【摘 要】
：
通过构建一个能够体现不同用户-项目交互信息和项目属性信息的图网络,将推荐问题转化为异构图网络的节点嵌入问题并提出一种用于生成用户-项目表示的联合学习算法。在该联合学习算法中,采用带权的个性化排序算法体现用户对于不同项目的喜好程度的差异,融合项目信息拓展用户的行为模式,更好地找到用户的喜好。实验结果表明,该算法在多种不同的推荐评价指标上比基准算法具有明显的优势。
【机 构】
：
广东工业大学计算机学院,佛山科学技术大学数学与大数据学院
【基金项目】
：
NSFC-广东联合基金项目(U1501254),国家自然科学基金项目(61976052、61876043)。
论文部分内容阅读
通过构建一个能够体现不同用户-项目交互信息和项目属性信息的图网络,将推荐问题转化为异构图网络的节点嵌入问题并提出一种用于生成用户-项目表示的联合学习算法。在该联合学习算法中,采用带权的个性化排序算法体现用户对于不同项目的喜好程度的差异,融合项目信息拓展用户的行为模式,更好地找到用户的喜好。实验结果表明,该算法在多种不同的推荐评价指标上比基准算法具有明显的优势。
其他文献
为提高先心病心音分类算法的实时性,适用于资源有限的嵌入式设备,提出一种对FPGA进行流水线约束设计的硬件加速方法。将CNN内部计算的并行性与FPGA上的并行硬件对应起来,通过VIVADO高层次综合(HLS)映射CNN算法至FPGA上,在卷积层中的循环上采用流水线约束,子循环会默认展开的方式,提升循环的执行速度。实例仿真计算结果表明,该方法可以很好地利用硬件资源,极大降低计算延时,有效提升算法的实时性。
针对异构无线网络中存在的负载不平衡和传输速率受限的问题,采用改进分解的多目标进化算法(MOEA/D)对目标函数求解,提出一种改进的业务接入控制优化方法。建立异构网络模型,构造双曲线聚合函数,通过控制权重向量与坐标轴的距离,调整个体的支配范围,根据适应度的变化对邻域值大小和变异概率进行自适应调节,提高算法的收敛性、多样性和全局搜索能力。实验结果表明,改进算法应用在异构无线网络的业务接入控制中能够获得更大的系统传输速率,更好地保证网络间的负载平衡,优于其它两种比较算法,使网络资源得到更优的配置。
为解决现有轮询接入控制协议网络时延高、系统性能差的问题,提出一种同步方式的多服务器轮询接入协议。使用多服务器并发处理的方式实现负载均衡,多个服务器调度时,利用同步控制策略解决多服务器在各个站点之间的轮询问题;在单服务器分析的基础上,运用轮询系统的基本理论和随机过程对系统的平均时延等参数进行解析。通过仿真实验,对理论分析进行验证并对该协议的运行状况进行分析,实验结果表明,该协议比传统的轮询协议性能更好,平均时延更低,网络效率更高。
为提高运动目标检测算法的准确性,保证较低的时间复杂度,提出基于自适应混合高斯的改进三帧差分算法。为获取目标内部运动点,采用基于自适应学习率的混合高斯背景建模,以像素点间的匹配次数作为参考量来修正模型的学习速率,提高算法对动态环境的适应性,通过基于边缘提取的三帧差分改进算法对视频图像的目标轮廓进行提取,保证目标信息的完整。实验结果表明,所提算法能够完整提取运动目标,保证目标轮廓的完整,算法的时间复杂
针对基于“相似性”或深度信任的传统强关系推荐导致的推荐结果趋于同质性问题,利用弱关系丰富的语义信息和强大的信息传递能力,提出一种基于弱关系的异质社交网络推荐算法。借助用户间的信任值对因引入弱关系产生的大量用户节点进行筛选,减少后续计算负载;充分利用网络中丰富的对象和关系信息,建立拓展的全关系用户-项目异质信息网络模型(UI-HIN),改善推荐的单一性与冗余性;利用最佳信任路径选择算法(BTP)对全关系UI-HIN路径搜索进行优化得到一组最佳信任路径。实验结果表明,该算法的推荐效果具有更好的针对性、新颖性和
针对传统集中式数据库设计的射频识别(RFID)供应链系统安全认证协议中存在产品溯源困难、数据透明度低、数据易丢失和易被篡改的问题,结合分布式数据库的区块链优秀技术,提出一种健壮的超轻量双向认证RFID安全协议UPBBC。将RFID系统和区块链技术有机融合在一起,结合去中心化数据库优势创建一个安全的、基于区块链的供应链应用系统。通过安全性分析,证明所提系统及协议在数据泄露、防篡改、密钥公开、重放攻击
当前大多数基于时域波形映射的语音增强算法,其损失函数的设计没有考虑到语音频谱谐波结构,为此提出一种基于时域波形映射-频域谐波损失的语音增强算法。使用谐波噪声模型(HNM)对纯净语音进行建模,将建模后得到的频域中的HNM分量作为损失函数中的训练目标;通过最小化频域谐波损失函数,训练全卷积神经网络(FCN),使之产生时域增强语音。实验结果表明,使用频域谐波损失函数训练的时域波形映射语音增强模型具有更好的去噪能力,语音质量和语音可懂度显著提高。
由于在岗过程中,电力人员容易出现注意力不集中、瞌睡、分心等行为,为更好监督人员工作状态,基于计算机视觉提出一种对人员行为分析的算法。利用人脸关键点获取相关面部特征,结合人员的头部相关姿态,从未实现对人员的状态进行监督和评估。实验结果表明,该方法对人员行为的评估精确度在85%左右,能够满足实际中对人员的状态判断的需求。
提出一种基于分组的引力搜索算法实现数据聚簇。与标准引力搜索不同,分组引力搜索设计一种特定的解编码策略,即分组编码,可将数据聚簇的相关结构映射为解的一部分;对于特定编码,新的引力搜索机制在位置和速度更新策略上设计适合分组编码的更新规则,使分组引力搜索可类似于传统引力搜索进行迭代寻优。在多种经典测试数据集下对算法性能进行评估,其结果表明,与同为智能群体算法的标准引力搜索算法、智能蜂群算法、粒子群算法和萤火虫算法相比,该算法的数据分类效率更高。
为解决当前主流工控流量异常检测方法检测覆盖率较低的问题,分析这类检测方法的特点,综合考虑通信流量中流量层、数据包层及内容层3种影响因素,提出一种分层依赖关系建模的工控异常检测方法。使用流量、数据包以及内容3个层次的特征,通过并行LSTM神经网络构建不同层内数据间的依赖关系,建立粒度由粗到细的分层依赖关系模型,扩大流量特征建模的覆盖率,提升对工控异常流量的检测能力。实验结果表明,该方法检测精确率达到了96.9%,与不分层的模型相比检测精确率提高了7.2%。