基于MMX指令实现G.728定点算法优化

ITU-T建议是国际电信联盟于1992年制定的比特率为16kb/s的低延时CELP类语音编码器.G.728AnnexG是其补充定点算法建议.该文首先介绍了G.728定点算法的特点和Intel MMX技术,然后详细讨论了用MMX指令对G.728的LD-CELP定点算法实现优化一些关键技术,最后给出了优化前后算法速度的对比.     

基于k-距离与重加权M-估计量的鲁棒协同推荐算法(英文)

The existing collaborative recommendation algorithms have lower robustness against shilling attacks.With this problem in mind,in this paper we propose a robust collaborative recommendation algorithm based on k-distance and Tukey M-estimator.Firstly,we propose a k-distancebased method to compute user suspicion degree(USD).The reliable neighbor model can be constructed through incorporating the user suspicion degree into user neighbor model.The influence of attack profiles on the recommendation results is reduced through adjusting similarities among users.Then,Tukey M-estimator is introduced to construct robust matrix factorization model,which can realize the robust estimation of user feature matrix and item feature matrix and reduce the influence of attack profiles on item feature matrix.Finally,a robust collaborative recommendation algorithm is devised by combining the reliable neighbor model and robust matrix factorization model.Experimental results show that the proposed algorithm outperforms the existing methods in terms of both recommendation accuracy and robustness.     

推荐一组陆用拖车载设备振动试验条件

通过某牵引拖挂装车式陆用火控雷达跑车试验,进行振动数据采集分析和处理得到垂直,纵向,横向三个方向的振动和加速度功率谱密度曲线,将之与美军标ＭＩＬ．ＳＴＤ．８１０Ｅ与国军标ＧＪＢ１５０中振动试验和加速度谱密度曲线进行比较,和工程实践对照,拓展形成一组更加符合实际条件且在实验室再现的功率谱密度曲线,并推荐将这组曲线作为陆用拖车载设备的振动试验条件。     

个性化特征的电子商务智能推荐系统

以准确向用户推荐商品,提升电子商务网站销售量为目标,设计基于个性化特征的电子商务智能推荐系统.系统以个性化推荐引擎为核心,采集交易事务、商品特征、用户评价等数据,利用基于个性化特征的协同过滤推荐算法计算商品间相似度,确定新商品的近邻,根据近邻用户对新商品的评价结果选择商品进行推荐.测试结果表明,该系统的电子商务商品推荐...     

异质社交网络中多通道特征融合的好友推荐模型

合理有效的好友推荐算法对于社交网络的发展和扩张有重大的意义。然而随着社交网络的复杂化和异质化,传统推荐系统中协同过滤推荐方法不能满足需求。针对异质社交网络中存在着大量的内容相关信息这一特点,根据好友推荐的需求,提出了多通道特征融合的好友推荐模型。该模型对用户相关的多维特征进行挖掘与利用,包括显性特征(如用户profile,用户tag,社交关系等)和隐性特征(如用户重要度,挖掘用户标注发现其领域兴趣等),并进一步将这些内容相关的多特征融合到协同排序算法中进行学习训练。实验结果表明,随着多个内容特征的逐步融合,算法的MAP值稳步提高,最终相对未融合的协同排序方法提高了12%,并在一定程度上的解决了冷启动问题,提高了好友推荐的多样性。     

基于生成对抗网络的长短兴趣推荐模型

传统的推荐系统中,用户的兴趣被认为是稳定不变的,而事实上,用户的兴趣会因为各种因素产生变化.为了更加有利地跟踪用户兴趣偏好变化进行内容推荐,提出了一种基于生成对抗网络的推荐算法 L-GAN( long short-term memory via generative adversarial networks),利用长期...     

一种基于偏好的个性化标签推荐系统*

建立一个基于用户偏好模型的标签推荐系统,从该系统产生的标签集合中选择出能降低一般性概念描述的模糊性的标签子集,推荐给用户。实验表明,该系统具有较高的可靠性和精准度。     

基于跨视图对比学习的知识感知推荐系统

知识感知推荐(KGR)领域普遍存在监督信号稀疏问题,为了解决这个问题,对比学习方法被越来越广泛地应用于KGR。但是,过去基于对比学习的KGR模型仍存在一些问题:(1)使用图卷积对所有邻居节点直接聚合,无法排除知识图谱中不必要邻居节点信息的干扰;(2)只关注全局视图的信息,忽略了局部特征,这会导致过平滑问题。为了解决以上问题,提出一种基于跨视图对比学习的知识感知推荐系统(KRSCCL)。KRSCCL使用关系图注意力网络构建包含用户、物品和实体节点的全局视图;使用轻量级图卷积网络构建包含用户和物品节点的局部视图,强调局部特征,有效地缓解过平滑问题。最后,在构建的两个视图的图内和图间节点对之间进行对比学习,以充分提取KG信号,优化用户和物品表示。论文方法在三个不同领域的公开数据集上进行了大量实验,实验结果表明:关系图注意力网络可以有效排除复杂网络聚合时的噪声问题;引入局部视图可以优化节点表示生成,缓解过平滑问题;KRSCCL模型在这三个数据集上都表现良好,在电影领域数据集Movielens-1M上,其推荐的F1分数较最强基线提升2.0%;在音乐领域数据集Last.FM上,其推荐的F1分数较最强基线提升0.3%;在书籍领域数据集Book-crossing上,其推荐的F1分数较最强基线提升5.1%。证明了论文方法的有效性。     

基于LBSN动态异构网络的时间感知兴趣点推荐

随着基于位置社交网络(Location-Based Social Network,LBSN)的快速发展,兴趣点(Point-Of-Interest,POI)推荐可以帮助人们发现有趣的并吸引人的位置。针对签到数据的稀疏性和用户兴趣的动态性等挑战性问题,提出了基于LBSN动态异构网络的时间感知兴趣点推荐算法。在LBSN异构网络模式中增加会话节点类型。通过动态元路径,在用户和兴趣点语义关系之间有效地融入时间信息、位置信息和社交信息等。设置了用户-兴趣点之间的动态元路径集,并提出了动态路径实例的偏好度计算方法。采用矩阵分解模型对不同动态偏好矩阵进行矩阵分解。根据不同动态元路径的用户特征矩阵和兴趣点特征矩阵,获取用户在目标时间访问兴趣点的推荐列表。实验结果表明,与其他兴趣点推荐方法相比,所提方法在兴趣点推荐精确度上取得了较好的推荐结果,具有良好的应用前景。     

电商平台产品共同购买网络的影响因素研究

共同购买网络的推荐系统应用越加广泛,仅基于网络内生结构变量研究其共同购买链接的经济意义已有局限,故加入网络口碑这一外生变量,进行更全面的分析。采用了社会网络方法中指数随机图模型进行建模,主要围绕产品销售量、产品入度、差评率和评论数4个方面因素,探究其对共同购买网络中共同购买链接形成的影响。结果显示,销售量、产品入度和评论数对共同购买链接形成的影响呈正比关系,而差评率则会显著地降低产品共同购买的几率。该指数随机图构建出的共同购买网络为在线电商平台管理网络口碑和推荐系统优化设计提供有益参考。