基于细粒度特征交互的推荐模型

随着电子商务的兴起,用户在网购的同时留下了大量的评论。用户评论通常包含丰富的用户兴趣和项目属性等语义信息,反应了用户对项目特征的偏好。近年来,许多基于深度学习的方法通过利用评论进行推荐,并取得了巨大成功。这些工作主要是采用注意机制来识别对评分预测很重要的词或方面。它们单一的从评论中提取特征信息,并通过用户和物品的特征交互得到预测分数。然而,过度的聚合可能会导致评论中细粒度信息的丢失。此外,现有的模型要么忽略了用户和项目评论的相关性,要么只在单个粒度上构建评论特性交互,这导致用户和项目的特征信息不能被有效而全面地捕获。针对上述问题,在本文我们考虑通过从评论的多个粒度捕获特征信息,然后为用户和物品进行多粒度下的特征交互,可以实现更好的评分预测和解释性。
为此,我们提出了一种新的用于评分预测的细粒度特征交互网络（FFIN）。首先,模型并没有将用户的所有评论聚合成一个统一的向量,而是将用户和物品的每条评论单独建模,通过堆叠的扩展卷积分层地为每个评论文本构建多层次表示,充分地捕获了评论的多粒度语义信息;其次,模型在每个语义层次上构建用户和物品评论的细粒度特征交互,这有效避免了单粒度交互导致的次级重要信息被忽略的问题;最后,由于用户的评论行为通常是主观且个性化的,我们没有使用注意力机制来识别重要信息,而是通过类似于图像识别的层次结构来识别高阶显著信号,并将其用于最终的评分预测。我们在6个来自Amazon和Yelp的具有不同特征的真实数据集上进行了广泛的实验。我们的结果表明,与最近提出的最先进的模型相比,所提出的FFIN在预测精度方面获得了显著的性能提升。进一步的实验分析表明,多粒度特征的交互,不仅突出了评论中的相关信息,还大大提高了评分预测的可解释性。     

纳米SiO2基质中Eu3+的发光特性

采用溶胶凝胶法(sol-gel)制备了Eu3+掺杂SiO2基质发光材料,分别用荧光(PL)光谱、原子力显微镜(AFM)、扫描电镜(SEM)等分析手段对样品进行了表征,研究了退火温度以及掺杂浓度对发射光谱的影响,并对其发光机制进行了分析.薄膜样品在258 nm光激发下,在620 nm,667 nm处出现了比较少见的双峰红光发射,而620 nm处的光发射最强,说明Eu3+离子处在对称性较低的配位环境中.退火处理温度对样品的发射光谱影响很大,经900 ℃退火处理的样品发射强度最强.随着掺杂浓度的变化,改变了Eu3+ -O2-间的距离,在相同紫外光激发下O2-外层的电子迁移到Eu3+ 4f轨道上的能量变化,使得谱线位置出现了移动.     

飞针测试仪通讯控制优化

飞针测试系统是于来测量混合电路板、LTCC基板、PCB板的各网络间开路、短路、绝缘以及电容的专业电子芯片检测设备。针对飞针测试系统用到的精密电阻、高压绝缘以及电容测试仪的相关应用进行研究并提出一套在通讯控制上的改良方案以提高飞针测试系统的工作效率。     

提高PCB基板通断测试效率的研究

随着CAD行业发展,正确合理的检测产品合格率越加重要.介绍如何正确编辑Gerber文件,合理的制作并生成移动探针测试文件,提高PCB和陶瓷芯片基板通断测试的准确率和效率.     

PCB基板测试数据提取与图形重绘

介绍了如何对Gerber文件导出的IPC-D-356A格式的数据文件进行解析,描述了PCB基板测试数据的转换过程,根据转换出的数据重画测试板的走线和焊盘点,重绘图形实现了PCB测试中选择基准点和错误查看等功能.     

DWG格式的飞针测试文件转换

以一种多层带腔体基板文件为例,详细介绍了利用CAM350软件对Auto CAD设计的*.dwg格式文件的转换方法以及转换过程中需要注意的事项。     

基于PMAC的PID调节在飞针测试系统中的应用

介绍了飞针测试系统的控制结构,阐述了PMAC的PID工作原理,并通过调节一些重要参数研究PMAC控制器中PID的调节过程,获得了合理的系统PID参数,达到良好的动态性能和稳态性能,为实现PMAC在位置伺服系统中的应用打下基础。     

LED探针台重叠区域的图像处理

LED探针台使用面阵相机对晶圆上的管芯图像数据采集时,两屏之间存在重叠区域,造成大量重复图像数据[1].为了消除重复的采集数据以及对处理后的数据进行排序,对两种数据处理方法进行比较,经过大量的实验证明,得出最优算法.     

LED探针台CCD采集数据处理算法的研究

因LED测试芯片经过切割、崩裂、扩张后其上的晶粒会产生很大变形,产生很多空点和排列不规则的点。LED探针台使用面阵相机对晶圆上的晶粒图像数据采集时,两屏之间存在重叠区域,造成大量重复数据。要短时间内获取到点附于蓝膜上晶粒的精确唯一位置和坐标,需要寻找一种可靠高效的数据处理算法,通过对几种数据处理算法进行研究得出最优算法。