融合社交关系与代价敏感的兴趣点推荐算法

在基于位置的社交网络中,用户签到矩阵极其稀疏,采用排序学习技术进行兴趣点推荐是目前的热门研究方向.针对基于排序学习的兴趣点推荐模型存在精度不高、推荐列表忽略兴趣点的位置等问题,提出一种基于ListMLE的兴趣点推荐算法.基于推荐列表中兴趣点位置的关注度差异,将改进ListMLE算法应用到兴趣点推荐中;用户社交关系影响融...     

基于多重信任关系的微博转发行为预测

微博转发预测有助于热点话题检测、个性化微博推荐等,近些年引起了学术界和工业界的广泛关注。然而,现有的关于微博转发预测的研究工作没有充分利用用户之间的多重信任关系的影响。该文提出联合概率模型,把用户之间的多重信任关系融入传统的Bayesian Poisson因子分解(Bayesian Poisson factorization,BPF)模型,从而预测转发行为。该模型命名为TrustBPF,可以灵活地捕获用户之间的各种社交影响。该文进一步把用户之间的信任强度整合到一个框架中。在新浪微博数据集上验证结果表明:在NDCG@3和Precision@3指标上,TrustBPF模型比原始的BPF模型分别提升了90.91%和88.37%。     

电子实验报告自动批改系统的设计与实现

采用VBA技术把Microsoft Word格式的《C语言》电子实验报告的各个组成部分提取出来,然后使用Shell命令对C语言程序代码进行编译、连接和运行.重点设计了编译检错功能和逻辑检错功能.该系统可将评语快速、准确地反馈给学生,并可自动汇总学生实验报告中出现的问题,达到了预期的目的.     

基于Bregman联合聚类与加权矩阵分解的 融合推荐算法

针对当前大数据背景下推荐系统中所存在推荐效率低下、扩展性差、推荐质量不高等问题,本文提出一种基于Bregman联合聚类与加权矩阵分解的融合推荐算法（CO-CWMA）。首先,通过Bregman联合聚类挖掘出多样、不同层次的低秩评分子矩阵,组合不同约束与距离的聚类结果训练得到子模型,进而在各个模型的子矩阵上并发地进行矩阵分解,最后将各个子模型进行均值融合,提高推荐质量、效率与扩展性。在矩阵分解阶段采用SVD++算法,基于每个子矩阵中的评分分布计算加权策略,给予高频评分较大权值,在梯度下降阶段利用学习率函数控制学习率的更新。实验结果表明,该算法与三种基线算法相比在均方根误差（RMSE）与平均绝对误差（MAE）上均有明显降低,即推荐质量有较大提升。     

一种二维波形无失真压缩变换的实现方法

介绍了比例变换，指出利用其对二维波形压缩时容易失真的缺陷，进而提出了用比例变换和插入特征点相结合的方法对波形进行无失真压缩的算法．首先提出了单波形无失真压缩算法，然后在此基础上又提出了多波形无失真压缩算法．两个算法都在VC中编程实现．     

基于网络的实验报告管理系统

为了对高校实验报告进行更加有效地管理，采用ASP技术和SQLSever数据库，对基于网络的实验报告管理系统进行了设计与实现。分析了系统的功能模块设计，讨论了系统功能实现及关键技术。该系统界面友好、操作方便、交互性好。