内蒙古机械装备制造行业自主创新战略研究

在对内蒙古装备制造行业的自主创新能力现状进行调查研究基础上,评价产业创新能力和创新潜力,分析影响其创新能力的主要因素,找出制约产业创新能力生成的主要问题,提出内蒙古机械装备制造行业自主创新的战略模式和政策建议。     

民办高校图书馆开展图书荐购工作的探析

基于图书荐购的必要性,分析了民办高校图书馆图书荐购的方式和现状,提出了在网络环境下民办高校图书馆如何改进和开展图书荐购的几点建议。     

四川省生物医药产业创新驱动关键因素分析及发展建议

当前我国经济正处于向创新驱动转变的关键时期,生物医药产业将通过创新驱动实现产业转型升级。本文梳理和分析了影响生物医药产业创新发展的关键因素,并结合四川省生物医药产业发展现状和实际情况,提出了发展建议。     

利用对话模型引导的对话生成推荐

对话推荐技术旨在通过与用户的对话交互完成高质量的信息推荐.针对已有研究存在的对话目标预测准确性不高的问题，提出一种利用对话模型引导的对话生成推荐(dialogue guided recommendation of dialogue generation， DGRDG)模型.首先，利用对话模型生成对话目标，通过经典的Seq2Seq模型融合输入的对话历史、用户画像以及知识信息来生成对话目标；其次，提出目标重规划策略(goal replan policy， GRP)来修正生成的对话目标，以提高对话目标预测的准确率.在DuRecDial数据集上进行实验的结果表明，对话目标生成模块在引入目标重规划策略后，对话目标预测的准确率提高了3.93%；总体模型在BLEU，DISTINCT，F1以及人工评价指标上具有较好的效果.     

不确定信息下考虑相关性与多样性的作战方案推荐方法

针对现有的作战需求表征与作战方案评价存在不确定性信息、作战方案设计中经验积累与重用以及作战方案推荐中相关性与多样性权衡问题, 提出了一种不确定信息下考虑相关性与多样性的作战方案推荐方法。首先，将粗糙集理论融入最优最劣法(best-worst method, BWM)中对各作战能力属性进行赋权; 其次, 给出了不确定信息下作战方案与任务需求之间的相关性、作战方案之间的多样性计算模型; 然后, 提出了权衡相关性和多样性的行列式点过程(determinantal point process, DPP)模型, 在此基础上, 给出了贪婪最大后验概率(maximum a posterior, MAP)推断算法和贪婪Trade-off推断算法以获得作战方案最优推荐子集; 最后, 通过案例分析验证了所提模型和方法的适用性和可行性。     

基于RIMER方法的体系能力需求推荐方法

随着现代作战样式和军事信息系统的深度复杂化, 军事需求工程的任务也逐渐加重。当下, 能力需求是军事需求建设的一个重要着眼点。本文聚焦能力需求的构建阶段, 运用规范化需求描述、基于置信规则库的证据推理(belief rule-base inference methodology using the evidential reasoning, RIMER)等方法对基于能力的体系需求推荐方法展开了研究。之后, 以工兵的作战任务想定为背景, 展开了案例研究, 完成了对于该想定下工兵能力需求的推荐并验证了所提出能力需求推荐方法的可行性和合理性。并将需求推荐带入了军事需求场景, 获得了一种应用于军事复杂系统需求生成的新方法, 加速了能力需求的生成。     

复杂网络上基于多维特征表示学习的推荐算法

网络表示学习可以有效解决推荐面临的数据稀疏问题.本文对网络表示学习中LINE算法和DeepWalk算法进行改进，提出混合推荐算法并应用于电影推荐场景.该算法通过学习用户喜好特征、厌恶特征和相似用户特征，生成三个低维特征向量.将三个低维特征向量线性组合拼接成用户表示向量，以余弦相似度作为相似性指标，将相似用户关联的电影推荐给目标用户，实现电影推荐.实验结果表明，所提出的推荐算法相较于次优算法，在MovieLens数据集上的准确率和F1指标分别提升12%和7%，在MovieTweetings数据集上的准确率和F1指标分别提升16%和18%.本文提出的基于多维特征表示学习的推荐算法在电影推荐类场景中，具有显著的优越性.     

基于全局有向图的商品会话序列推荐算法

针对商品会话序列推荐中传统推荐算法过分依赖临近点击状况, 在一定程度上丢失整体商品访问趋势的问题, 提出一种新的基于全局有向图的商品会话序列推荐算法. 首先, 构建商品会话序列全局有向图, 图中节点为商品, 节点间的弧表示点击次序, 并用图数据库存储该有向图； 其次, 给出在有向图上的全局偏好传播策略, 同时考虑点击时间因素对推荐的重要影响； 最后, 获得待推荐商品的评分. 在Diginetica和Yoochoose标准数据集上, 该算法根据P@20标准, 比传统Item-KNN方法推荐准确率分别提升了6.12%和30.25%; 根据MRR@20标准, 则分别提升了15.04%和33.88%. 实验结果表明, 该全局有向图搜索和评分策略有效.     

智能网联交通混合标签感知的推荐预测模型

针对智能网联车辆高速移动以及智能网联组网模式多元化导致的传统协同过滤算法有效性受到限制的问题，提出一种新型混合标签感知推荐模型（hybrid tag-aware recommender model，HTRM）。嵌入层采用Word2Vec模型对项目标签、项目评分、用户行为标签和用户评分进行向量表示；特征层引入自编码器提取项目的自相似特征，采用长短期记忆网络（long short-term memory，LSTM）提取用户行为特征；门控层联合用户和项目的特征，并输入至全连接神经网络（fully connected neural network，FCNN）进行评分预测。实验结果表明，与TCF、CCF、ACF和DSPR传统模型相比，HTRM模型设计更合理，可以获得较高的推荐预测精度。