时间上下文优化的协同过滤图书推荐

针对高校图书馆场景存在的无显式反馈、借阅数据稀疏和传统推荐算法效果不好问题,提出基于时间上下文优化协同过滤的推荐算法,包含读者阅读行为评分、时间上下文和内容兴趣变迁3个要素。在数据准备阶段,通过制定评分转化规则、设计标准化函数来构建一种基于用户行为操作的兴趣评分模型,以解决用户评分缺失问题;在推荐召回阶段,提出一种非线性的时间衰减模型来对评价矩阵进行优化,以提高推荐效果;在推荐排序阶段,提出一种兴趣捕捉模型对召回结果按照图书类别进行精排序,以缓解数据稀疏问题并进一步提高推荐效果。实验结果表明,文章提出的优化算法在Top5的F值较未经优化的协同过滤提升增幅达141%。     

基于免疫蚁群算法的机器人路径规划

针对移动机器人躲避障碍和寻找最优路径问题,提出了在复杂环境下的一种路径规划算法。根据人工免疫算法和蚁群算法各自的性能及优缺点,将人工免疫算法和蚁群算法相结合,提出新的结合方式形成免疫蚁群算法。在应用栅格法建立的机器人环境模型中,应用免疫蚁群算法解决机器人路径规划的问题。免疫蚁群算法首先运用人工免疫算法对空间的可行路径做快速的全局搜索,然后生成初始信息素的分布,最后完善蚁群算法搜索最优解。在LABVIEW仿真环境中,采用免疫蚁群算法对机器人路径规划问题进行仿真,仿真结果证明了免疫蚁群算法是一种收敛性和寻优能力都比较好的优化方法。     

用户兴趣分类在个性化搜索引擎中的应用

个性化搜索引擎是指在普通搜索1引擎的基础上,根据用户的背景,兴趣等调整排序算法,针对不同的用户提供不同的服务.本文对搜索引擎的排序算法和用户行为进行了深入细致的研究,通过隐性方法收集用户行为信息,统计并构建用户长期兴趣模型,短期兴趣模型,时段兴趣模型等,利用向量相似度计算获取最适合用户当前状态的兴趣模型,最后将该兴趣模型结合到搜索引擎的排序算法中,影响文档得分,实现结果集的个性化排序.实验证明,该方法简单有效,可以增加搜索引擎对用户兴趣的应变能力.     

基于神经网络的Listwise排序学习方法的研究

近年来排序学习方法以其优异的性能成为信息检索领域研究的一个热点.排序学习方法应用机器学习方法训练排序模型用于文档相关性排序,取得了良好的实验结果.在多种排序学习模型中又以Listwise方法的效果最为显著,特别是基于神经网络的排序学习算法以其良好的理论基础,灵活的损失函数构造形式,成为排序学习研究的重要手段.本文对基于神经网络的Listwise排序学习方法及其改进方法进行综述,并介绍该方面研究的最新进展.     

中文元搜索工具MetaSearcher的实现

论文讨论当前搜索引擎在检全率、检准率等方面存在的问题,提出一种基于C/S模式的中文元搜索工具MetaSearcher来解决上述问题,重点介绍了该工具的关键技术和排序算法.接着对该元搜索工具进行性能评估,得出该元搜索工具在响应速度和排序客观性方面比一般搜索引擎具有一定优势的结论.论文同时指出了后续研究方向.     

基于Web链接矩阵的排序算法研究

基于Web链接矩阵求解的排序算法是目前Web信息检索系统的主流排序算法，大体可以分为3类，基于随机漫游模型的、基于权威/中心网页关系模型、综合使用前两种模型的算法。在分别说明其代表算法的基本原理并讨论优劣之处后，提出一种基于链接矩阵的混合型算法。     

浅析搜索引擎的超链接分析排序算法

本文以PageRank算法和HITS算法为例,对基于超链接分析技术的搜索引擎排序算法进行分析,并总结了超链接分析技术应用于搜索引擎结果排序的局限性。     

基于遗传算法的虚兵火力协同任务规划

从虚拟兵力智能化角度出发,针对虚拟兵力火力协同任务规划问题,提出了一种对重要目标优先打击,同时弹药消耗最低的任务规划模型,并采用遗传算法对不同火力单元打击多个任务目标的规划问题进行求解优化。最后通过仿真试验对构建的算法进行验证,结果表明构建的模型算法能够很好地对火力协同任务规划问题进行求解,提高火力打击效益,实现虚拟兵力的智能决策。     

融合主题聚类和语义图模型的产品评论自动摘要方法研究

[目的/意义]社交网络快速发展的时代,越来越需要自动摘要技术来解决产品评论信息过载。针对现有图模型方法在评论摘要抽取中存在信息不充分、准确性差的问题,提出一种融合主题聚类和语义图模型的多文本摘要方法。[方法/过程]首先运用FCM(Fuzzy C-means)聚类算法对评论文本进行主题划分;然后利用Word2vec模型获取分类评论句子的向量化表达,并根据句子间的语义相似度进行图模型构建;最后利用加权图排序算法,自动抽取出重要性高的句子形成文本摘要。[结果/结论]实验结果显示,该方法能有效识别出产品评论的关键内容,与传统方法相比,融合主题聚类和语义图模型的方法在信息覆盖率和信息多样性指标方面得到了更高的分数,提高了摘要抽取的质量和效率。     

交换网络中STP生成树协议的算法和过程浅析

在一般的交换网络中,普遍采用的是总线的结构,即交换设备进行单点连接形成树状结构。但是这样的网络中存在着可靠性的问题,采用STP生成树协议可以智能的解决该问题。STP采用了生成树算法,该算法采取的是先寻找,后阻塞的思想。即先找出不屏蔽的端口,随后把剩余端口全部阻塞。这一方式巧妙的避免了物理环路形成的广播风暴。     

基于社会化标注的个性化推荐研究进展

社会化标注是当前互联网研究中的一个热点.本文在对社会化标注的内涵和结构加以简单介绍的基础上,重点探讨了基于社会化标注进行推荐的相关进展.首先是明确了标签对于用户模型的意义,接着,从用户、资源和标签三个角度对基于社会化标注的聚类算法进行了讨论.同时也对基于社会化标注的排序算法进行了分析,并进一步将其分为依附补充、独立排序和通用排序三类算法.然后,对标签推荐方面的研究进行了探讨,主要是围绕内容分析、协同分析、语义分析三个方面展开的.最后,分析了社会化标注中个性化信息推荐的研究,发现借助矩阵、聚类和网络的分析是三种主要思路.     

字串去重的快速算法研究

针对文本处理中的字串去重问题 ,本文提出了四种有效的快速算法 ,其平均时间复杂度为O(nlogn) ,空间复杂度为O(n)。其中利用首字hash方法的去重算法比直接利用快速排序算法具有更好的性能 ,其思想可用于改进快速排序算法。     

基于DEA的信息安全风险管理水平评估研究

本文从投入产出的角度出发,利用DEA理论建立了信息安全风险管理水平综合评价模型。针对信息安全风险管理水平综合评价中存在多个有效决策单元的问题,在DEA模型中添加虚拟决策单元实现对多个有效决策单元的综合排序。以五个单位信息安全状况为例进行了实例分析,结果表明,该方法能够较好地解决信息安全风险管理水平的综合评价问题。     

汉字概率检索理论及其实现

因特网上信息检索的新问题需要新理论来解决,概率检索理论是其中选择之一。本文在基于英文的概率检索理论基础上,提出了改进的基于汉字的概率检索理论,在实现中又以直接排序代替了先计算后排序的思路,使得所开发软件达到实用程度。     

Internet个性化智能信息检索的分析与研究

本文首先对Internet网上信息检索进行了综述与分析 ,针对存在的问题 ,介绍了智能Agents的解决方法 ,最后本文提出了一个多Agents系统的个性化智能信息检索系统的模型 ,该模型集成了神经网络、最好优先算法、信息过滤、相关反馈等多种算法     

飞行原理简介

要了解飞机的飞行原理就必须先知道飞机的组成以及功用，飞机的升力是如何产生的等问题。这些问题将分成几个部分简要讲解。     

中文报刊混编数据库题名的排序与检索

针对中文报刊混编数据库报刊题名字段排序的“假汉语拼音排序”问题,利用“中文报刊人机通用无号排序法”对中文报刊混编数据库的排序和检索进行考察,提出解决报刊题名的人机通用无号排序与检索以及报刊题名的计算机快速检索等问题的方法。     

监视竞争对手——对竞争对手进行排序

本文主要分析怎样对竞争对手排序 ,先根据一些准则对目前竞争对手进行排序 ,接着根据一些指标对潜在竞争对手进行排序 ,最后根据一些基准 ,形成竞争对手完整的优先排序     

文献检索系统排序指标研究与实践

文章在研究PageRank,HITS算法,以及四个专业文献检索系统的排序指标的基础上,对专业文献检索系统的排序指标选择和优化方法进行了详细分析,提出了D-Rank(Document-Rank)排序方法,并详细介绍了该算法在万方数据知识服务平台中的应用情况.     

算法推荐风险影响因素系统动力学研究——以政策与科研主题协同为视角

作为智能情报分析中的重要应用场景,算法推荐提供的个性化和精准化信息服务为现代快速决策增加了价值,但算法推荐风险问题也尤为突出,探寻算法推荐风险影响因素对科学地提出算法风险治理策略至关重要。文章采用LDA模型对科研论文进行主题聚类,聚类结果与《互联网信息服务算法推荐管理规定》进行相似度计算,以识别算法推荐风险影响因素,从风险产生和风险治理两个维度构建系统动力学模型,然后利用Vensim PLE软件和文本计算数据进行仿真与灵敏度分析。研究识别出算法素养、大数据技术、算法偏见、网络安全审查等影响因素,通过文本计算获得的数据进行仿真能够较好的拟合算法推荐风险治理现实情况,并基于灵敏度分析提出如下建议：加强算法素养教育,提高个人隐私保护意识;建立算法全流程监管机制,提升算法的可解释性;建立“制度+技术”机制,提高平台风险防范能力。