检索结果

Select

1. 基于用户潜在状态及依赖关系学习的时序行为推荐

温雯, 梁方宇

《计算机应用》唯一官方网站 2022, 42 (12): 3756-3762. DOI: 10.11772/j.issn.1001-9081.2021101765

摘要（196）

HTML （4）

PDF （1001KB）（66）

如何捕捉用户行为的动态变化及依赖关系是当前时序推荐领域的一个重要问题，主要面临着行为事件空间庞大、行为的时序依赖关系复杂等挑战。针对以上挑战，提出了一种基于行为序列潜在状态及其依赖关系学习的时序推荐算法。首先，利用最大池化层级结构获得行为序列潜在状态的低维表征；然后，通过图神经网络捕捉和描述潜在状态之间的依赖关系以实现用户行为变化模式的学习，从而获得更准确的时序推荐效果。实验结果表明，所提算法在节目点播（IPTV）、纽约（NYC）和东京（TKY）这3个数据集上与近年的分层门控网络（HGN）基线算法相比，在性能评估指标召回率上分别提高了30.03%、29.48%和33.75%，在归一化折损累计增益（NDCG）指标上分别获得了37.20%、43.47%和40.34%的相对提升，且消融实验结果表明了时序状态的依赖关系学习的有效性，因此所提算法尤其适用于解决时序推荐中单一时间片中行为稀疏以及行为依赖关系复杂的问题。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 面向群组用户时序行为的动态推荐算法

温雯, 刘芳, 蔡瑞初, 郝志峰

计算机应用 2021, 41 (1): 60-66. DOI: 10.11772/j.issn.1001-9081.2020061010

摘要（335）

PDF （1014KB）（520）

针对现实系统中用户偏好随时间动态变化且一个用户ID背后可能是一个家庭的多个成员在共用的问题，提出一种为这类隐含多个类型成员行为的群组用户解决其偏好随时间而变化的动态推荐算法。首先，假设用户的历史行为数据包括曝光数据和点击数据，并通过学习当前时刻下群组用户的各类型角色权重来判别当前成员角色；其次，根据曝光数据提出两种设计思路来构造流行度模型，并采用逆倾向评分加权方法来平衡训练数据；最后，利用矩阵分解技术得出随时间变化的用户潜在偏好因子和物品潜在属性因子，计算两者内积后得出用户随时间变化的Top- K偏好推荐。实验结果表明，该算法在召回率、平均精度均值（MAP）、归一化折损累计增益（NDCG）这三个指标上一天24个时刻中均能有至少16个时刻的表现优于基准方法，并能缩短运行时间，降低计算的时间复杂度

参考文献 | 相关文章 | 多维度评价

Select

3. 基于近邻图改进的块对角子空间聚类算法

王丽娟, 陈少敏, 尹明, 许跃颖, 郝志峰, 蔡瑞初, 温雯

计算机应用 2021, 41 (1): 36-42. DOI: 10.11772/j.issn.1001-9081.2020061005

摘要（308）

PDF （1491KB）（613）

块对角表示（BDR）模型可以通过利用线性表示对数据有效地进行聚类，却无法很好地利用高维数据常见的非线性流形结构信息。针对这一问题，提出了基于近邻图改进的块对角子空间聚类（BDRNG）算法来通过近邻图来线性拟合高维数据的局部几何结构，并通过块对角约束来生成具有全局信息的块对角结构。BDRNG同时学习全局信息以及局部数据结构，从而获得更好的聚类表现。由于模型包含近邻图算子和非凸的块对角表示范数，BDRNG 采用了交替最小化来优化求解算法。实验结果如下：在噪声数据集上，BDRNG能够生成稳定的块对角结构系数矩阵，这说明了BDRNG对于噪声数据具有鲁棒性；在标准数据集上，BDRNG的聚类表现均优于BDR，尤其在人脸数据集上，相较于BDR，BDRNG的聚类准确度提高了8%。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于图编码网络的社交网络节点分类方法

郝志峰, 柯妍蓉, 李烁, 蔡瑞初, 温雯, 王丽娟

计算机应用 2020, 40 (1): 188-195. DOI: 10.11772/j.issn.1001-9081.2019061116

摘要（834）

PDF （1280KB）（486）

针对如何融合节点自身属性以及网络结构信息实现社交网络节点分类的问题，提出了一种基于图编码网络的社交网络节点分类算法。首先，每个节点向邻域节点传播其携带的信息；其次，每个节点通过神经网络挖掘其与邻域节点之间可能隐含的关系，并且将这些关系进行融合；最后，每个节点根据自身信息以及与邻域节点关系的信息提取更高层次的特征，作为节点的表示，并且根据该表示对节点进行分类。在微博数据集上，与经典的深度随机游走模型、逻辑回归算法有以及最近提出的图卷积网络算法相比，所提算法分类准确率均有大于8%的提升；在DBLP数据集上，与多层感知器相比分类准确率提升4.83%，与图卷积网络相比分类准确率提升0.91%。

参考文献 | 相关文章 | 多维度评价

Select

5. 基于典型因果推断算法的无线网络性能优化

郝志峰, 陈薇, 蔡瑞初, 黄瑞慧, 温雯, 王丽娟

计算机应用 2016, 36 (8): 2114-2120. DOI: 10.11772/j.issn.1001-9081.2016.08.2114

摘要（612）

PDF （1089KB）（589）

现有的无线网络性能优化方法主要基于指标间的相关关系分析，无法有效指导网络优化等干预行为。为此，提出典型因果推断（CCI）算法，并将其应用于无线网络性能优化。首先，针对无线网络性能由大量相关指标体现这一特性，采用典型相关分析（CCA）方法，提取指标中蕴含的原子事件；然后再采用因果推断方法，构建原子事件间的因果关系网络。通过上述两个阶段反复迭代，确定原子事件间的因果关系网络，为无线网络性能优化提出一个较为可靠和有效的依据。最后通过模拟实验验证了CCI算法的有效性，在某城市3万多个移动基站数据上发现了一批有意义的无线网络指标间的因果关系。

参考文献 | 相关文章 | 多维度评价

Select

6. 基于多类别语义词簇的新闻读者情绪分类

温雯, 吴彪, 蔡瑞初, 郝志峰, 王丽娟

计算机应用 2016, 36 (8): 2076-2081. DOI: 10.11772/j.issn.1001-9081.2016.08.2076

摘要（619）

PDF （966KB）（494）

分析和研究文本读者情绪有助于发现互联网的负面信息，是舆情监控的重要组成部分。考虑到引起读者不同情绪主要因素在于文本的语义内容，如何抽取文本语义特征因此成为一个重要问题。针对这一问题，提出首先使用word2vec模型对文本进行初始的语义表达；在此基础上结合各个情绪类别分别构建有代表性的语义词簇，进而采用一定准则筛选对类别判断有效的词簇，从而将传统的文本词向量表达改进为语义词簇上的向量表达；最后使用多标签分类方法进行情绪标签的学习和分类。实验结果表明，该方法相对于现有的代表性方法来说能够获得更好的精度和稳定性。

参考文献 | 相关文章 | 多维度评价

Select

7. 基于随机取样的选择性K-means聚类融合算法

王丽娟郝志峰蔡瑞初温雯

计算机应用 2013, 33 (07): 1969-1972. DOI: 10.11772/j.issn.1001-9081.2013.07.1969

摘要（930）

PDF （655KB）（489）

由于缺少数据分布、参数和数据类别标记的先验信息，部分基聚类的正确性无法保证，进而影响聚类融合的性能；而且不同基聚类决策对于聚类融合的贡献程度不同，同等对待基聚类决策，将影响聚类融合结果的提升。为解决此问题，提出了基于随机取样的选择性K-means聚类融合算法（RS-KMCE）。该算法中的随机取样策略可以避免基聚类决策选取陷入局部极小，而且依据多样性和正确性定义的综合评价值，有利于算法快速收敛到较优的基聚类子集，提升融合性能。通过2个仿真数据库和4个UCI数据库的实验结果显示：RS-KMCE的聚类性能优于K-means算法、K-means融合算法（KMCE）以及基于Bagging的选择性K-means聚类融合（BA-KMCE）。

参考文献 | 相关文章 | 多维度评价