一种基于用户播放行为序列的个性化视频推荐策略

本文针对在线视频服务网站的个性化推荐问题,提出了一种基于用户播放行为序列的个性化推荐策略.该策略通过深度神经网络词向量模型分析用户播放视频行为数据,将视频映射成等维度的特征向量,提取视频的语义特征.聚类用户播放历史视频的特征向量,建模用户兴趣分布矩阵.结合用户兴趣偏好和用户观看历史序列生成推荐列表.在大规模的视频服务系统中进行了离线实验,相比随机算法、基于物品的协同过滤和基于用户的协同过滤传统推荐策略,本方法在用户观看视频的Top-N推荐精确率方面平均分别获得22.3%、30.7%和934%的相对提升,在召回率指标上分别获得52.8%、41%和1065%的相对提升.进一步地与矩阵分解算法SVD++、基于双向LSTM模型和注意力机制的Bi-LSTM+Attention算法和基于用户行为序列的深度兴趣网络DIN比较,Top-N推荐精确率和召回率也得到了明显提升.该推荐策略不仅获得了较高的精确率和召回率,还尝试解决传统推荐面临大规模工业数据集时的数据要求严苛、数据稀疏和数据噪声等问题.     

网页兴趣度度量方法及其在兴趣模型中的应用研究

根据用户以往网页浏览的隐式反馈信息来推断用户兴趣,给用户推荐感兴趣的网页内容,提出了网页兴趣度度量方法及其在兴趣模型中的应用。根据用户浏览网页时的停留时间和浏览行为,通过量化的兴趣度度量算法评估出用户对网页内容的感兴趣程度,从而建立起用户兴趣模型;在用户浏览网页的过程中,动态地更新用户兴趣;最终根据归纳出的用户兴趣向用户推荐文章。实验证明提出的网页兴趣度度量方法和对应的兴趣模型是可行的。     

基于模糊隶属度的个性化网页推荐系统

个性化信息服务越来越成为信息检索领域中研究的热点。针对用户模型的构造问题,文章利用用户浏览过的网页历史记录自动进行文本结构分析,获取网页信息的逻辑表示,将段落作为识别用户兴趣的基本要素,利用段落间的聚类分析和对用户兴趣的表达能力,获取最终的用户兴趣特征向量。提出了一种基于主题描述的二级层次用户模型,并给出了用户模型的动态调整算法,构建了一个基于模糊隶属度的个性化网页推荐系统。模拟实验表明,该用户模型和个性化推荐算法能够有效地提高检索结果的准确性,并且具有良好的适应性。     

基于分层社交关系的微博推荐算法

针对现有微博推荐中未考虑分层关系对兴趣影响的问题,提出一种基于分层社交关系的微博推荐算法.首先基于时间窗口计算相对亲密强度与社交增长率来构建分层网络;其次在网络中量化影响力、吸引力、交互紧密度来挖掘目标用户潜在兴趣;然后依据短文本扩展策略获取目标用户显性兴趣;最后将潜在兴趣与显性兴趣融合,计算融合兴趣与待推荐微博的相似度实现推荐.实验结果表明,与经典的微博推荐方法相比,该算法在准确率、召回率、F值、MRR上均优于其他方法,最高提高了14.73％.由实验结果可知,综合考虑潜在兴趣和显性兴趣可以提高微博推荐效果.     

基于Web内容和日志挖掘的个性化网页推荐系统

目前的网页推荐服务大都是基于对查询关键词的匹配来实现的,缺乏自动提取用户兴趣并进行推荐的能力。本文设计和实现了一个基于Web内容和日志挖掘的个性化网页推荐系统Webpage-recom- mender,该系统采用特征提取技术,能自动识别用户的兴趣,并主动推荐和筛选与用户兴趣主题相关的网页。实验结果证明了该系统的有效性。     

基于Web日志的煤矿企业网站个性化推荐服务研究

为了解决煤矿企业网站用户查找信息难的问题,提出了一种基于Web日志的煤矿企业网站个性化推荐服务模型。该模型应用关联规则对新用户进行页面推荐,应用聚类算法对老用户进行页面推荐;并结合点击网页的次数、网页的浏览时间、雅可系数与最长公共路径系数来度量用户兴趣度的方法,可为用户准确地推荐其感兴趣的页面。测试结果表明,该模型能够有效地对网页资源进行分类并进行个性化推荐。     

融合时空信息和兴趣点重要性的POI推荐算法

针对兴趣点（POI）推荐研究中数据噪声过滤问题和不同POI的重要性问题，提出了一种融合时空信息和兴趣点重要性的POI推荐算法——RecSI。首先，根据POI的地理信息和POI之间相互吸引力过滤噪声数据，缩小候选集的范围；其次，根据用户在一天中不同的时间段对POI类别的偏好程度，结合POI的流行度计算出用户的偏好得分；然后，结合社交信息和加权PageRank算法计算POI重要性；最后，将用户的偏好得分和POI重要性线性结合，以向用户推荐TOP-K的POI。在Foursquare真实的签到数据集上的实验结果表明，RecSI算法的精确率和召回率比最优的GCSR算法分别提高了12.5%和6%，验证了RecSI算法的有效性。     

基于学习自动机和用户兴趣的PageRank算法研究

针对传统PageRank算法存在的平分链接权重和忽略用户兴趣等问题,提出一种基于学习自动机和用户兴趣的页面排序算法LUPR。在所提方法中,给每个网页分配学习自动机,其功能是确定网页之间超链接的权重。通过对用户行为进一步分析,以用户的浏览行为衡量用户对网页的兴趣度,从而获得兴趣度因子。该算法根据网页间的超链接和用户对网页的兴趣度衡量网页权重计算每个网页的排名。最后的仿真实验表明,较传统的PageRank算法和WPR算法,改进后的LUPR算法在一定程度上提高了信息检索的准确度和用户满意度。     

基于知识图谱和重启随机游走的跨平台用户推荐方法

针对单一社交网络平台中推荐相似用户结果单一,对用户兴趣和行为信息了解不够全面的问题,提出了基于知识图谱和重启随机游走的跨平台用户推荐方法（URCP-KR）。首先,在分割、匹配出的目标平台图谱和辅助平台图谱的相似子图中,利用改进的多层循环神经网络（RNN）预测出候选用户实体,再综合利用拓扑结构特征相似度和用户画像相似度筛选出相似用户;然后,将辅助平台图谱中的相似用户的关系信息补全到目标平台图谱;最后,计算目标平台图谱中的用户游走到社区内每个用户的概率,从而得到用户之间的兴趣相似度来实现用户推荐。实验结果表明,与协同过滤（CF）算法、基于跨平台的在线社交网络用户推荐算法（URCP）和基于多开发者社区的用户推荐算法（UR-MC）相比,URCP-KP在推荐精确率及推荐多样性等方面均有所提高,推荐精确率最高可达95.31%,推荐覆盖率最高可达88.42%。     

基于用户兴趣和兴趣点流行度的个性化旅游路线推荐

针对传统的旅游路线推荐算法推荐准确率不高的缺陷,提出一种基于兴趣点(POI)流行度和用户兴趣偏好的个性化旅游路线推荐(PTIR)算法。首先通过分析得到用户真实的历史旅游足迹;然后根据用户在每个景点的逗留时间提出基于时间的用户兴趣偏好;最后在给定的旅行时间限制、起点和终点下,设计最优旅游路线计算方法。在Flickr社交网站的真实数据集上进行实验,结果显示,相比传统的只考虑POI流行度的算法,该个性化旅游路线推荐算法的准确率和召回率都有较大提升;相比只考虑用户兴趣偏好的算法,该个性化旅游路线推荐算法的准确率和召回率也有所提高。实验结果表明综合考虑POI流行度和用户兴趣偏好能使路线推荐得更准确。     

分层的基于身份签名的研究综述*

为了提高基于身份的密码系统的效率,提出了分层的基于身份的密码系统。分层的基于身份的签名是其重要组成部分。首先叙述了分层的基于身份的签名的定义和安全模型;然后分析了几个分层的基于身份的签名方案的构造方法、安全性和执行效率;最后指出了其下一步的研究方向。     

分层特征计算和错误控制的层次分类方法

中文新闻信息分类标准中,类别数量大。在将其应用于新闻分类时,会出现训练模型大、训练时间长,尤其是当部分类别改变时需要全部重新训练等问题。由于分类标准中类别之间存在层次关系,因此层次分类方法可以作为解决方案。研究层次化的中文新闻分类方法,并从以下两方面改善层次化分类方法的效果:1)分层的新闻特征计算,解决了层次分类中新闻在分类类别下的特征向量的不同表示的问题;2)错误控制,解决了在上一层分类错误的情况下新闻不会分到正确的类别上的情况。实验结果表明,层次分类方法的效果比平面分类的准确度提高了约4%,进行多次特征权重计算的层次分类方法比普通的层次分类的准确度提高了约3%,同时进行错误控制的分类效果比普通层次的分类效果提高了大概3%。     

导航路径寻优的地图数据库分层索引机理

研究了导航路径寻优的地图数据库分层索引机理.以路网分层模型为基础,研究并设计了G-SDBCScan (Geospatial Database Convergence Scan)索引算法,并将此算法应用于面向地图数据库的分层索引机制.最后通过嵌入式数据库SQlite在分层索引机制中的应用来验证分层索引机制的有效性.     

Modeling and analyzing the performance of adaptive hierarchical networks

As networks become larger, scalability and QoS-awareness become important issues that have to be resolved. A large network can be effectively formed as a hierarchical structure, such as the inter/intra-domain routing hierarchy in the Internet and the Private Network-to-Network Interface (PNNI) standard, to resolve these critical issues. Methods of modeling and analyzing the performance of QoS-capable hierarchical networks become an open issue. Although the reduced load approximation technique has been extensively applied to flat networks, the feasibility of applying it to the hierarchical network model has seldom been investigated. Furthermore, most of the research in this area has focused on the performance evaluation with fixed routing. This work proposes an analytical model for evaluating the performance of adaptive hierarchical networks with multiple classes of traffic. We first study the reduced load approximation model for multirate loss networks, and then propose a novel performance evaluation model for networks with hierarchical routing. This model is based on a decomposition of a hierarchical route into several analytic hierarchical segments; therefore the blocking probability of the hierarchical path can be determined from the blocking probabilities of these segments. Numerical results demonstrate that the proposed model for adaptive hierarchical routing yields accurate blocking probabilities. We also investigate the convergence of the analysis model in both the originating-destination (O-D) pair and the alternative hierarchical path. Finally, the blocking probability of the adaptive hierarchical O-D pair is demonstrated to depend on the blocking of all hierarchical paths but not on the order of the hierarchical path of the same O-D pair.     

Approximation Capabilities of Hierarchical Fuzzy Systems

Derived from practical application in location analysis and pricing, and based on the approach of hierarchical structure analysis of continuous functions, this paper investigates the approximation capabilities of hierarchical fuzzy systems. By first introducing the concept of the natural hierarchical structure, it is proved that continuous functions with natural hierarchical structure can be naturally and effectively approximated by hierarchical fuzzy systems to overcome the curse of dimensionality in both the number of rules and parameters. Then, based on Kolmogorov's theorem, it is shown that any continuous function can be represented as a superposition of functions with the natural hierarchical structure and can then be approximated by hierarchical fuzzy systems to achieve the universal approximation property. Further, the conditions under which the hierarchical fuzzy approximation is superior to the standard fuzzy approximation in overcoming the curse of dimensionality are analyzed     

基于标签关联性的分层分类共有与固有特征选择

在大数据时代,数据的样本数量、特征维度和类别数量都在急剧增加,且样本类别间通常存在着层次结构.如何对层次结构数据进行特征选择具有重要意义.近年来,已有相关特征选择算法提出,然而现有算法未充分利用类别的层次结构信息,且忽略了不同类节点具有共有与固有属性的特点.据此,提出了基于标签关联性的分层分类共有与固有特征选择算法.该算法利用递归正则化对层次结构的每个内部节点选择对应的固有特征,并充分利用层次结构分析标签关联性,进而利用正则化惩罚项学习各子树的共有特征.该模型不仅能够处理树结构层次化数据,也能直接处理更为复杂常见的有向无环图结构的层次化数据.在6个树结构数据集和4个有向无环图结构数据集上的实验结果,验证了该算法的有效性.     

一种判断类间空间分布情形的有效方法

层次结构设计是层次支持向量机应用中的关键问题,不同层次结构下,层次支持向量机的分类性能有很大差别.分析了层次支持向量机及其存在的问题,提出了一种有效判断类间空间分布情形的简单方法.仿真试验表明,基于该方法设计的层次支持向量机与基于传统方法设计的层次支持向量机相比,具有较高的分类精度.     

基于Agent的制造系统模型研究

为了实现制造系统资源的动态配置,对Agent的内部结构进行了研究,并提出制造系统递阶Agent网模型,构建制造系统逐层递阶的网络框架,阐明了递阶Agent网的工作流程,并介绍了递阶Agent网的通讯语言。递阶Agent网模型的建立能够使制造系统快速适应外部环境的变化,提高企业的市场竞争力。     

基于改进键合图方法的层次机电系统的测试性建模与分析

现有层次化机电系统测试性建模与分析方法,存在着测试性参数值较小的缺陷,为了解决上述问题,提出基于改进键合图方法的层次化机电系统测试性建模与分析方法;引入改进键合图方法,将其有效的融合到贝叶斯网络中,以此为基础,搭建系统测试性模型,通过插值获取测试性参数;以搭建的系统测试性模型为工具,描述层次化机电系统结构,构建层次化机电系统键合图,检测并隔离层次化机电系统故障,实现了基于改进键合图方法的层次化机电系统测试性的建模与分析;通过实验结果显示:与现有的3种层次化机电系统测试性建模与分析方法相比较,提出的层次化机电系统测试性建模与分析方法极大地提升了测试性参数,充分说明所提方法具备更好的测试性效果。     

Approximation capabilities of hierarchical hybrid systems

This paper investigates the approximation capabilities of hierarchical hybrid systems, which are motivated by research in hierarchical fuzzy systems, hybrid intelligent systems, and modeling of model partly known systems. For a function (system) with known hierarchical structure (i.e., one that can be represented as a composition of some simpler and lower dimensional subsystems), it is shown that hierarchical hybrid systems have the structure approximation capability in the sense that such a hybrid approximation scheme can approximate both the overall system and all the subsystems to any desired degree of accuracy. For a function (system) with unknown hierarchical structure, Kolmogorov's theorem is used to construct the hierarchical structure of the given function (system). It is then shown that hierarchical hybrid systems are universal approximators.