【摘 要】
：
针对交互数据稀疏和推荐多样性问题，基于卷积协同过滤推荐框架，提出卷积融合文本和异质信息网络的学术论文推荐算法(WN-APR)。算法首先学习不同语义下用户和论文的多样化特征，缓解数据稀疏问题；然后基于外积设计不同语义特征相互增强的方式融合它们，并使用三维卷积神经网络代替二维卷积神经网络充分挖掘不同特征对性能的影响；最后改进贝叶斯个性化排序损失函数增强推荐多样性。在CiteuLike-a、CiteuL
论文部分内容阅读
针对交互数据稀疏和推荐多样性问题，基于卷积协同过滤推荐框架，提出卷积融合文本和异质信息网络的学术论文推荐算法(WN-APR)。算法首先学习不同语义下用户和论文的多样化特征，缓解数据稀疏问题；然后基于外积设计不同语义特征相互增强的方式融合它们，并使用三维卷积神经网络代替二维卷积神经网络充分挖掘不同特征对性能的影响；最后改进贝叶斯个性化排序损失函数增强推荐多样性。在CiteuLike-a、CiteuLike-t数据集上的实验结果表明，相比于基线模型，WN-APR在准确率和多样性的四个指标上都有所提升。
其他文献
基于区块链的医疗数据共享能够有效地提升医疗数据的可信性，但是面临着链上存储容量有限、缺乏数据隐私保护等问题。针对这些问题，提出一个基于多层次区块链的医疗数据共享模型。对个人医疗数据进行加密后上传到链下的分布式存储中，并将数据索引信息上传到链上，利用多层次区块链协同技术和链上链下混合存储方式提高存储效率；引入差分隐私保护联邦学习中模型参数，提升数据的隐私安全。实验结果表明，相对于以太坊而言，该方案机
为掌握矿山地质环境问题的影响程度，本文以调查区多年遥感图像为信息源，通过图像识别技术，解译矿山地物信息，提取量化评价数据；然后结合改进序关系法与拉开档次法，最终建立基于直觉模糊集（IFS）-TOPSIS的矿山地质环境综合评价模型。最后以陕西省富平县曹村镇为实例，基于遥感信息提取数据的分析，并结合研究区矿山开发与自然地理情况，构建矿山地质环境评价指标体系，应用本文所提出的模型对研究区的矿山进行地质环
泥盆—石炭纪过渡期是地球演化过程中的一个重要阶段，发生了地球气候系统从温室向冰室转型和生物灭绝等重大事件。准确且高分辨率的年代格架是理解这些事件的基础。本文利用高分辨率磁化率作为古气候替代指标，对贵州省长顺县睦化Ⅱ剖面和大坡上剖面以及广西壮族自治区南丹县度里剖面的泥盆—石炭系界线附近深水沉积序列进行旋回地层学研究。识别出受到短偏心率、斜率和岁差控制的沉积旋回厚度分别为1.09～2.39 m、0.2
由于探测器和通信设备的故障，交通数据的缺失是不可避免的，这种缺失给智能交通系统(ITS)带来了不利的影响。针对此问题，运用张量平均秩的概念，对张量核范数进行最小化，从而构建了新的低秩张量补全模型，并且在此基础上，基于张量奇异值分解(T-SVD)和阈值分解(TSVT)理论，分别使用坐标梯度下降法(CGD)和交替乘子法(ADMM)对模型进行求解，提出两个张量补全算法LRTC-CGD和LRTC-TSVT
交通标志识别是智能交通系统的研究基础，目前用于图像特征提取的网络都是基于专家设计网络的改进模型，需要经历图像预处理和复杂的模型调参过程。针对该问题，提出一种基于进化ResNet的交通标志识别方法，提取ResNet的基础块嵌入到进化算法中，以自适应地构造适用于交通标志识别的网络模型。设计以残差块为单位的个体初始化空间和交叉、变异等遗传算子，以保证进化搜索的有效性；将网络深度作为可变参数，搜索网络模型
经典的基于L2范数的波形反演难以克服周期跳跃问题,导致迭代反演往往陷入局部极小值点,无法给出正确的成像结果.根据最优传输理论,文章采用一种新的基于Wasserstein度量的目标函数,该度量能保持分布的几何特性,提升反问题的稳定性与凸性.数值实验表明,基于Wasserstein度量的全波形成像具有更大的收敛半径、更快的收敛速率并能有效克服周期跳跃问题.将此方法应用到龙门山地区,获得了该区域可靠的岩
高寒草地是青藏高原的主要生态系统,其水热交换的准确模拟对于加强高原陆气相互作用过程的认识具有十分重要的意义.本文利用青藏高原东北部黑河流域上游地表过程综合观测网的四个高寒草地站点生长季观测数据,对Noah-MP陆面模式的集合数值模拟进行了评估,并对参数化方案进行了改进.首先开展了生长季7个主要物理过程/物理量的集合数值模拟试验,共计1008种参数化选项组合方案,并基于泰勒技巧分选取适合高寒草地水热
特定人语音分离算法是指从包含多种说话人同时讲话场景的混合语音中，通过一个特征向量的引导来分离出特定说话人的语音。特征向量的获取通常有两种方式，一种是使用一组自定义的正交独热(one-hot)向量，该方法可以在训练过程中达到更好的训练效果，但是无法处理训练过程中未见过的说话人；另一种的方法是使用一个分类网络自适应地生成具有说话人特征的嵌入式向量(embedding)，该做法会因为分类网络的误差而损失
针对信息传输过程的时间消耗和信道估计误差对网络能效的影响，提出了一种基于非线性能量收集的全双工认知中继网络的联合优化方法。该方法是在中继采用非线性能量收集并考虑非完美信道状态信息下，首先通过将能效非凸优化问题转化为两个凸的子优化问题，求出次用户和中继的传输功率以及收集的能量；其次在保证主用户干扰和传输功率非负的情况下，求出信道容量传输的范围；最后再将传输功率代入表达式得到关于时间目标函数，利用海森
有界置信模型(bounded confidence model,BCM)是舆论动力学中对偏好演化进行建模的重要模型，但其假设个体会完全接受与之交流个体的偏好以及所有的个体会诚实表达其偏好与实际情况不符，存在明显不足。针对该问题，提出了一种动态信任感知的偏好演化模型(dynamic trust-aware preferences evolution model,DTPEM)。首先，引入偏好接受度算子