检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 基于改进胶囊网络的文本分类

尹春勇, 何苗

计算机应用 2020, 40 (9): 2525-2530. DOI: 10.11772/j.issn.1001-9081.2019122153

摘要（1061）

PDF （952KB）（1214）

针对卷积神经网络（CNN）中的池化操作会丢失部分特征信息和胶囊网络（CapsNet）分类精度不高的问题，提出了一种改进的CapsNet模型。首先，使用两层卷积层对特征信息进行局部特征提取；然后，使用CapsNet对文本的整体特征进行提取；最后，使用softmax分类器进行分类。在文本分类中，所提模型比CNN和CapsNet在分类精度上分别提高了3.42个百分点和2.14个百分点。实验结果表明，改进CapsNet模型更适用于文本分类。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于评分相似性的群稀疏矩阵分解推荐算法

盛伟, 王保云, 何苗, 余英

计算机应用 2017, 37 (5): 1397-1401. DOI: 10.11772/j.issn.1001-9081.2017.05.1397

摘要（829）

PDF （745KB）（544）

如何提高系统的推荐精度，是当前推荐系统面临的重要问题。对矩阵分解模型进行了研究，针对评分数据的群结构性问题，提出了一种基于评分相似性的群稀疏矩阵分解模型（SSMF-GS）。首先，根据用户的评分行为对评分数据矩阵进行分群，获得相似用户群评分矩阵；然后，通过SSMF-GS算法对相似用户群评分矩阵进行群稀疏矩阵分解；最后，采用交替优化算法对模型进行求解。所提模型可以筛选出不同用户群的偏好潜在项目特征，提升了潜在特征的可解释性。在GroupLens网站上提供的MovieLens数据集上进行仿真实验，实验结果表明，所提算法可以显著提高预测精度，平均绝对误差（MAE）及均方根误差（RMSE）指标均表现出良好的性能。

参考文献 | 相关文章 | 多维度评价