【摘 要】
:
随着移动互联网技术的蓬勃发展,各领域应用层出不穷,互联网信息呈现爆炸式的增长。推荐系统成为解决这一“信息爆炸”的重要途径之一,可以从海量的数据中迅速而准确地为人们挑选出需要的信息,提高人们的生活效率。虽然推荐系统可以一定程度上解决信息过载的问题,但也只是对有大量历史记录的用户有很好的推荐效果。对于一些新来的或者是不活跃的冷启动用户,推荐系统难以通过少量的交互记录捕捉其偏好。因此,迫切需要新方法来解
论文部分内容阅读
随着移动互联网技术的蓬勃发展,各领域应用层出不穷,互联网信息呈现爆炸式的增长。推荐系统成为解决这一“信息爆炸”的重要途径之一,可以从海量的数据中迅速而准确地为人们挑选出需要的信息,提高人们的生活效率。虽然推荐系统可以一定程度上解决信息过载的问题,但也只是对有大量历史记录的用户有很好的推荐效果。对于一些新来的或者是不活跃的冷启动用户,推荐系统难以通过少量的交互记录捕捉其偏好。因此,迫切需要新方法来解决推荐中的冷启动问题。元学习近年来被提出并证明对少样本学习有效,这为有效解决推荐系统中的冷启动问题提供机遇。本文提出了基于软聚类和记忆的元学习模型,重点解决现有元学习方法存在的模型局部最优问题。该模型在元学习框架中内嵌了软聚类机制,对用户进行合理分组,通过记忆单元和参数门控得到个性化的初始参数,保证知识在组内相似用户之间的正确共享,仅需少量用户数据即可保证模型微调的适配性能。此外,针对跨领域的推荐场景,本文提出了一种基于软聚类和自适应的跨领域元学习模型,利用元学习方法和跨领域结合解决冷启动问题。该模型在元学习方法与跨领域结合的时候利用对抗机制实现用户源域中的域共享偏好的迁移。在用户个性化初始参数调整方面,该模型事先对用户-物品交互关系采用注意力机制获取用户表示,在元学习训练中通过软聚类实现用户动态分组,进而使用参数门控机制为用户调整模型初始参数,实现用户个性化推荐。本文在真实数据集上进行大量实验,并证明提出的两个模型能有效解决单领域和跨领域推荐系统中的冷启动问题。
其他文献
近年来,随着自然语言处理研究逐渐深入,越来越多的研究者把研究重点转向宏观中文篇章层级。篇章分析致力于挖掘篇章内部信息,从而为全文建立起宏观理解并为下游任务提供帮助。本文聚焦于中文宏观篇章关系识别开展研究,在连贯的篇章中,篇章的各级单位称为篇章单元,篇章关系识别旨在探索篇章单元之间的语义逻辑关系。篇章关系识别面临着篇章单元间语义交互、篇章单元表示、篇章关系表示的挑战,本文针对这三项挑战展开深入研究,
目的:评估营养指标,包括维生素D相关指标、老年营养风险指数(geriatric nutritional risk index,GNRI)、那不勒斯预后评分(Naples prognostic score,NPS)在非小细胞肺癌(non-small cell lung cancer,NSCLC)患者中的表达或表现情况,并探讨它们与NSCLC患者总生存期(overall survival,OS)和无病
氧代谢是指在生命系统中,氧气在组织和细胞中如何传递、运输和消耗的一系列过程,活性氧(ROS)正是在这一过程中产生的。ROS在生命活动中扮演着双重角色,在正常的生理浓度范围内,ROS通过细胞内氧化还原信号传递来调节免疫应答、代谢、细胞分化等对机体生理活动密切相关的行为。ROS浓度过高则会对蛋白质、脂质、核酸和组织等造成损伤,进而导致其稳定性和功能的改变。因此,准确、便捷地监测生物体中的ROS对进一步
家蚕的遗传学背景清楚,是鳞翅目昆虫的模式种,也是重要的经济昆虫。丝腺能在短期内大量合成丝蛋白,被认为是世界上合成蛋白效率最高的器官。丝蛋白合成是家蚕最重要的经济性状,决定蚕丝的产量和质量。丝蛋白的高效合成与调节机制一直是家蚕生物学最重要的研究内容,人们已从基因组学、丝腺转录组学和蛋白质组学、丝腺组织发育、丝腺细胞大小调控、丝腺细胞高效核内复制、性别与丝蛋白合成、丝蛋白基因的转录与翻译等多角度探讨丝
目标计数是计算机视觉领域的一个重要分支,近年来因其实用性而广受关注。目标计数可以估计密集场景下人群数量,助力公共安全工作;也可以测算路面车流量,为城市交通管控提供决策支持。随着卷积神经网络被应用到该领域,相关的研究在准确性上面取得了长足的进步。但是,目前的研究几乎都聚焦于单类别的计数上。另外,为了提高计数的准确性,网络结构逐渐变得复杂,体量也在逐渐变大。然而,复杂的大型网络对硬件依赖度较高,难以部
胶质母细胞瘤是中枢神经系统最恶性的肿瘤。胶质瘤干细胞是导致胶质瘤患者早期复发和低总生存期等不良后果的原因。靶向胶质瘤干细胞被认为是一种很有前途的抗胶质瘤策略。而免疫疗法的发现为神经胶质瘤的治疗提供了新的思路。然而,胶质瘤干细胞对PD-1/PD-L1治疗不敏感,并以免疫逃逸为明显特征。因此,有必要了解胶质瘤干细胞(glioma stem cells,GSCs)在免疫逃逸中的分子机制,寻找有效的免疫治
高性能的癫痫脑电信号自动检测方法对减轻医生负担并提高癫痫的诊断效率具有重要临床研究意义。论文提出了一种能够区分正常、癫痫发作和发作间期脑电信号的高性能三分类系统。采用Daubechies 4小波构成的4级提升式小波变换将脑电信号分解为不同子带信号,求得不同子带信号的近似熵、Teager能量、局部波动率、自回归系数、Hurst指数特征值;利用Fisher得分法进行特征选择,提高分类精度同时减小计算复
社交网络的迅速发展带来了海量的对话数据,如何从这些对话数据中提取有用的信息成为了新的研究热点。面向对话的实体关系抽取任务旨在判断对话文本中各个实体对之间存在的关系,进而辅助知识图谱构建、对话生成等下游任务的进行。作为一个刚刚起步的任务,面向对话的实体关系抽取有很多问题需要解决。本文针对该任务的三个不同的问题提出了相应的解决方案,主要内容如下:(1)针对面向对话的实体关系抽取模型难以捕获对话的图结构
目的:一、研究创伤性脑损伤(Traumatic brain injury,TBI)后Armcx1蛋白的表达变化及其细胞类型分布;二、研究Armcx1在TBI后继发性损伤中的作用;三、研究TBI后神经元中miR-223-3p对Armcx1的调控作用及其在TBI后继发性损伤中的作用。方法:本研究设计分三部分实施。第一部分选取成年雄性C57BL/6小鼠(21-28g),采用控制性皮层撞击(CCI)方法建
强化学习通过不断“试错”的方式和环境进行交互,去寻求最大累积回报。然而大部分强化学习算法利用随机探索来获取环境信息,这类无限制的探索往往会使智能体陷入危险。安全强化学习是保障智能体安全的强化学习,它会在保障智能体安全的前提下去寻找最优策略。针对智能体安全问题,本文从预测的未来状态规避危险开始,进一步深入利用未来状态构造内在奖赏,最后将多步预测的未来信息用于改进策略。具体内容如下:(1)基于预测改进