求解过程中约束一致性维护的多层次策略研究*

约束满足问题广泛出现于人工智能领域。在问题求解过程中保持局部约束一致性以缩小问题搜索空间是十分必要的，过去研究对约束一致性算法的研究仅着眼于改进单个约束关系的维护，该立足于更高点，提出从求解层次、维护层次和约束层次优化约束一致性维护的原则及其相应策略，算法ＭＡＣ－Ｈ和ＡＣ－Ｉ＾＋进一步减少了约束一致性维护的总代阶，并克服了原有算法空间复杂度大的缺点。本以两个典型的约束满足问题：Ｎ－皇后问题和     

基于约束满足的Job-Shop调度问题求解方法研究

针对一类典型的约束满足问题——Job-Shop调度问题，在深度优先搜索算法的基础上，给出了形式化的约束一致性实施、操作选择策略和开始时间选择策略以及启发式的约束一致性实施和不完全回跳策略，从而提高了求解Job-Shop调度问题的效率.     

单词嵌入-自然语言的连续空间表示

单词嵌入是指运用机器学习的方法,将位于高维离散空间（维数为词典单词数目）中的每个单词映射到低维连续空间的实数向量的技术。在很多文本处理的任务中,单词嵌入提供了更好的语义级别的单词特征表示,从而为文本处理任务带来了诸多便利。同时,大数据时代海量的未标注文本数据,以及以深度学习为代表的机器学习技术的发展使高效的单词嵌入技术成为可能。本文将给出单词嵌入的定义以及实际意义,同时将综述目前单词嵌入技术的几种典型方法,包括基于神经网络的方法、基于受限玻尔兹曼机的方法以及基于单词与上下文共生矩阵分解的方法。本文将详细介绍不同模型的数学定义、物理意义以及训练方法,并给出他们之间的比较。     

基于加权项目的频繁项目集快速挖掘算法研究

加权频繁项目集获取是加权关联规则发现问题的关键.本文在考虑项目权重的前提下,以FP树的形式组织交易数据,提出了基于加权项目的频繁项目集的快速挖掘算法WeightedFP.新算法的性能使用文本信息检索和海关业务审计数据进行了测试,实验表明,与已有的算法相比较,该算法在效率上有了较显著提高.     

基于遗传算法的概念学习中的约束满足预处理方法

本文将概念学习视为约束满足问题，给出了两种约束的定义，在这些约束的基础上，实现了基于遗传算法的概念学习系统ＣＬＳ的预处理方法。     

面向智能教育的自适应学习关键技术与应用

本文是关于我们获得2020年度吴文俊人工智能科学技术奖主要工作的一个介绍。该成果针对自适应学习中面临的教学资源表示困难、学习状态诊断困难以及学习策略设计困难等关键技术难题,首先构建数据驱动的教学资源无监督表示新框架,提高了教学资源质量评估和内容检索的精度和效率。其次提出基于深度学习的学习者认知诊断新方法,突破了以量表为基础的教育测量理论研究范式。然后设计基于知识匹配的个性化推荐技术以及多目标匹配的自适应推荐技术,满足了智能教育场景的复杂约束与学习者的多样目标需求。最后,本文成果研发了面向基础教育的智能教育系统——智学网,已在全国推广使用,对我国智能教育发展具有积极意义。     

多数据库中全局负关联规则挖掘研究

全局负关联规则挖掘是多数据库关联信息挖掘的重要研究内容,具有广泛的应用范围和使用价值.合并各子数据库的负关联规则是现有全局负关联规则挖掘常用的方法,但数据密度大、规则不全面及运算时间高等问题影响了已有全局负关联规则挖掘方法的效率.本文给出一种新的全局负关联规则挖掘算法,其具体步骤为:(1)扫描各子数据库,建立多数据库频繁模式树;(2)依据频繁项集全局一致性原则,对多数据库频繁模式树执行精简操作;(3)在此基础上产生全局极小非频繁项集;(4)依据极大频繁项集向上闭包原则,产生全局非频繁项集;(5)在规则相关度的基础上提取全局负关联规则.大量的对比实验结果表明,本文算法具有快速发现全局负关联规则的能力.     

结合项目区分用户兴趣度的协同过滤算法

协同过滤是推荐系统中应用最为广泛的方法.基于用户的协同过滤算法在计算用户相似性时,对不同的项目给予相同的权重,然而在现实中不同项目对刻画用户的兴趣所起作用不同,从而基于用户的协同过滤会造成对流行的项目打分高的问题,而不能真正反映用户的兴趣.本文提出项目的区分用户偏好值概念,从而更好的刻画了用户的兴趣,在此基础上,改进了计算用户相似度的方法,使推荐算法具有较高准确度.算法在标准数据集MovieLens上进行了测试,实验表明了算法的有效性.     

面向云数据库服务的隐私字符串加密查询方案

面向云数据库的字符串型隐私信息的加密查询问题,提出了一个有效解决方案。为了确保字符串数据在不可信云数据库中安全性,在客户端,首先对其进行加密并为其构建特征索引。特征索引通过子字段划分、子字段值域分区、分区标识符分配等步骤,能有效地获取字符串的关键特征,而丢弃非关键特征,具有很好的安全性和有效性。然后,数据查询时,方案将定义在隐私字段上的用户查询转换为定义在索引字段上的新查询,使其可以在云数据库上正确执行,而无需解密数据,有效地提高了查询效率。最后,理论分析和实验评估验证了方案的安全性、有效性、高效性和灵活性。