基于ArcGIS的广州市花都区数字地质模型初步构建

广州市花都区在长期的地质工作后形成了大量的文字、图表、影像、数字等形式的原始地质资料和成果地质资料,为了更好地对这些资料进行管理和使用,笔者构建了基于ArcGIS的花都区数字地质模型,将纸质及数字资料进行数字化,转化为点、线、面、栅格、影像等要素,由要素构成各自独立的点、线、面、栅格、影像图层文件,再将所有的图层文件汇集成一个资料库。通过ArcGIS平台,根据主题的需要而引用其中某些图层组建不同主题的地图文档,通过地图文档,设置引用图层的堆叠方式、各特征属性的可视方式或隐藏,形成一幅专题地图;可以查询各图层在任意点的属性特征数据,对属性特征数据进行分析（数据运算）生成新图层和新数据,也可以提取图层或数据,创建新的模型。近年来,该模型一直在构建过程中,已有图层涉及地理地貌、基础地质、第四系、基岩、钻探工程、矿产、土壤等领域,可作为当地开展地质调查的重要工具。     

融合交互强度的优化社交推荐算法

针对现有社交化推荐算法忽视了评级数据与社交信息之间关联的探索,提出了一种融合交互强度的优化社交推荐算法。首先,利用社交信息和评级数据结合两种相似度丰富社交矩阵;接着,定义用户间交互强度代表用户间复杂关系;最后,利用交互强度与社交关系之间的关联以及用户潜在特征与用户群体参与特征的关联构建新的目标函数,学习用户和项目的潜在特征,实现个性化推荐。在三个真实数据集上进行实验,与基线模型相比,提出的算法在推荐预测精度上有显著提升,且在对不同评级数量的用户进行潜在特征学习时,表现出良好的鲁棒性。综上,融合交互强度可以进一步提升社交化推荐算法性能,增强用户体验感。