融合多语义信任度与全局信息的混合推荐算法

数据稀疏问题普遍存在于协同过滤系统,仅考虑共同评分项目上局部上下文信息的相似度度量方法已不具备较高可靠性。为解决上述问题,提出一种融合多语义信任度和全局信息的混合推荐算法（multi semantic trust and global knowledge,MSTGK）。引入加权异构信息网络（weighted heterogeneous information network,WHIN）,通过加权元路径处理评分数据、社交关系、用户标签和项目属性对用户信任的影响,挖掘不同语义的信任信息以缓解数据稀疏性问题;考虑项目流行度和用户偏好程度两个全局要素对用户相似度的影响,将其作为权重因子改进了JMSD相似测度,旨在提高相似度计算精度;融合用户的多语义信任度和全局相似度进行综合推荐。在DoubanMovie和Yelp两个真实数据集上的实验结果表明,所提算法缓解了数据稀疏问题,相比于其他基线方法,预测准确率分别提高了2.01个百分点和2.45个百分点。     

融合全局信息的注意力增强会话推荐方法

近年来,基于会话推荐系统（session-based recommender system,SRS）的应用和研究是推荐系统的一个热门方向。如何利用用户会话信息进一步提升用户满意度和推荐精确度,是基于会话推荐系统的主要任务。目前大多数SBR模型仅基于目标会话对用户偏好建模,忽略了来自其他会话的物品转换信息,导致无法全面了解用户偏好。为了解决其局限性,提出融合全局上下文信息注意力增强的图神经网络模型（global context information graph neural networks for session-based recommendation,GCI-GNN）。该模型利用所有会话上的物品转换关系,更准确地获取用户偏好。具体而言,GCI-GNN从目标会话和全局会话学习物品向量表示。使用位置感知注意网络,将反向位置信息纳入物品嵌入中。考虑会话长度信息学习用户表示进而达到更有效的推荐。在Diginetica和Yoochoose数据集上进行实验,实验结果表明,相对最优的基准模型,GCI-GNN模型在Diginetica数据集各项指标上的提高超过2个百分点,在Yoochoose数据集上,GCI-GNN模型在各项指标上的提高超过1个百分点,验证了GCI-GNN模型的有效性。     

适用于公交站点聚类的DBSCAN改进算法

提出一种适用于公交站点聚类的DBSCAN改进算法,缩小搜索半径ε,从而提高聚类正确度,同时通过共享对象判定连接簇的合并,防止簇的过分割,减少噪声点,有效地屏蔽了算法对输入参数的敏感性,提高聚类结果的质量,减少密度差距对聚类结果的影响。保持DBSCAN算法的高执行效率,并应用在智能公交换乘查询引擎中公交站点聚类,聚类准确率提高了16%,验证了新算法的有效性。     

基于概率的模糊加权关联规则挖掘

提出了一种基于概率的模糊加权Apriori算法,解决了以往算法中由于数据库中项目分布不均匀导致的支持度设置不合理问题.通过引入模糊理论软化了属性的论域边界,并在此基础上进一步引入概率分布的知识解决了传统的常权重赋值带来的问题,保证了算法的向下封闭性.最后通过数值试验验证了改进算法的有效性.     

浅谈庙沟铁矿绿色矿山建设

庙沟铁矿从矿山实际出发,全面推进绿色矿山创建工作,实现资源开采与环境保护相协调。围绕矿产资源利用集约化、生产工艺环保化、企业管理规范化,依靠科技进步,改进生产工艺,不断提高矿产资源综合利用水平和环境保护水平。     

构筑现代化建设的新塘下

塘下镇是浙江省农村综合改革试点镇,是温州市农业和农村现代化建设试点镇。全镇总面积15.4平方公里,常住人口41846人,暂住人口约3万人。改革开放以来,特别是邓小平同志南巡谈话以后,我镇突出改革发展主旋律,经济综合实力明显增强,社会主义新农村建设迈出了可喜的步伐,全镇经济和社会各项事业都发生了深刻的变化。1998年,实现国内生产总值12.4亿元,是1991年的14.2倍;财政总收入7144万元,是1991年的11.4倍;镇民人均纯收入8589元,是1991年的9.7倍。近几年来,镇委、镇政府加强领导,带领全镇广大干部群