检索结果-南通市图书馆

作者：张芷瑞南京邮电大学

学位级别：硕士

天文学是一门历史悠久的观测学科。随着科学技术的发展、观测设备的不断提升,人类对宇宙的认识不断完善。随着大视场巡天时代的到来,人类获得了海量的星系观测样本,这些样本为数据驱动的研究方法提高了数据基础、为科研工作者在星系的... 详细信息

天文学是一门历史悠久的观测学科。随着科学技术的发展、观测设备的不断提升,人类对宇宙的认识不断完善。随着大视场巡天时代的到来,人类获得了海量的星系观测样本,这些样本为数据驱动的研究方法提高了数据基础、为科研工作者在星系的特征和性质研究领域提供数据支撑,机器学习、深度学习等方法也被广泛地应用到星系领域的研究中。本文旨在研究大视场巡天中星系的特征提取与自动化查找,具体包含如下三个部分:基于深度学习的引力透镜系统特征提取和自动化查找:引力透镜系统是研究星系分布和暗物质分布的重要参考指标,因此研究引力透镜系统对星系特征的挖掘和探索有着重要意义。本文将深度学习中的有监督学习方法应用到了引力透镜系统的特征提取和自动化查找研究中,该方法有效规避了人眼识别方法中人力的耗费,以及传统建模方法中复杂的特征工程。实验发现该方法在分类效果上优于传统的机器学习方法,在训练样本为10万时AUC达到了0.87。基于小样本学习的星系形态特征提取和自动化分类研究:尽管深度学习方法可以很好地帮助我们完成分类任务,但是传统的有监督深度学习对数据集的大小和真实性有着强烈的依赖（又称为模型依赖问题）。为规避模型依赖问题,本课题尝试使用小样本学习方法对星系图像进行分类,用较少的、真实的训练样本来实现星系的特征提取和自动化分类。该部分提出了SC-Net（Siamese Convolutional Network）模型,实验发现该模型在数据集为10000时,就可以达到传统有监督学习方法在数据集为28793时的准确率,且在数据集大小相同的情况下,SC-Net模型效果均优于传统的有监督方法。基于小样本学习SC-Net模型的优化与改进:在上个工作内容中,我们验证了小样本方法在星系形态特征提取和自动化查找中的可行性,并提出了SC-Net模型。该部分对SC-Net模型从相似性度量方法、网络结构层次两个维度进行优化和改进。通过实验验证,改进后的SC-Net模型在训练参数减少58%的情况下,模型准确率提升了2%。

关键词：深度学习引力透镜系统星系形态小样本学习相似性度量

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于时空注意力机制的位置推荐模型研究

基于时空注意力机制的位置推荐模型研究

作者：徐淑强南京邮电大学

学位级别：硕士

基于位置的社交网络(Location-based Social Networks,LBSNs)允许用户通过在特定地点签到或分享位置信息来与其他用户互动。随着LBSN的发展,涌现了大量包含用户访问位置的签到数据,开启了时空大数据的新研究领域,即下一个位置推荐。目前... 详细信息

基于位置的社交网络(Location-based Social Networks,LBSNs)允许用户通过在特定地点签到或分享位置信息来与其他用户互动。随着LBSN的发展,涌现了大量包含用户访问位置的签到数据,开启了时空大数据的新研究领域,即下一个位置推荐。目前,研究人员虽然已经提出了一些用于位置推荐的先进方法,但现有的工作只考虑了两个连续LBSN签到的时间信息。具体来说,这些方法仅仅关注LBSN轨迹序列中相邻的访问,但忽略了其中的不相邻的访问,而这些不相邻访问在理解轨迹内的时空相关性方面非常重要。为了充分挖掘这些不相邻访问的信息,进而提升模型的推荐准确率,本文提出了一种多层时空注意力模型(Spatio-Temporal Transformer Recommender,STTF),主要包含下面三点工作:(1)基于用户轨迹的嵌入。为了充分利用轨迹中的用户信息与时空模式,并方便后续模型学习与计算,本文将用户轨迹中的信息表示为嵌入形式。将用户的轨迹嵌入为访问向量,以便输入后续模型时保留用户的访问偏好。将轨迹中时空关系提取为时空关系矩阵并转换为嵌入形式,以精确表达轨迹的时空偏好,并使后续模型可以从中学习到轨迹中的时空特征。(2)基于时空注意力的位置推荐模型。为了学习轨迹中的长期依赖关系,挖掘任意两个访问位置之间的时空关系,本文构建了一个基于时空注意力的位置推荐模型STTF。首先,利用(1)中的用户轨迹数据,使用基于注意力机制的聚合方法对用户兴趣点进行挖掘,以得到兴趣点和用户偏好的向量表示,然后使用基于Transformer的进阶注意力聚合方法学习轨迹序列中的长期依赖关系。此外,本文开发了一个可以嵌入时空关系的注意力匹配器,能够从所有位置中匹配最合适的候选项。最后,使用(1)中得到的时空间隔嵌入表示融合至模型,提高模型对序列时空关系的学习能力。(3)试验设计及其结果分析。为了评估STTF模型的有效性,本文使用两个真实数据集进行实验,并表明与现有的基准模型相比,STTF在不同尺度的召回指标的平均值方面提高了至少13%,与最优的基准模型相比在召回指标上至少提升了4%。此外本文还从不同编码器子模型和不同兴趣点特征等维度对STTF进行了实验,检验模型的消融性、稳定性,验证了模型的可解释性,进一步证实了本文所提出的模型的优越性,以及优化的有效性。

关键词：社交网络兴趣点挖掘深度学习位置推荐

基于机器学习的大视场巡天中星系图像分类研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习的大视场巡天中星系图像分类研究

作者：韩杨南京邮电大学

学位级别：硕士

随着天文观测技术的发展和新一代天空观测设备的升空,大量的天文星系图像被采集用于天文研究。星系图像包含了许多重要的信息,通过研究星系的形成与演化,天文学家可以进一步研究宇宙的起源,因此分析这些星系图像具有非凡的意义。然而,... 详细信息

随着天文观测技术的发展和新一代天空观测设备的升空,大量的天文星系图像被采集用于天文研究。星系图像包含了许多重要的信息,通过研究星系的形成与演化,天文学家可以进一步研究宇宙的起源,因此分析这些星系图像具有非凡的意义。然而,面对海量的天文星系图像数据,传统的方法在可行性和准确性上都存在不足。本文将研究天文星系图像数据的特征提取与分类以及离群检测,具体包括四个方面:1.天文星系图像的预处理方法。一般的天文图像往往不能直接用于研究,因此需要对图像进行预处理操作。通过分析天文星系图像的物理含义,结合特征参数进行数据筛选。在数据不均衡的情况下,采用Opne CV中的图像随机旋转和翻转方法进行数据增强。该方法构建了合理有效的数据集,为网络模型的训练奠定了可靠的数据基础。2.基于卷积自编码和高斯混合模型的无监督天文星系图像分类模型。为了规避将图像直接送入无监督机器学习带来的耗时问题,利用卷积自编码器和高斯混合模型,搭建了一个基于无监督机器学习的天文星系图像分类模型。卷积自编码器负责提取天文图像的特征,高斯混合模型负责给提取到的天文图像特征聚类。实验结果证明,在图片数量为50000时,无监督天文图像分类模型能够以84%的准确率对天文星系图像进行分类。3.基于卷积自编码和k NN的无监督天文星系图像离群检测模型。天体物理学中的离群检测对研究宇宙有着至关重要的作用,为了实现离群检测,本文利用卷积自编码器和k NN算法,搭建了一个基于无监督机器学习的天文星系图像离群检测模型。结果证明,当数据量为17000时,通过我们的离群检测模型,可以以56%的召回率检测天文星系图像的离群点。4.基于注意力机制的模型改进。针对天文星系图像背景噪声影响模型性能的问题,引入了注意力机制,帮助模型在训练过程中关注重要的信息并忽略背景噪声信息,以提高网络的性能。实验结果表明,在分类模型上,经CBAM改进的模型不仅提高了网络的稳定性,还提高了8%的分类准确率;在离群检测模型上,经CBAM改进的模型更是提高了22%的召回率。

关键词： Galaxy Zoo 卷积自编码器高斯混合模型 kNN 注意力机制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于UVM的IDM模块验证平台设计及实现

基于UVM的IDM模块验证平台设计及实现

作者：王潇枫南京邮电大学

学位级别：硕士

随着超大规模集成电路功能的日趋丰富,芯片研发流程中硅前(pre-silicon)验证的重要性已愈发引起各大厂商重视。本文注意到当前鲜有与CPU频繁交互的待测模块的验证方案设计及验证平台搭建,而本题中的IDM(Inner Direct Memory)模块需实现... 详细信息

随着超大规模集成电路功能的日趋丰富,芯片研发流程中硅前(pre-silicon)验证的重要性已愈发引起各大厂商重视。本文注意到当前鲜有与CPU频繁交互的待测模块的验证方案设计及验证平台搭建,而本题中的IDM(Inner Direct Memory)模块需实现较多软硬件交互功能。在此背景下以提高验证的效率和完备性为切入点,效率体现在由需求分解落实到如何开展针对分解功能点的全面验证的过程,而完备性则体现在对需求与功能验证的全面程度。本文重点研究UVM(Universal Verification Methodology)验证方法学,详细深入地由平台结构出发,运用UVM的各机制特性,高效搭建UVM验证平台及实现其各个验证组件;最后依据多次随机种子的回归测试结果,及EDA(Electronic Design Automation)工具收集的覆盖率数据对该平台与验证流程的完备性、鲁棒性进行分析,为今后如何对与CPU频繁交互的硬件模块进行验证,以及如何完成高效完备的功能验证和搭建可重用性的验证平台提供实际可行的指导经验。具体工作分为以下三个部分。首先,分解待测模块功能点并制定验证计划——基于待测模块的功能特性分解各个子模块,并由子模块具体实现内容提取功能点;后由功能点提取验证点,并将上述信息整合为验证计划,为后续平台搭建与验证用例编写提供指导方向。其次,设计并搭建验证平台——基于分解的功能点以及制定的验证计划,采用System Verilog语言搭建IDM模块验证平台。构建了待验证模块上下游交互模块的驱动组件与CPU驱动组件,以实时模拟IDM模块与其交互流程中的处理进程;针对该待验证模块对协议报文处理细节较多的特性,编写了一网络协议报文发包器组件,以此组件为测试用例激励的生成器。最后,编写测试用例集进行仿真分析——基于搭建并调试通流的验证平台,编写验证计划对应的测试用例集,进行功能仿真与波形分析;逐步收敛待验证模块中的逻辑错误以及不符合预期场景。最终实现验证计划中分解的测试点全覆盖,测试用例集通过率100%。在代码覆盖率exclude处理后的条件下达到覆盖率可解释100%的验证目标。

关键词： UVM AXI 数字验证验证平台覆盖率

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于美丽乡村知识图谱的智能问答研究

基于美丽乡村知识图谱的智能问答研究

作者：吴雅娟南京邮电大学

学位级别：硕士

美丽乡村建设是我国乡村振兴的重要一环,而乡村信息对每个乡村的发展起着重要的作用。准确地查询乡村信息和智能地回答用户的提问,为实现建设“美丽乡村”和可持续发展目标具有重大意义。智能问答是当前人工智能领域研究最为广泛的应用... 详细信息

美丽乡村建设是我国乡村振兴的重要一环,而乡村信息对每个乡村的发展起着重要的作用。准确地查询乡村信息和智能地回答用户的提问,为实现建设“美丽乡村”和可持续发展目标具有重大意义。智能问答是当前人工智能领域研究最为广泛的应用之一,目前对美丽乡村信息的查询仍然依靠传统搜索引擎,难以满足用户准确智能查询信息的需求,本文旨在实现美丽乡村知识图谱智能问答,针对存在的三个问题进行研究,具体如下:美丽乡村数据集和知识图谱的构建:目前缺乏公开的美丽乡村数据集,其数据大多来源于百度百科和新闻报道等,因此构建美丽乡村数据集和知识图谱对该领域的研究十分重要。该部分通过使用Scrapy爬虫和Han LP工具对不同来源的数据进行获取,建立美丽乡村知识体系与本体层,最终导入数据形成了较完整的美丽乡村知识图谱。该部分的成果将应用于后续的研究中。基于深度学习的知识图谱实体识别模型:虽然深度学习方法在实体识别的任务中已经有较好的效果,但是现有的主流模型对标注数据集大小有依赖,在数据稀疏领域的识别准确率有所下降。为解决上述问题,本文提出BERT-Bi LSTM-GCN-CRF模型,该模型在现有模型上融合了GCN,一方面挖掘了字与字、词与词之间的联系,另一方面与Bi LSTM提取的特征结合,更好的理解语义信息。在公开数据集合CLUENER2020和美丽乡村数据集上均进行了验证,在实体识别任务中均优于其他模型。基于多层次模板匹配的美丽乡村智能问答:目前,基于标注数据的监督学习方法依赖于海量的标注数据;而基于规则模板的方法常因模板匹配的失误导致准确性下降。由于美丽乡村领域数据的稀疏性和实体属性的复杂性,会导致准确率进一步下降,因此,提出了一种基于多层次模板匹配的美丽乡村智能问答方法,通过嵌入知识图谱对问句进行分类,同时将相似问句进行归纳,降低了模板的构建数量和直接匹配的错误概率,有效提升了基于模板匹配问答的准确性。实验结果表明,该方法较基于BERT标注数据的方法和基于贝叶斯分类模板的方法准确率分别提高了10.78%、4.79%。最终搭建了美丽乡村智能问答系统,有利于用户更方便准确的查询相关信息,实现了应用的落地。

关键词：美丽乡村知识图谱智能问答深度学习多层次模板匹配

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向稀有星体的数据增强与识别模型

面向稀有星体的数据增强与识别模型

作者：杨文宇南京邮电大学

学位级别：硕士

宇宙中存在一些稀有星体,这些星体数量稀少但有重要研究价值。在海量天文观测数据中,智能高效地识别稀有星体能更好地辅助天文学家研究宇宙。由于稀有星体数据较少,可识别的特征不多,传统稀有星体识别方法需要人工选择特征,无法实现智... 详细信息

宇宙中存在一些稀有星体,这些星体数量稀少但有重要研究价值。在海量天文观测数据中,智能高效地识别稀有星体能更好地辅助天文学家研究宇宙。由于稀有星体数据较少,可识别的特征不多,传统稀有星体识别方法需要人工选择特征,无法实现智能化识别。本文面向稀有星体的数据增强与识别模型进行研究,具体分为以下三个方面:首先,本文对光谱数据与图像数据进行预处理,并提出了一种基于局部连接卷积与生成对抗网络的稀有星体光谱数据增强模型LCGAN。实验证明,与现有的光谱数据增强方法相比,LCGAN模型能够学习不同波段上的数据特征,生成兼具真实性和多样性的稀有星体数据。其次,通过分析光谱数据的特点,本文提出了一种基于深度学习的稀有星体光谱识别模型FACR。该模型通过卷积神经网络提取光谱特征,利用多头自注意力机制关注重点特征,并使用Focal loss关注难识别的样本,设计残差结构简化模型训练。实验证明,在易混淆的恒星数据集中,与现有方法相比,FACR模型的识别效果有一定的优越性。最后,针对包含信息较少的星体图像,本文引入光谱数据作为辅助,提出了一种多模态稀有星体识别模型AOR-CR。该模型利用多模态协同学习方法将图像特征转换到光谱特征空间,最后结合图像特征和转换的光谱特征,共同完成稀有星体识别任务。在类星体和恒星数据集上的实验证明,该模型能在训练时学习光谱的先验知识,相较于单独使用图像数据,能够更好地完成稀有星体识别任务。

关键词：稀有星体识别数据增强深度神经网络注意力机制多模态学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的社交媒体灾害信息分类研究

基于深度学习的社交媒体灾害信息分类研究

作者：甘鸿宇南京邮电大学

学位级别：硕士

社交媒体数据具有传播快、覆盖广、成本低等特点,已经成为灾害应急响应工作的重要信息源,有效弥补了传统信息收集方式的滞后性。然而,社交媒体信息还存在海量、嘈杂等特点,如何自动高效地对其内容分类帮助应急响应工作人员开展救援工作... 详细信息

社交媒体数据具有传播快、覆盖广、成本低等特点,已经成为灾害应急响应工作的重要信息源,有效弥补了传统信息收集方式的滞后性。然而,社交媒体信息还存在海量、嘈杂等特点,如何自动高效地对其内容分类帮助应急响应工作人员开展救援工作是研究重点。本文旨在使用深度学习方法完成社交媒体数据灾害相关性分类任务和人道主义救援类别分类任务,具体包含以下三个部分:(1)基于自监督学习的灾害图片分类研究。本文提出了Res2Net-Transformer混合模型用于图片分类任务,其中Res2Net模块使用Mo Co自监督学习的方法在多个社交媒体灾害数据集上联合训练,充分利用标注任务和标准不统一的灾害数据集,提高模型的表征能力。引入Transformer结构提高模型对图像全局信息的感知能力。实验表明,该模型在灾害数据集的不同分类任务中,与基准模型相比,准确率都得到了较大提高。(2)基于多模态的社交媒体灾害信息分类研究。本文提出了一个多模态灾害数据融合分类模型,该模型使用Res2Net-Transformer和BERT模型分别提取图像和文本特征,随后使用交叉注意力和自注意力机制完成模态间和模态内的信息融合,有效利用不同模态的信息互补与增强的特性。实验证明,该模型在多模态灾害数据集的分类任务中具有优越的性能。(3)社交媒体灾害信息处理原型系统的设计与实现。本文整合了上述两个研究内容,构建了灾害信息处理原型系统,该系统采用B/S架构,完成了页面展示模块、信息管理模块、数据管理模块、模型管理模块和设备管理模块五大功能模块,实现了灾害期间的社交媒体信息分类的功能。

关键词：深度学习社交媒体自监督学习多模态融合

基于多模态机器学习的天体分类和参数预测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多模态机器学习的天体分类和参数预测研究

作者：洪舒欣南京邮电大学

学位级别：硕士

面对海量的天文观测数据,自动高效地对天体分类可以帮助天文学家进一步地进行科学研究,对于分类后的天体,它们的重要参数预测又成为了新的研究任务。本文针对恒星、类星体的分类,以及类星体的重要参数之一红移的预测,结合机器学习的方法... 详细信息

面对海量的天文观测数据,自动高效地对天体分类可以帮助天文学家进一步地进行科学研究,对于分类后的天体,它们的重要参数预测又成为了新的研究任务。本文针对恒星、类星体的分类,以及类星体的重要参数之一红移的预测,结合机器学习的方法,提出了新的解决方案。先从单模态的数据入手,对天文数据进行分析和处理,实现恒星的自动分类,再引入多种模态的数据,提高了恒星和类星体这两类易混淆天体的分类准确率,最后利用多模态机器学习的方法提升了类星体测光红移预测的精度。具体分为以下三个部分。首先,面对高维度的恒星光谱数据,本文进行归一化等预处理,并构建了基于卷积神经网络的恒星光谱型和光度型分类模型CSSL＿CNN,同时从两个层面给出恒星的类别。实验结果表明,与现有的恒星分类模型相比,CSSL＿CNN不仅避免了对标准恒星库的依赖,而且提取出了数据中的深层特征,并且获得了较高的分类准确率。其次,面对难以区分的恒星和类星体图像,本文提出了一种基于多模态机器学习的天体分类方法。由于图像数据中蕴含的特征稀少,所以引入特征丰富的光谱数据,充分对齐和关联两个模态,实现了特征融合,最终共同完成恒星和类星体分类任务。与单独通过图像数据进行分类相比,引入光谱数据的多模态分类方法显著提高了分类准确率。最后,针对测光数据特征稀少,测光红移预测精度难以提升的问题,本文引入对应的光谱数据作为补充特征,构建了测光-光谱特征转换模型,并且基于转换后的数据,提出了一种基于多模态转移学习的类星体测光红移预测模型PhotoRedshift-MML,实验表明了PhotoRedshift-MML模型相较于使用单模态的类星体测光红移预测方法提升了预测精度,验证了多模态模型的有效性和普适性。

关键词：多模态机器学习恒星类星体测光红移卷积神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

叙利亚危机以来的土耳其难民外交

叙利亚危机以来的土耳其难民外交

作者：库德来提江·马合木提上海外国语大学

学位级别：硕士

难民危机在全球化背景下逐渐超越人道主义范畴,成为了一个全球性的重大政治挑战。国际难民问题日益具有“政治属性”,“难民政治化”早已成为国际关系中不可忽视的现象,其中突出表现之一就是有关国家借助难民问题而主动开展“难民外交... 详细信息

难民危机在全球化背景下逐渐超越人道主义范畴,成为了一个全球性的重大政治挑战。国际难民问题日益具有“政治属性”,“难民政治化”早已成为国际关系中不可忽视的现象,其中突出表现之一就是有关国家借助难民问题而主动开展“难民外交”。所谓“难民外交”是指主权国家以难民问题作为外交工具与其他国家、国家集团或者国际组织进行政治博弈,以此达到自身外交目的的一种新型外交方式。从实践来看,难民外交主要包括以难民问题获得经济收益、提升国际形象、达到政治目的三种类型。2011年叙利亚危机爆发后,大量叙利亚难民出国向周边国家寻求庇护,其中土耳其不但接纳了大批的叙利亚难民,而且作为将叙难民送往欧盟的主要中转国家,在国际难民处理中的角色也尤为重要。在面对着日益突出的国际难民压力与外交困难的大背景下,土耳其利用难民危机在叙利亚问题上和对欧关系中提高自身地位,积极开展难民外交,将难民问题作为干涉叙利亚事务的重要借口和对欧盟博弈的关键抓手,服务于其追求地缘政治利益、大国地位和国家安全等目标。土耳其借助叙利亚难民危机在国际舞台上提升了国际形象,拓展了地缘政治影响力,打击了库尔德人势力和维护自身安全。本文以叙利亚难民危机为起点,阐释土耳其的难民政策及其特征,研究土耳其在此次难民危机中如何利用难民问题在欧盟、周边层面开展“难民外交”,分析其难民外交的方式、动因和影响,及其对难民治理的启示。

关键词：土耳其难民危机难民政治化难民外交

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

社交网络中兴趣点挖掘与位置推荐研究

社交网络中兴趣点挖掘与位置推荐研究

作者：王兴源南京邮电大学

学位级别：硕士

随着移动设备和Web2.0技术的迅猛发展,基于位置的社交网络（Location-based Social Networks,LBSNs）逐渐在人们的生活中普及。目前主流的社交应用每天都在产生TB级别的时空数据,这些数据通常以签到数据（check-in）的形式记录,基于这... 详细信息

随着移动设备和Web2.0技术的迅猛发展,基于位置的社交网络（Location-based Social Networks,LBSNs）逐渐在人们的生活中普及。目前主流的社交应用每天都在产生TB级别的时空数据,这些数据通常以签到数据（check-in）的形式记录,基于这些数据,学者们提出了多种类型的位置推荐模型,但其在处理数据稀疏、冷启动等问题时表现不佳,且时间效率与推荐精度低。针对这些问题,本文提出了一种基于图嵌入的兴趣点挖掘方法,将兴趣点辅助信息与兴趣点本身融合,得到兴趣点特征向量,随后将其与基于编码器-解码器框架的位置推荐相融合,最终构建出了位置推荐模型GE-ED。本文的主要工作由以下三点组成:（1）基于图嵌入的兴趣点挖掘。首先从用户历史签到数据中提取出用户移动序列与兴趣点,接着据此构建出兴趣点-兴趣点有向图,随后通过随机游走的策略重组用户移动序列,最后生成兴趣点特征。在上述的兴趣点特征生成模型基础上,通过融入兴趣点辅助信息、引入权重机制,根据不同辅助信息所占权重不同得到了进阶的兴趣点特征生成模型GESI。（2）基于编码器-解码器的位置推荐模型。该任务采用全局编码器捕捉用户长期兴趣偏好,局部编码器挖掘用户短期兴趣偏好,将二者融合可得含义丰富,精准反映用户偏好的用户特征向量。在此基础上,该框架融入了（1）中生成的兴趣点特征向量,二者联合输入解码器中,为该模型产生了较为精准的位置推荐。（3）上述模型的验证。在一个真实的LBSNs数据集Foursquare上对引入了（1）中兴趣点向量的基于编码器-解码器位置推荐模型的精度进行了测试,并在不同的场景下设计了不同的实验方案。实验结果表明,本文的位置推荐模型相比于baseline方法在Accuracy@k上有着较好的表现,在各种实验方案中,本文的位置推荐模型精度、效率综合评价最优。

关键词：社交网络兴趣点挖掘深度学习位置推荐