【摘 要】
：
信息物理系统（Cyber Physical System,CPS）是工业4.0中的重要组成部分,能够在未来的设计和开发中发挥重要作用。其通过对计算,网络与物理环境的综合,实现了计算资源和物理资源的结合协调。但CPS在给人们带来便捷的同时也带来了信息超载的情况,若能对这些多源巨量数据加以利用,将能进一步便利人们的生活。协同过滤推荐算法是解决信息超载的有效方案,其通过对现有用户交互数据进行处理,提取相
论文部分内容阅读
信息物理系统（Cyber Physical System,CPS）是工业4.0中的重要组成部分,能够在未来的设计和开发中发挥重要作用。其通过对计算,网络与物理环境的综合,实现了计算资源和物理资源的结合协调。但CPS在给人们带来便捷的同时也带来了信息超载的情况,若能对这些多源巨量数据加以利用,将能进一步便利人们的生活。协同过滤推荐算法是解决信息超载的有效方案,其通过对现有用户交互数据进行处理,提取相似之处,最终给予用户合适的推荐。但在当前的CPS环境下,随着用户规模和项目数量的急剧增长,传统的协同过滤推荐算法的缺陷逐渐暴露出来,特别是在新用户、新项目和新系统的冷启动以及用户行为数据稀疏等的问题上,这些问题致使协同过滤推荐性能降低。为了解决这些问题导致的推荐效果不佳,研究采用了跨域协同过滤推荐的方式,通过改进的跨域推荐算法,以辅助域数据为参考,提取辅助域数据中的有效信息,迁移推荐知识至目标域的数据中,使其能够通过其他领域中包含的有效推荐信息,扩充目标域数据,从而缓解数据稀疏和冷启动问题,致使达到良好的推荐效果。研究主要的内容和贡献如下:（1）通过分析传统协同过滤算法和跨域协同过滤推荐算法,了解跨域推荐与传统协同过滤推荐的思想,对比分析算法间的异同,明确设计思路。（2）以非负正交矩阵的三分解（Orthogonal Nonnegative Matrix Tri-factorization,ONMTF）为基础,提出基于谱聚类算法对现有密码本迁移算法（Code Book Transform Learning,CBT）进行改进,使其在辅助域提取信息时拥有更高的精度,提升跨域知识迁移的准确性。（3）在改进的CBT算法基础上,利用谱聚类的特性,融入数据包含的更多信息,在用户侧数据处理中引入时间信息的加权相似度方法,提出改进的时间衰减函数,同时项目侧引入类别信息的加权相似度方法,将多信息融入到跨域推荐的过程中,提高推荐的准确性。（4）搭建实验环境,使用豆瓣数据集和Movie Lens-Latest数据集构建实验数据进行双向跨域迁移推荐实验,同时与现有算法和传统协同过滤算法进行对比分析,结果表明,改进后的跨域推荐算法能够缓解数据稀疏问题,有效提升推荐精度。
其他文献
三维目标检测是自动驾驶车辆环境感知的关键技术之一,通过提供周围场景中丰富的三维信息,为自动驾驶的下一步规划决策提供重要依据。鉴于单目相机价格便宜、容易安装等特点,基于单目的三维目标检测在商业应用中受到广泛青睐。为此,本文重点针对车辆、行人及非机动车检测,研究基于单目的轻量化三维目标检测算法,并实现了算法在移动端嵌入式设备SE5 AI平台的部署。主要研究内容如下:（1）单目三维目标检测基准算法测试。
现今的药物研发工作所消耗的人力物力、时间和资金都变得越来越多,并且每年的申报名额也在逐年减少,药物研发工作变得越来越难以开展。得益于前人的科研工作经验的总结和大数据化的数据交流的发展,人们逐渐倾向于寻找一种成本低、效率高的方法应用于药物的研发初期,为现有药物提供高置信度区间的潜在适应症,这种技术被称为药物重定位。虽然目前已有不少科研人员提出了极具研究价值的预测模型,然而,在药物相似性和疾病相似性的
多标签学习（multi-label learning,MLL）是监督学习的一种,但与传统监督学习不同的是,在多标签数据中,一个示例往往与多个标签相关联。多标签学习中,一个对象往往可以通过多个方面来描述。例如,在网络图像检索中,一幅图像可以使用图像的视觉特征集或者图像周围文本的文本特征集来进行描述。在这些应用中,一个对象与多个视角相关联,并且每个视角都从不同的方面来描述同一对象。因此,如何利用多视角
中医智能处方推荐指利用人工智能技术,根据患者病历信息进行学习,对候选中药进行预测,以模拟医生开具处方的过程。近年来许多学者围绕中医处方推荐开展了相关研究,但目前领域内仍存在亟待解决的问题,如现有临床诊疗数据具有“一多一少”的特点、无法对临床表型中的“未登录词”形成表示、现有处方推荐方法性能较低、现有方法推荐结果的配伍合理性不强等。为解决上述问题,本文围绕中医处方推荐开展了以下三方面研究。第一,针对
资源分布情况复杂,资源指派涉及到较多的影响因素,合理划分空间以评估资源数量及利用资源,使得空间呈现出明显的多维特性,例如城市交通网络划分和物种集聚地划分等。为了在资源有限的情况下,根据服务对象的相关需求,高效利用资源,保证空间主体划分和客体资源利用的利益最大程度,本文主要研究多维空间中资源分配的指派问题,通过任务属性划分空间网络,避免资源分配和使用的效益因空间约束过度耦合而降低。合理分配相应的资源
文本摘要生成是解决信息过载问题的有效方法之一,在新闻标题生成和知识科普领域有着广泛的应用。文本摘要生成是指从源文本中提取能准确代表原文内容的简短概述,主要分为抽取式摘要和生成式摘要,生成式摘要较抽取式摘要具有更高的灵活性,成为目前文本摘要生成的研究热点,但生成式摘要还存在问题,例如,未登录词、生成重复、暴露偏差等,导致生成的摘要并不理想。本文针对上述问题,基于序列到序列框架,利用指针生成网络和强化
现实世界中存在各种能够用图表示的数据,图作为一种复杂的数据结构类型,能够很好地表征不同对象间的复杂关系。对图进行分类是一个十分重要且富有挑战性的问题,在生物医药等领域具有广泛的应用,如化学分子性质预测和新药物研发等。早期针对于图分类的研究,主要是通过计算图与图之间的相似度的方式来判断图是否属于同一类别,例如统计图中特定子图的数目。但是由于需要一定的先验知识来选择合适的子图结构,所以很难应用到不同领
如今,多维时序数据越来越多地被收集到各类信息系统中,为完成各种数据挖掘任务提供数据基础。然而,该类数据维度更高,无效的信息干扰也更为严重,使得对于多维时序数据的研究面临极大挑战。其中,针对多维时序数据建立有效的异常检测模型,是当下数据挖掘研究及应用的重点。目前研究者们已对该类问题提出多种解决方案,但仍然存在一定局限性。首先,异常检测领域的数据标签稀少,人工标注成本过大,导致监督方法在现实世界的异常
近年来,随着人们生活的多样化,应用穿戴式相机拍摄被广泛地应用在日常生活。目前,基于穿戴式相机的第一人称视频动作识别已成为计算机视觉研究的热点问题。与第三人称视角的相机相比,第一人称视角的相机可以捕捉到穿戴者的操作画面中心,更贴近人类的视觉观察,为智能机器人的发展提供了帮助。本研究通过第一人称视频探讨人类动作行为,结合手部骨架数据和RGB数据,提出动作识别的深度学习框架,并设计一个从演示视频中学习机
近几年来机器人产业快速发展,制造业发展愈发智能化,在逐渐释放人力的趋势下,机械臂逐渐取代人工从事繁杂不能及或者更加精细的工作。随着机械臂的工作环境越来越复杂,实际应用环境中的场景杂乱,目标对象和其他相似物体堆叠,目标的位置姿态复杂多变等问题都为机械臂的抓取、拣选等任务造成了巨大的困扰。因此,研究目标的6D位姿估计对精确的完成这些任务具有重大的研究意义。本文以弱纹理工件的位姿估计为目的,设计工件杂乱