检索结果

Select

1. 基于物品的统一推荐模型

邓凯, 黄佳进, 秦进

《计算机应用》唯一官方网站 2020, 40 (2): 530-534. DOI: 10.11772/j.issn.1001-9081.2019101791

摘要（433）

HTML （2）

PDF （565KB）（325）

用户-物品交互模式建模是个性化推荐的一项重要任务，许多推荐系统都基于用户与商品之间存在线性关系的假设，忽略了现实物品与历史物品之间交互的复杂性和非线性，导致这些系统不足以捕捉到用户的复杂决策过程。为此，将一个更有表现力的Top-N推荐系统的物品相似性因子模型解决方法与多层感知机方法相结合，以有效地建模物品之间的高阶关系，捕获更复杂的用户决策。分别在三个数据集MovieLens、Foursquare和ratings_Digital_Music上验证了结合后的效果，并与基准方法MLP、分解物品相似度模型（FISM）、DeepICF和ItemKNN进行对比，结果表明，所提出的方法在推荐性能上有明显的提高。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 求解动态优化问题的多种群竞争差分进化算法

袁亦川, 杨洲, 罗廷兴, 秦进

计算机应用 2018, 38 (5): 1254-1260. DOI: 10.11772/j.issn.1001-9081.2017102552

摘要（328）

PDF （1051KB）（386）

针对动态优化问题（DOP）的求解，提出结合多种群方法和竞争策略的差分进化算法（DECS）。首先，将一个种群作为侦测种群，通过监测种群中所有个体的评价值和种群维度来判断环境是否发生变化。其次，将余下多个种群作为搜索种群，独立搜索环境中的最优值。在搜索过程中，引入排除规则，避免多个搜索种群聚集在同一个局部最优的邻域。在迭代若干代后对各搜索种群执行竞争操作，保留评估值最优个体所在的种群并对该种群的下一代个体生成采用量子个体生成机制，而对其他搜索种群重新初始化。最后，利用7个测试函数的49个动态变化问题对DECS进行验证，并将实验结果与人工免疫算法（Dopt-aiNet）、复位粒子群优化（rPSO）算法、改进差分进化（MDE）算法进行比较。实验结果表明，在49个问题上，DECS有34个问题的平均离线误差期望小于Dopt-aiNet算法，所有问题的平均离线误差期望都小于rPSO算法和MDE算法，因此DECS对DOP求解动态优化问题是可行的。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于动作空间划分的MAXQ自动分层方法

王奇, 秦进

计算机应用 2017, 37 (5): 1357-1362. DOI: 10.11772/j.issn.1001-9081.2017.05.1357

摘要（588）

PDF （1003KB）（439）

针对分层强化学习需要人工给出层次结构这一问题，同时考虑到基于状态空间的自动分层方法在环境状态中没有明显子目标时分层效果并不理想的情况，提出一种基于动作空间的自动构造层次结构方法。首先，根据动作影响的状态分量将动作集合划分为多个不相交的子集；然后，分析Agent在不同状态下的可用动作，并识别瓶颈动作；最后，由瓶颈动作与执行次序确定动作子集之间的上下层关系，并构造层次结构。此外，对MAXQ方法中子任务的终止条件进行修改，使所提算法构造的层次结构可以通过MAXQ方法找到最优策略。实验结果表明，所提算法可以自动构造层次结构，而不会受环境变化的干扰。与Q学习、Sarsa算法相比，MAXQ方法根据该结构得到最优策略的时间更短，获得回报更高。验证了所提算法能够有效地自动构造MAXQ层次结构，并使寻找最优策略更加高效。

参考文献 | 相关文章 | 多维度评价

Select

4. 朴素差分进化算法

汪慎文, 张文生, 秦进, 谢承旺, 郭肇禄

计算机应用 2015, 35 (5): 1333-1335. DOI: 10.11772/j.issn.1001-9081.2015.05.1333

摘要（609）

PDF （434KB）（722）

针对变异算子学习方式的单一性,提出一种朴素变异算子,其基本思想是向优秀的个体靠近,同时远离较差个体,其实现方式是设计一种缩放因子调整策略,如果三个随机个体在某维上比较接近,则缩放因子变小,反之变大.在实验过程中通过平均适应度评价次数、成功运行次数和加速比等指标表明,基于朴素变异算子的差分进化算法能有效提高算法的收敛速度和健壮性.

参考文献 | 相关文章 | 多维度评价

Select

5. 基于图共现增强多层感知机的会话推荐

唐廷杰黄佳进秦进陆辉

《计算机应用》唯一官方网站 DOI: 10.11772/j.issn.1001-9081.2023081063
录用日期: 2023-12-20

Select

6. 基于图辅助学习的会话推荐

唐廷杰黄佳进秦进

《计算机应用》唯一官方网站 DOI: 10.11772/j.issn.1001-9081.2023091257
预出版日期: 2024-03-19