一种改进的神经网络算法在销售预测中的应用

本文针对传统神经网络算法的不足之处给出了一种改进算法，且将该算法应用于销售预测中，获得了良好的预测结果，可作为预测商品销售的一种手段。     

价值敏感设计:内容推荐算法进阶之路北大核心CSSCI

随着“算法权力”应用场景和权力边界的不断扩大,内容推荐算法也经历“赋魅”“祛魅”到规制的历程,防止其技术异化和规避价值困境成为现实课题。把价值敏感设计理念引入内容推荐算法,有效识别并破除其主流价值观偏移、用户隐私侵犯、算法歧视与偏见等价值困境,确立其有用性、便捷性、无害性等价值理性,力求重塑“人与人造物”的正当关系和应有价值,从而实现内容推荐算法工具理性与价值理性的辩证统一。     

上瘾模型视角下图书馆短视频运营策略探究--以抖音为例

文章以国内活跃用户规模最大的抖音平台为例,引入互联网产品设计理论的上瘾模型,参考抖音平台的推荐算法机制,针对当下图书馆短视频运营的现状和问题,提出基于推荐算法和用户知识焦虑的用户触发、把握用户动机同时降低能力门槛、设计以猎物酬赏为主的多变酬赏,以及通过内容价值与运营技巧吸引用户投入等运营策略。     

基于主题模型的文本分类算法性能比较SSCI

文章利用LDA模型进行文本降维和特征提取,并将传统分类算法置于集成学习框架下进行训练,以探讨是否能提高单一分类算法的分类准确度,并获得较优的分类效果,使LDA模型能够发挥更高的性能和效果,从而为文本分类精度的提高服务。同时,以Web of Science为数据来源,依据其学科类别划分标准,建立涵盖6个主题的实验文本集,利用Weka作为实验工具,以平均F值作为评价指标,对比分析了朴素贝叶斯、逻辑回归、支持向量机、K近邻算法4种传统分类算法以及AdaBoost、Bagging、Random Subspace 3种集成学习算法的分类效果。从总体上看,通过“同质集成”集成后的文本分类准确率高于单个分类器的分类准确率;利用LDA模型进行文本降维和特征提取,将朴素贝叶斯作为基分类器,并利用Bagging进行集成训练,分类效果最优,实现了“全局最优”。     

智能传播时代人与算法技术的关系交迭

随着智能技术的发展,算法逐渐成为传播的基础设施和底层逻辑,并在广泛应用的过程中与人的关系发生着流动的变化与迭代。基于此,本文立足于唐·伊德"人—技"关系视角,阐释人与算法技术"具身—诠释—它异"的三重关系交迭:具身关系下的算法技术"抽身而去",成为一种透明的存在;诠释关系下算法作为"中介""界面"本质所具有的负面效应引发人们的"算法焦虑";它异关系下算法作为一种"准他者"促逼人们沦为技术宰制下的"囚徒"。在向理想的人与算法技术的"背景关系"的推进中,人们应该坚守自己的主体性价值,找到恰当理性的方式与算法和谐共生,让算法技术真正成为人类的福祉。     

镀膜双镜头多光谱相机的波段配准方法

针对镀膜双镜头多光谱相机波段多、数据量大、配准流程复杂的问题,提出一种基于改进SURF算法的快速配准方法。该方法首先完成对各波段图像的预处理,采用数字畸变模型采样法对各波段影像畸变进行校正;然后对畸变改正后的各波段图像利用快速版的SURF算法(F-SURF)进行配准。F-SURF算法从3个方面对原SURF算法进行改进,包括:依照匹配贡献度优化算法组数设置、舍弃算法旋转不变性以及引入渐进采样一致法进行特征点匹配等。通过地面及飞行实验数据进行算法验证,结果表明改进算法的配准精度优于经典SURF算法,且时间效率显著提升。     

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.