基于平衡采样的轻量级广告点击率预估方法

类似Google AdSense这样的定向广告投放系统在过去十年得到了长足的发展和进步, 在定向广告投放系统中, 机器学习方法在广告点击率预估扮演着重要角色。目前, 广告点击率预估模型中的训练数据逐渐呈指数级增长, 越来越大的训练数据给模型的扩展性带来了极大的不便。很多有用的特征以及复杂的模型受限制于训练集规模而无法加入到模型之中。借鉴类别不平衡问题中的平衡采样策略, 通过多次采样的负样本数据和集成学习, 缩短训练时间, 改善学习准确率。实验证明在采用了平衡采样之后, 点击率预估效果和线上资源消耗都得到了优化。     

基于改进降噪自动编码器的点击率预测

点击率(CTR)预测是个性化广告和推荐系统中的一项基本任务. 针对提升点击率预测效果和处理冷启动问题, 本文中提出了一种基于改进降噪自动编码器的点击率预测模型ADVAE (ADditional Variational AutoEncoder),该模型在输入数据加入高斯随机噪声, 利用改进的降噪自动编码器生成新的嵌入特征, 然后分别进行低阶和高阶的特征交互来预测用户点击行为. 该方法可以在数据稀疏以及系统冷启动情况下, 更深层地学习特征嵌入与交叉之间的关系. 该模型关注特征域之间的交互, 动态修复低频数据的特征嵌入, 具有更强的鲁棒性. 此外, 该方法可以动态应用到其他深度学习模型, 具有更高的灵活性. 实验结果表明, 该方法在点击率预测和系统冷启动问题上的性能表现均优于现有方法.     

含机浆系统中铝离子对湿部化学特性影响的研究

含机浆系统是新闻纸、低定量涂布纸等印刷纸种常用的造纸系统。在酸性含机浆系统中AI2（SO4）3是最主要的添加物,但它对其他阳离子助剂有一定的影响。文国从纸浆对铝离子的吸附以及电荷分析和测量等方面研究了AI2（SO4）3对造纸湿部化学特性的影响,提出了AI2（SO4）3用量的严格界限。     

光电耦合器电流传输比的噪声表征

光电耦合器中可俘获载流子的陷阱密度是影响其电流传输比(CTR)的重要因素,并与器件可靠性有密切关系.在器件内部的多种噪声中,1/f噪声可有效地表征器件陷阱密度.本文在研究光电耦合器工作原理以及1/f噪声理论的基础上,建立了光电耦合器的CTR表征模型和1/f噪声模型.在输入电流宽范围变化的条件下,测量了器件的电学噪声和CTR变化,实验结果验证了以上模型的正确性.将CTR模型与噪声模型相结合,得到了CTR与1/f噪声之间的关系.此关系应用于对光电耦合器辐照实验结果的分析,实验结果与理论得到的结论一致.理论与实验结果表明,噪声幅值越大,电流指数越接近于2,则器件的可靠性越差,相同工作条件下CTR的老化衰减量越大,其失效率显著增大.从而证明噪声可表征光电耦合器的CTR并能准确地反映器件的可靠性.     

变频调速三相异步电动机的调速及其节能应用

阐述了变频调速专用电机的性能和特点,并着重论述了变频调技术在风机泵类机械中的节能应用。     

VO2在V-P-Fe系CTR的相变偏移分析

实验表明,在氧化钒中掺杂不同的物质与不同的比例制作的邻界热敏电阻CTR（Critical Temperature Resister）样品的VO2相变点得到了提高,发生了偏移,这种偏移与掺杂成份与比例有一定的关系.根据样品对应的热谱图,从样品成份中VO2、Fe2O3、P2O5微观结构分析各成份所起的作用.设计制作3种掺杂比例不同的样品,比较其不同组份相变点的偏移.此方案得出,在制作邻界热敏电阻CTR时各组份相互牵制相互影响的关系.VO2的相对量与相变点温度成正比关系;P2O5的相对量影响VO2微晶的稳定,也会影响Fe2O3的变价和电子的传导,从而影响VO2的相变;Fe2O3的量与VO2导体性能成正比关系,相对量大,相变点温度将降低.     

基于双重分组和密钥计数的并行认证模式

由于CBC-MAC模式不可并行处理,提出了一种基于双重分组的并行认证模式(PKCB).PKCB模式同并行认证模式PMAC相比,安全性和速率都有显著提高,PKCB认证模式与CTR(计数器)加密模式结合可构成分组密码算法的一种全工作模式.在此基础上提出了一种基于密钥计数的并行认证模式(KCTR-MAC).KCTR-MAC模式安全性比PMAC模式高得多,而速率未降低,KCTR-MAC认证模式和CTR加密模式结合也可构成分组密码算法的一种全工作模式(2CTR),2CTR模式的综合性能不亚于标准模式CCM(CTR with CBC-MAC),是一种安全快速的实用模式.     

因子分解机模型的宽度和深度扩展研究

因子分解机（factorization machine,简称FM）模型因为能够有效解决高维数据特征组合的稀疏问题且具有较高的预测精度和计算效率,在广告点击率预测和推荐系统领域被广泛研究和应用.对FM及其相关模型的研究进展进行综述,有利于促进该模型的进一步改进和应用.通过比较FM模型与多项式回归模型和因子分解模型之间的关联关系,阐述FM模型的灵活性和普适性.从特征的高阶交互、特征的场交互、特征的分层交互以及基于特征工程的特征提取、合并、智能选择和提升等角度,总结模型在宽度扩展方面的方法、策略和关键技术.比较和分析了FM模型与其他模型的集成方式和特点,尤其是与深度学习模型的集成,为传统模型的深度扩展提供了思路.对FM模型的优化学习方法和基于不同并行与分布式计算框架的实现进行概括、比较和分析.最后,对FM模型中有待深入研究的难点、热点及发展趋势进行展望.     

Synthesis and flash sintering of (Hf1-xZrx)B2 solid solution powders

(Hf_1-xZr_x)B₂ solid solution powders were synthesized by two methods. First, solution-based processing of HfCl₄, ZrCl₄, sucrose, and H₃BO₃ was conducted followed by heat treatment in Argon to carry out the carbothermal reduction (CTR) reaction to form the diboride powders. Alternatively, in the so-called borohydride reduction (BHR) method, HfCl₄, ZrCl₄ and NaBH₄ were mixed in an Argon glove box followed by heat treatment in Argon at 700?1500 °C. The synthesized powders were characterized by XRD, SEM, TEM, EDS, and TGA, and the influence of different parameters such as starting composition, heat treatment temperature and time on products characteristics were revealed. Both CTR and BHR solid solution powders were then consolidated within ～5 min in a homemade flash sintering (FS) setup. The composition, microstructure, hardness, and thermal-oxidation properties of flash sintered ceramics were characterized, and the implication of this study and directions for future research were discussed.     

基于SENET-DEEP的CTR预测方法

深度神经网络(Deep Neural Networks,DNN)在点击率预测(CTR)领域应用广泛。这些模型通对特征之间的交互和改变深度网络结构来优化CTR预测模型。然而现有的方法忽略了特征本身的重要性的对深度网络的影响,限制了模型的学习能力。为了更好地预测用户可能点击的对象,文章提出了基于SENET机深度网络(Squeeze-and-Excitation Deep Network,SENET-Deep)模型。该模型利用Squeeze-and-Excitation Networks(SENET)动态学习特征,同时引入深度神经网络提高了模型学习隐式交互的能力,既注重了在浅层网络中学习特征重要性的能力,也引入深层网络提高了模型的泛化能力。两个真实数据集的实验表明,文中提出的模型在点击率预测性能上有着明显的提升。