能证明自由意志不存在,其中蒂莫西.奥康纳的自主体—因果力理论则是独树一帜的。他关注的是行动的整个因果链及其解释,从本体论的角度讨论了自主体的原因作用和理由的解释相关性,认为自主体具有基于突现属性的自主体—因果力,是行动产生的原因。但该力具有概率性的结构化倾向,理由则从因果上构造了自主体—因果力并为该力发挥选择作用限定了范围。该理论对因果关系的形而上学问题、心灵的动力学问题以及行动哲学中的行动解释问题有所启示,不失为解决自由意志危机的一种系统而有深度的方案。     

基于群偏好与用户偏好协同演化的群推荐方法

群推荐系统已经成为社交网络平台的重要工具,为群体用户提供兼顾个性化和整体满意度的产品和服务.现有群推荐方法大多是对个性化推荐方法的集成和聚合,忽略了群体和用户的交互影响以及群偏好和成员偏好的动态变化,从而无法保障群推荐系统的效果.为此,本文提出一种基于群偏好和用户偏好协同演化的群推荐方法,能够建模群体和用户的动态交互.具体而言,本文将用户偏好建模成其历史偏好和群影响的加权聚合结果,将群偏好建模成群历史偏好和新加入成员偏好的加权聚合结果,最终预测群体可能消费的产品列表和成员可能加入的群体列表.实验结果表明,本文所提模型在群体消费行为和用户加群行为的预测表现都优于基准算法,并兼具很好的鲁棒性.     

移动商务中融合签到位置与用户间相似性的兴趣点精准推荐

向位置频繁变化的移动用户进行精准推荐,如何提高推荐准确性,已经成为一个理论研究与实践中的热点与难点问题.针对于此,本文提出了面向移动社交商务的精准用户兴趣点推荐模型--MRGR.首先,利用用户的历史签到信息,通过改进核密度估计对兴趣点进行预测;其次,进一步考虑到用户间的签到相似性,使用信息熵定量表示用户移动的随机性和不确定性;最后,融合地理位置信息与用户间相似性,精准推荐用户兴趣点,并在Foursquare数据集上进行验证.实验结果表明:与传统模型相比,提出的模型在准确预测用户兴趣点的同时,可以有效缓解数据稀疏性和冷启动问题,并在准确率和召回率上都取得了显著的提高.成果将为移动商务中,如何更好满足企业的精准推送与用户个性化需求提供有力的技术支持和决策服务.     

基于读者偏好变化的高校图书个性化推荐方法

提出了一种根据读者借阅行为记录和图书信息来观察高校读者阅读偏好随着时间变化的思路,并借助二分网络结构特性,提出了测量偏好变化特征的计算方式及其作为推荐客体结合传统图书推荐算法的混合推荐方式。同时,使用上海交通大学图书馆图书借阅历史数据展示了偏好变化计算结果和结合偏好变化的混合推荐方法相比传统推荐方法的优越性。     

融合PCA降维和均值漂移聚类的协同过滤推荐算法

为了解决传统的协同过滤推荐算法中评分矩阵稀疏及近邻搜索耗时长导致的推荐准确性及时间效率有待提升的问题,设计了一种融合PCA降维和均值漂移聚类的协同过滤推荐算法PMCF。该算法用主成分分析法PCA保留最能代表用户兴趣的维度,以缓解评分矩阵稀疏问题;用均值漂移聚类算法在降维后的低维向量空间上对用户聚类,以减小目标用户最近邻的搜索范围。在Movielens数据集和HetRec2011-Movielens-2k数据集上的实验结果表明,PMCF算法能够有效地提升推荐结果的准确性,同时具有较高的时间效率。     

基于深度学习的智能学习资源推荐算法

为了提高资源推荐性能,采用广义回归神经网络完成资源推荐。首先,提取推荐系统的用户和资源特征,选择两者的特征差异值之和作为推荐系统目标函数,然后构建广义回归神经网络(Generalized regression neural network, GRNN)资源推荐模型。考虑到GRNN训练效果对平滑因子和核函数中心的依赖性强的特点,引入差分进化(Differential evolution, DE)算法对GRNN的平滑因子和核函数中心偏移因子进行优化求解：选择最小特征差异值求解函数作为DE算法适应度函数,通过DE算法的多次交叉、变异和选择操作,获得最优平滑因子和偏移因子。最后采用优化后的平滑因子和偏移因子进行GRNN资源推荐,生成特征差异较小的候选资源序列作为资源推荐序列。试验证明,选择合理的DE算法交叉速率和差分缩放因子,能够获得较好的平滑因子和偏移因子,GRNN也能够获得更好的推荐效果。和常用资源推荐算法比较,对于3种不同的训练样本,该文算法能够获得更优的资源推荐准确率,且RMSE值较低。     

县域农田土壤信息化管理及专家推荐施肥系统的开发推广

本研究采用前期准备、野外调查和样品采集、室内分析、田间试验示范、数据及资料处理和数据库的建设、耕地资源管理信息系统建立、专家推荐施肥系统的开发推广的研究技术路线,成果推广应用面积600万亩,已产生经济效益5亿多元,该成果整体达国际先进水平.该项目首次建立了招远市的农田土壤信息数据库,实现了农田资源的动态管理,首先创立了以采样点为基本单元的耕地资源管理信息系统,并研发应用了触摸屏查询式专家推荐施肥系统,实现了变一家一户的田间施肥指导为社会化服务技术体系.     

推荐系统中的准确性、新颖性和多样性的有效耦合与应用

目前,基于人工智能推荐系统的研究工作大多集中在算法优化上,而关于推荐系统更重要的性能评价指标往往被忽视.具体地,独立的评价指标无法有效地反映算法之间的差异,需要进一步有效地耦合这些评价指标.为了反映推荐系统性能的差异,提出较合理的性能评估框架AND(Accuracy Novelty Diversity),可以同时反映推荐系统整体的准确性、新颖性和多样性.把AND框架融入主流的序列化推荐模型,命名为SASAND(Self-Attentive Sequential-AND).实验结果表明,提出的AND框架在假设数据集和基准数据集的基础上,能有效反映准确性相似的不同算法之间推荐性能的差异,同时,提出的SASAND模型基于AND框架的约束,能对推荐的结果在综合考虑准确性、新颖性和多样性的前提下重新排序.与主流的推荐模型对比,SASAND能够尽最大可能达到整体最优的推荐性能输出.     

基于灰关联分析和时空偏好特征的兴趣点推荐算法

为了提高动态推荐效果,从时间个性化和连续性的角度出发,细化了签到用户的时间特征,利用灰关联分析度量时间向量的相似度,与矩阵分解算法结合,给出了一种新的矩阵分解算法。该算法可缓解时间戳细化签到矩阵后带来的数据稀疏的影响。同时为了提高个性化推荐,采用自适应核密度估计方法捕捉用户的空间偏好,增强用户的个性化体验,进而提高推荐质量。在此基础上,设计了一种新的兴趣点推荐算法。实验结果表明,该算法能有效地提高推荐准确率和召回率。     

面向少数类用户兴趣演化的推荐算法

为了提高推荐算法在对少数类用户进行推荐时的时效性、准确性,提出一种面向少数类用户兴趣演化的推荐算法.该文算法将时间窗口、指数衰减函数和带有时间效应的用户项目交互信息3个因素相结合,描述出不同用户对不同项目类型的兴趣倾向值.通过改进的K-means算法对用户进行分类,并对聚类结果中近邻数量极少的类用户(少数类用户),使用...