基于属性值偏好矩阵的协同过滤推荐算法

传统的协同过滤推荐算法面临用户评分数据稀疏性和冷启动问题的挑战.针对上述问题,提出了基于属性值偏好矩阵的协同过滤推荐算法,首先采用奇异值分解(SVD)对用户-项目评分矩阵降维得到目标用户的初始邻居用户集,生成新的用户-项目评分矩阵;然后将用户评分映射到相应的项目属性值上,生成每个用户的属性值偏好矩阵,并基于属性值偏好矩阵进行用户相似性度量,从而缓解了评分数据稀疏性;将新项目的属性值与用户的属性值偏好矩阵进行匹配,从而找出匹配度最高的前N个用户作为新项目的推荐受众.实验结果表明了该算法的有效性.     

局部文本特征选取算法的比较和改进研究

本文通过实验比较了互信息、χ2统计算法和优势率三种算法在用于局部文本特征选取时对文本分类性能的影响.实验结果显示,在应用于局部特征选择的情况下,文本特征选取算法仍然可以将特征空间的维度降低90%以上,而不降低文本分类的性能.同时,我们发现在应用于局部文本特征选取时,优势率算法的性能不如互信息和χ2统计算法.另外,对于K最近邻分类算法,随着K值的增大,文本分类的查准率在增加,而查全率在降低.最后,本文详细分析了造成这三种算法性能差异的原因,并提出了一种改进算法,来提高优势率算法应用于局部文本特征选取时的性能.     

地方志引书挖掘系统的设计与实现

古籍文献普遍存在着引书现象,因而构建一套针对地方志引书的挖掘识别系统,对古籍的研究以及目录学史、藏书史、科技史,都具有重要意义.本文以地方志资料汇编<方志物产>为语料,设计并构建了一个古籍引书挖掘系统.重点讨论了引书的模式提取、N-gram分词识别等功能算法.     

数据挖掘在生物医学工程文献检索中的应用

本文在概述数据挖掘技术的基本概念、分析方法的基础上,分析与比较了文本自动聚类算法;综述了国内外面向MEDLINE文献数据库的数据挖掘、知识提取研究;简述了可扩展标识语言(XML)的基本概念、文档格式及其在数据管理及数据挖掘中的应用.     

财经新闻:远离"套路"独辟蹊径

财经新闻难做,好的财经新闻更难做。难在哪里?财经新闻的很多题目不是靠读者报料来的,而是要记者去思考、去挖掘,而这些"功力"需要记者平时多花时间去学习、积累、沉淀。同样是部门拿回来的消息、材料,有的人写出来的往往只是条"无味"的新闻;而有的人却能挖到"新点",这就是"功力"的不同。那么,如何独辟蹊径把财经新闻做好,做得重要起来?     

创新时政新闻,提高舆论引导有效性

时政新闻是主流媒体的重要特色和核心内容,是主流媒体最有高端话语权、最能影响主流舆论的阵地。办好时政新闻,不断增强其吸引力和影响力,就占领了社会舆论的制高点,对形成主流舆论可以收到事半功倍之效。深入挖掘增加深度在时政新闻中,我们不缺优质题材,缺的是新闻敏感和对题材的深度挖掘。     

确定选题搞好新闻策划

新闻加策划是新闻表现的有力手段,通过主观思想创意,把原生态的新闻进行深度挖掘辐射,使之成为带有强烈编辑色彩的新闻,使主题更为鲜明,使读者阅读和探究的欲望更为强烈,从而引起社会的反响而产生互动,推进新闻关注的事件的解决.     

直播节目听众热线筛选的五个技巧

即时互动是广播有别于报纸电视等其它媒体的一个明显优势,直播类节目更是充分挖掘和发挥了这一优势,吸引、调动了广大群众的参与热情,形成了广泛社会影响力,增强了节目的实际播出效果。     

地市党报新闻思维三种转换方式

在新媒体把新闻传播的速度、力度和大容量充分发挥的今天,传统平面媒体的优势在很大程度上取决于记者对报道策略的把握,包括对报道选题、报道内容的确定,对报道切入角度的选择;取决于记者对新闻事实的深度挖掘,对新闻背景的充分掌握和运用;取决于记者对报道对象全方位的了解,能充分揭示报道事实的丰富内涵及发展趋势。面对新闻信息市场的传统格局已被打破的新形势,记者的思维方式和报道视角必须进行新的调整转换,强化宏观开放型、深度策划型、哲理思辨型思维方式。     

去“故事”的底层

一篇好的新闻故事化作品需要记者深入到故事的底层去挖掘新闻资源。这里的故事底层即指新闻中那些往往被人忽略、被社会遗忘的角落,或是不为人知的背景,难以不可揣摩的新闻主角的内心世界,这样的新闻带有强烈的市井特质,更能在社会上引起共鸣,从而产生说服力、震撼力。如何去故事的底层挖掘新闻,写好新闻故事呢?