排序方式: 共有10条查询结果,搜索用时 171 毫秒
1
1.
外墙防渗漏是建筑施工中的重要组成部分,如果外墙发生较为严重的渗漏,会严重影响房屋建筑的安全与美观。通过对影响外墙渗漏的材料质量、区域环境、施工工艺等主要因素进行了阐述,并对施工管理流程及施工细部做法提出了改善对策。 相似文献
2.
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。 相似文献
3.
企业即人,以人为本。对企业人力资源中最活跃、最具创造力的青年群体,进行合理的开发与管理显得尤为重要。必须正确看待企业与青工的关系,要建立健全用人机制和激励机制,努力强化全面教育,大力培养综合人才,使青年人才脱颖而出,真正成为企业可持续发展的坚强后盾。 相似文献
4.
自制螺旋输送机外加回转筛刘永坚黑龙江省鸡东县8510农场化工厂水泥厂(158215)我厂有一台规格。Φ2m×8m塔式机立窑,配备一台规格Φ400mm×3500mm预湿搅拌机。近几年来由于生料磨回转筛磨损,磨尾废料口清理不及时或维修不注意等原因,常有石... 相似文献
5.
6.
针对方面类别或方面词项子任务的情感分析方法性能受单任务网络结构的限制,且相关任务的数据集不足。为此,提出一种基于多任务学习的方面级情感分析模型,共同学习两个子任务和方面词项重建任务。通过共享双向门控循环单元和Sentence-level的注意力对多个任务的句子向量编码,并利用Aspect-level的注意力针对不同方面捕获句子中的不同内容。使用双重注意力能更好地注意方面词和情感词,从而提高精确率。在SemEval三个数据集上的实验结果表明,该方法对方面级情感分析任务有明显的优化作用,与现有基线模型相比在精确率上有很好的提升。 相似文献
7.
基于编码器-解码器的深度全卷积神经网络在图像语义分割中取得了重大的进展,但是深度网络中网络低层定位信息传播到网络高层路径过长,导致解码阶段难以利用低层定位信息来恢复物体边界结构,针对这一问题,提出了一种应用在分割网络解码器部分的路径聚合结构。该结构缩短了分割网络中低层信息到高层信息的传播路径并提供多尺度的上下文语义信息,使得分割网络能产生更为精细的边界分割结果。针对语义分割中常使用的Softmax交叉熵损失函数对外观相似样本区分能力不足的问题,对Softmax交叉熵损失函数进行改造,提出了双向交叉熵损失函数。本文提出的路径聚合扩张卷积网络结合新的损失函数方法在PASCAL VOC2012Aug数据集上获得了更好的效果,将mIoU值从78.77%提升到了80.44%。 相似文献
8.
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。 相似文献
9.
在社会主义市场蓬勃发展的今天,国有企业基层党支部作为企业的全部工作和战斗力的基础,.必须深入贯彻”三个代表”重要思想,不断夯实、强化思想建设、制度建设基础,着重抓好领导班子、党员队伍和职工队伍建设,使党支部成为企业3个文明建设的坚强的战斗堡垒。 相似文献
10.
现有基于图神经网络的序列推荐模型大多仅关注用户与项目交互的结构性信息,序列偏好的学习仅涉及项目交互顺序,缺乏项目自身的内容信息,并且未有效利用用户信息及挖掘项目之间更深层的语义关系。提出一种知识增强的图神经网络序列推荐模型KGGNN,引入知识图谱,并结合用户交互数据构建协同知识图谱,学习得到项目语义关联辅助信息以及用户关联辅助信息。将交互序列构建成有向序列图,利用门控图神经网络以及用户关联辅助信息学习序列中项目节点的结构性信息。通过注意力机制组合项目向量作为全局序列偏好,将最近交互的项目作为当前兴趣偏好,融合两者形成最终序列偏好,并结合项目语义关联辅助信息进行模型预测。在Amazon-Book、Last-FM、Yelp2018这3个公开数据集上的实验结果表明,辅助信息能有效提升序列推荐的准确性,该模型在命中率(HIT@K)和归一化折损累计增益(NDCG@K)2个指标上相较于GRU4Rec、NARM、SASRec等模型均有显著提升。当评估指标K值选取10时,与KGSR模型相比,其HIT@10指标在3个数据集上分别提升12.9%、4.5%、6.9%,NDCG@10指标在3个数据集上分别提升... 相似文献
1