【摘 要】
：
研究了随机游走模型中转移概率矩阵的计算方法,并针对推荐系统中的随机游走模型,提出了一种基于隐含因子的方法来计算转移概率矩阵。这种方法通过矩阵分解的技术将随机游走模型中的节点映射为隐含因子向量,并使用该因子向量计算节点之间的转移概率。为了验证上述方法,针对具体的随机游走模型进行了实验,结果表明该方法不仅具有很好的稳定性,而且在数据集极端稀疏的情况下,也能有效地捕捉节点之间的转移概率,从而提高随机游走
【机 构】
：
北京交通大学计算机与信息技术学院计算机工程系
论文部分内容阅读
研究了随机游走模型中转移概率矩阵的计算方法,并针对推荐系统中的随机游走模型,提出了一种基于隐含因子的方法来计算转移概率矩阵。这种方法通过矩阵分解的技术将随机游走模型中的节点映射为隐含因子向量,并使用该因子向量计算节点之间的转移概率。为了验证上述方法,针对具体的随机游走模型进行了实验,结果表明该方法不仅具有很好的稳定性,而且在数据集极端稀疏的情况下,也能有效地捕捉节点之间的转移概率,从而提高随机游走模型的推荐性能。
其他文献
在对ISO/IEC 9126模型及Web软件属性图进行改进和扩充后,应用因子分析法构建了Web软件可信性评价指标体系,运用结构熵值法确定了各个可信指标的权重,并运用改进的证据合成方法构造专家评价信息的模糊评价矩阵;最后,运用置信度识别准则对软件可信性进行等级评价和得分计算,对应可信性决策规则集得出相应的策略。结合对Web软件中网上银行项目的实例分析说明了该方法的实用性和有效性。
针对水下传感器网络(UWSN)需要专门的路由协议满足适应性、鲁棒性、高能效和能量均衡等要求,提出了基于层级的UWSN自适应地理路由协议LB-AGR,不同流量采用不同路由决策,根据节点层级、剩余能量、节点密度和位置信息,为候选下一跳节点计算复合转发因子,从而确定最佳路由,并将上行流量单播传送,减少了碰撞和能耗。仿真表明,LB-AGR在降低能耗、缩短端到端延时的同时,延长了网络生存期。
目的:分析不明原因慢性咳嗽患者支气管镜检查结果,探讨支气管镜在不明原因慢性咳嗽中病因诊断的价值及安全性。方法:选自2014年6月至2016年11月我院就诊不明原因慢性咳嗽患者
面对海量的非结构化时态信息,构建了在分布式环境下的数据存储模型,并在此基础上提出一种基本的时态数据处理方法。使用Hadoop平台下的分布式、非结构化数据库HBase对海量时态数据进行存储,构造以时态集合为时态存储单元的时态数据存储模型;针对分布式处理特征和时态集合数据类型,提出一种在Map/Reduce编程计算模式下进行海量时态信息关系演算的实现方法;通过扩展时态区间关系运算,实现以时态集合为基本
为了提高检测效率,提出了一种新的函数克隆检测方法。该方法对传统后缀数组进行了改进,优化了基于后缀数组的算法。利用该算法可高效查找重复函数子串,进而检测出Type-1和Type-2类型的函数克隆。同时开发出相应的函数克隆检测工具FCD以实现该方法,并检测了24款C语言的开源软件。实验结果的分析验证了FCD能高效检测软件中的函数克隆。
针对现有的多密度聚类算法对参数依赖性较高、聚类精度较低等问题,提出一种基于网格相对密度差的扩展聚类算法(ECRGDD)。首先,该算法给出一种网格划分方法,通过统计数据点的分布情况选取相对密集区域,采用近邻估计法计算网格划分大小的标准;接着,提出网格相对密度差的概念,根据网格密度值选取初始单元,通过计算网格之间的相对密度差围绕初始单元进行扩展聚类;最后,给出边界点提取技术,采用构建模糊函数的方法对边
针对菌群优化算法求解优化问题时收敛速度较慢、易陷入局部最优值的缺点,提出一种基于自适应和及时繁殖策略的菌群优化聚类算法。在算法中根据迁徙的次数改变步长,适应度最大的细菌马上进行繁殖。为了进行对比实验,在二维平面随机生成了100个点,将这100个点聚成两类和三类。实验结果证明自适应和及时繁殖这两种策略都可以明显提高菌群优化算法的收敛速度。
为了提高容迟网络的传递率、降低传输延迟、对节点缓存进行更有效的管理,结合已有的PROPHET和Spray and Wait算法,提出了一种基于平均传递概率的容迟网络路由算法RAB-ADP。在该算法中设置了一个与时间有关的平均传递预测概率参数进行消息转发的决策,解决了PROPHET算法容易产生路由抖动的缺点。算法综合利用了复制和知识两个属性,采用{MOPR;FIFO}队列策略组,通过消息传送完毕的A
目的:探讨宫颈癌筛查系统及薄层液基细胞学检测在妇女健康体检宫颈病变筛查中的应用价值分析。方法:选取2016年7月-2017年7月在医院里进行健康体检宫颈病的250名妇女,采用宫
目的:探讨宫腔镜检查在剖宫产术后远期出血中的应用;方法:将我院收治的160例剖宫产术后远期出血患者随机分为两组。对照组80例采用彩超检查,而试验组80例采用彩超联合宫腔镜