基于用户兴趣的混合推荐模型

从用户特征描述出发,分析用户兴趣模型的表达机制,提出一种基于用户兴趣的混合模式推荐方法.该方法将内容过滤和协同过滤的预测值进行加权求和,形成最终的综合相似度.实验结果表明,该方法的性能同时优于基于用户协同过滤的推荐方法和基于内容过滤的推荐方法,推荐系统的推荐质量得到显著提高.     

基于学生行为分析的就业信息推荐服务

高校就业信息系统中存在大量的企业招聘信息,这些信息为毕业生提供了大量的就业机会.但是对于没有工作经历的学生来说,面对纷杂的信息,常常在选择上出现迷茫,因此需要在系统中添加个性化的信息推荐服务,向学生推送符合其自身特点的就业信息,以此来提高学生的就业率和就业匹配度.针对面向学生的就业信息推荐问题,提出一种基于学生行为分析...     

针对修正余弦相似度改进的协同过滤推荐算法

为了提高协同过滤推荐算法的推荐准确度,降低对未评分项目的评分预测误差,提出了一种针对修正余弦相似度改进的协同过滤推荐算法.一方面,为了解决修正余弦相似度中未考虑项目热度的问题,在传统的修正余弦相似度基础上引入热门项目惩罚因子;另一方面,为了克服改进的修正余弦相似度公式高度依赖共同评分数量的限制,引入JS散度并改进,将改...     

卷烟滤嘴用纤维过滤材料减害降焦效果研究进展

综述了卷烟滤嘴用纤维过滤材料,如醋酸纤维、聚丙烯纤维、活性炭纤维、海泡石纤维等减害降焦研究进展,并提出卷烟滤嘴用纤维过滤材料的研究发展方向是在进一步加强减害降焦的同时,保留卷烟的香吃味。     

基于CFD-DEM的固液分级过滤模拟

采用计算流体力学(CFD)和离散单元法(DEM)耦合的方法,在不同滤层结构的三维随机堆积颗粒层过滤器内进行固液分级过滤的数值模拟研究。实验结果表明,过滤效率的模拟计算值与实验值吻合良好,压降值的偏差在Ergun方程允许误差范围内。过滤器的容垢能力用计算模型的颗粒沉积均匀度表示,并拟合得到沉积均匀度的关联式。颗粒沉积分布的模拟结果显示：单层细滤料过滤器的颗粒沉积主要发生在近入口处,容垢能力较低;分级过滤器的细滤料层保证了高过滤效率,粗滤料层则提供了较大的容垢能力。     

基于行为轮廓的模块化流程模型修复方法

模型修复是业务流程领域中新的优化方法.为了让流程模型对系统的描述更加准确,使模型修复方法系统化,且进一步降低成本,减少以往修复算法的迭代次数和时间复杂度,可运用基于行为轮廓的模块化修复新方法,由分解、过滤、选择、修复、组合五个模块构成.首先,使用极大分解算法对模型进行分解,使流程模型呈片段状,便于筛选出问题片段;然后,...     

基于混合过滤编码的神经中文生成式摘要

在神经生成式摘要任务中,由于输入文档与参考摘要之间不存在显式的对齐关系,通常会导致重复生成相同单词的问题以及生成的摘要与输入文档语义不相关、准确性低的问题.为更好解决该问题,提出了混合过滤编码网络(HFEN)并在HFEN中集成混合过滤编码机制(HFEM)、注意力机制、指针生成器.HFEM分为管道过滤编码机制(PFEM)...     

基于贝叶斯网络的车辆定位冗余信息过滤方法研究

随着中国人民生活水平的不断提高,汽车的保有量也在逐年上升,而交通事故率也随之上升。及时定位目标车辆将有助于快速处理交通事故。为解决车辆定位过程中因外界干扰导致定位效果差的问题,本研究结合形态规则和机器学习方法,提出基于贝叶斯网络的车辆定位信息冗余过滤方法。首先获取卫星图像,并分析车辆特性,在特征空间内寻找最近的样本对象。然后用线性分类器对车辆图像进行分类,将独立性信息融入贝叶斯网络模型中。最后,利用K-L特征压缩器来去除冗余数据。试验结果表明,图像上冗余车辆矩形框的遮盖率达98%,仅剩与试验车辆图像规则相关或相似的图像,证明该方法的过滤效果优秀,可满足现实需求。     

Spark平台下聚类挖掘的智能推荐系统

为了提高智能推荐系统的性能,采用狼群优化的K-means聚类挖掘实现数据分类,通过协同过滤完成智能推荐。为了提高推荐效率,引入Spark平台多节点完成聚类和推荐。建立用户和资源的K-means聚类模型,采用狼群优化算法对初始类别中心点进行优化,以提高聚类准确度,根据用户和资源的类别属性获得用户-资源评分数据,最后建立协同过滤智能推荐模型。根据推荐效率要求,将推荐模型部署至Spark平台,实现聚类和智能推荐的分布式运算。实验证明,通过合理设置聚类中心点数目,结合Spark平台多节点运算,与常用推荐算法对比,所提算法可以获得更准确的推荐性能,在大规模数据的智能推荐系统中更能满足实时性要求,智能推荐效率高。     

P-未知数据集及其过滤-分离

当普通集合X的属性集合α发生动态变化时,X中隐藏着未知数据信息.根据这一情况,利用X生成的P-集合((X)F,XF)和∧-型大数据的结构,提出内P-未知数据集、外P-未知数据集、P-未知数据集概念,给出它们的数值特征.定义未知数据集的P-依赖度、P-过滤度概念,讨论未知数据集的P-依赖度与P-过滤度的关系.利用过滤度分...