检索结果-南通市图书馆

维普期刊数据库博看期刊

基于跨模态语义挖掘与生成对抗网络的推荐系统研究

在线全文

学校读者我要写书评

暂无评论

基于跨模态语义挖掘与生成对抗网络的推荐系统研究

作者：滑瑾华东交通大学

学位级别：硕士

伴随大数据时代的到来,为积极应对海量、非结构化的“信息过载”问题,推荐系统在互联网产品中的应用变得越来越广泛,它们给人们的日常生活带来了重要影响。推荐系统的研究工作经历了十多年的发展,但其中许多研究依然处于不成熟的阶段,... 详细信息

伴随大数据时代的到来,为积极应对海量、非结构化的“信息过载”问题,推荐系统在互联网产品中的应用变得越来越广泛,它们给人们的日常生活带来了重要影响。推荐系统的研究工作经历了十多年的发展,但其中许多研究依然处于不成熟的阶段,还存有数据稀疏、用户的隐性偏好挖掘不充分、项目特征语义刻画不精确等问题。为此,在采集外部信息源-图像的基础上,围绕MovieLens数据集,构建全新的多模态数据集MovieLens-MP(MP指Movie Poster,即电影海报),为推荐工作奠定数据基础;分别从负样本采样、对抗学习、VBPR模型、图像特征学习、跨模态语义分析等角度展开推荐系统研究,并基于生成对抗网络完成模型训练。主要工作如下:(1)基于GraphGAN模型的推荐系统。围绕MovieLens数据集,从图模型角度开展推荐系统研究:构建推荐数据的二部图,根据节点和边的相似性概率,完成基于GraphGAN模型的推荐。实验表明:GraphGAN模型处理图结构数据,能充分利用节点间的结构信息,并采用生成对抗网络完成模型训练。相较于传统模型,推荐性能得到提升。(2)基于UPM-GAN(UPM指User Preference Mining,即用户偏好挖掘)模型的推荐系统:围绕MovieLens数据集,从两个角度深入挖掘用户潜在偏好:采用三元组损失算法完成难分负样本挖掘。基于SVD++算法设计生成模型。基于GAN框架训练UPM-GAN模型,完成推荐。实验表明:负样本以反向激励方式确立正样本,从而更好地刻画用户潜在偏好;SVD++算法中包含隐式参数和偏置信息,能更准确地描述用户潜在偏好;UPM-GAN模型推荐性能优秀且收敛速度更快,模型训练过程更平稳。(3)基于VABPR(Visual Adversarial Bayesian Personalized Ranking)模型的推荐系统:为缓解推荐中的数据稀疏问题,围绕全新的MovieLens-MP数据集,执行基于高效匹配核算法的图像特征学习;将VBPR(Visual Bayesian Personalized Ranking)模型与对抗学习相结合,即在推荐中引入视觉特征,并完成对抗学习;基于VBPR框架训练VABPR模型。实验表明:相比UPM-GAN、GraphGAN等模型,VABPR模型的推荐性能进一步提升,其中视觉特征和对抗学习发挥重要角色。此外,稀疏度更高的MovieLens-1M-MP数据集获得较MovieLens-100K-MP更优的推荐性能,数据稀疏问题得到有效缓解。(4)基于MVABPR模型的推荐系统:为充分利用异构图像特征之间的语义相关性,围绕VABPR模型设计出MVABPR模型;通过判别相关分析方法挖掘异构图像特征间的相关性,更好地刻画图像内容。即升级VABPR模型的视觉表示,完成高质量推荐。实验表明:MVABPR模型优于UPM-GAN、ABPR、VABPR等主流基线;它在稀疏度更高的数据集上能获取更优的推荐性能,推荐系统具备一定实用价值。

关键词：跨模态语义数据稀疏用户偏好生成对抗网络贝叶斯个性化排序推荐系统

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

北京友邦推出三款新产品 002

中国保险报

作者：滑瑾

本报讯【滑瑾】美国友邦保险北京分公司在庆祝成立一周年之际，结合北京市场情况，向社会推出了友邦护身符综合保险计划、友邦理财宝保障计划、友邦安居宝抵押贷款保障计划等三款新的保险产品。友邦护身符综合保险计划

关键词：

来源： cnki报纸评论

在线全文

cnki报纸

学校读者我要写书评

暂无评论

基于用户偏好挖掘生成对抗网络的推荐系统

计算机科学与探索 2020年第5期14卷 803-814页

作者：李广丽滑瑾袁天朱涛邬任重姬东鸿张红斌华东交通大学信息工程学院南昌330013 华东交通大学软件学院南昌330013 武汉大学国家网络安全学院武汉430072

用户偏好挖掘是推荐系统研究中的关键问题,它对于改善推荐质量具有非常重要的作用。提出用户偏好挖掘生成对抗网络(UPM-GAN),从两个角度深入分析用户隐含偏好:基于三元组损失算法对用户评分矩阵进行处理,挖掘难分负样本,以更好地确立正... 详细信息

用户偏好挖掘是推荐系统研究中的关键问题,它对于改善推荐质量具有非常重要的作用。提出用户偏好挖掘生成对抗网络(UPM-GAN),从两个角度深入分析用户隐含偏好:基于三元组损失算法对用户评分矩阵进行处理,挖掘难分负样本,以更好地确立正样本,为准确刻画用户偏好奠定基础;基于奇异值分解(SVD++)算法构建UPM-GAN的生成模型,利用SVD++算法中的偏置信息及隐式参数描述用户隐含偏好,以提高评分预测精度。最后使用最新生成对抗网络(GAN)框架完成推荐系统训练,在MovieLens-100K、MovieLens-1M这两个主流数据集上展开实验仿真。实验表明UPM-GAN的Precision@K、均值平均精度(MAP)等多项指标均优于对比基线,且它还具有收敛速度快、训练过程平稳等优点。基于UPM-GAN的推荐系统具有一定实用价值。

关键词：推荐系统生成对抗网络(GAN) 用户偏好挖掘奇异值分解(SVD++) 三元组损失难分负样本

AIG/AIA再获最高财务实力评级 001

在线全文

学校读者我要写书评

暂无评论

中国保险报

作者：滑瑾

本报讯【滑瑾】近日，美国国际集团（AIG）及其全资附属机构美国友邦保险有限公司（AIA）再度荣获国际权威评级机构标准普尔授予的AAA最高财务实力评级，标准普尔同时还将 AIG属下的其他寿险公司的财务实力评级从 AA＋提升为AAA。标准普?

关键词：

来源： cnki报纸评论

在线全文

cnki报纸

学校读者我要写书评

暂无评论

友邦保险获“全球形象最佳公司” 001

混合分层抽样与协同过滤的旅游景点推荐模型研究

中国保险报

作者：滑瑾

本报讯【滑瑾】美国友邦保险有限公司在美国《时代》杂志及《财富》杂志共同举办的2002年财务机构形象调查中，获选为形象最佳的保险公司。友邦保险在亚洲及全球10间著名的保险公司同业中脱颖而出，被誉为形象最佳的公司。在亚洲地区...

本报讯【滑瑾】美国友邦保险有限公司在美国《时代》杂志及《财富》杂志共同举办的2002年财务机构形象调查中，获选为形象最佳的保险公司。友邦保险在亚洲及全球10间著名的保险公司同业中脱颖而出，被誉为形象最佳的公司。在亚洲地区的评选级

关键词：

来源： cnki报纸评论

在线全文

cnki报纸

学校读者我要写书评

暂无评论

数据采集与处理 2019年第3期34卷 566-576页

作者：李广丽朱涛袁天滑瑾张红斌华东交通大学信息工程学院南昌330013 华东交通大学软件学院南昌330013 武汉大学计算机学院武汉430072

采用问卷调查与自动抓取相结合的方式,采集用户信息、用户评分等旅游数据,对数据做分层抽样,生成包含用户旅游喜好信息的“智慧旅游”数据集。围绕该数据集,预处理用户评分并执行基于用户聚类的协同过滤算法,以计算目标用户与聚类中心... 详细信息

采用问卷调查与自动抓取相结合的方式,采集用户信息、用户评分等旅游数据,对数据做分层抽样,生成包含用户旅游喜好信息的“智慧旅游”数据集。围绕该数据集,预处理用户评分并执行基于用户聚类的协同过滤算法,以计算目标用户与聚类中心的相似性。结合分层抽样模型生成的旅游喜好信息,输出混合推荐列表。实验结果表明:相比基线,混合分层抽样与协同过滤的推荐模型对评分预测的均方根误差(Root mean square error,RMSE)和平均绝对误差(Mean absolute error,MAE)分别降低11.5%~64.9%和18.8%~47.7%。混合推荐的准确率和召回率相比基线也有较大程度提升,旅游景点推荐效果良好。

关键词：分层抽样聚类协同过滤旅游景点推荐模型

在线全文

学校读者我要写书评

暂无评论

基于极端梯度提升树算法的图像属性标注

山东大学学报（工学版） 2019年第2期49卷 8-16页

作者：张红斌邱蝶蝶邬任重朱涛滑瑾姬东鸿华东交通大学软件学院江西南昌330013 华东交通大学信息工程学院江西南昌330013 武汉大学国家网络安全学院湖北武汉430072

提出基于极端梯度提升树(eXtreme gradient boosting, XGBoost)算法的图像属性标注模型,以改善标注性能:提取图像局部二值模式(local binary patterns, LBP)、灰度纹理空间包络特征(Gist)、尺度不变特征变换(scale invariant feature tr... 详细信息

提出基于极端梯度提升树(eXtreme gradient boosting, XGBoost)算法的图像属性标注模型,以改善标注性能:提取图像局部二值模式(local binary patterns, LBP)、灰度纹理空间包络特征(Gist)、尺度不变特征变换(scale invariant feature transform, SIFT)、视觉几何组(visual geometry group, VGG)等特征,以准确刻画图像视觉内容;基于图像特征,采用XGBoost算法集成弱分类器为强分类器,完成图像属性标注;深入挖掘图像属性蕴含的深层语义,构建全新的、层次化的属性表示体系,以贴近人类客观认知;设计迁移学习策略并合理组合分类模型,进一步改善标注性能。试验表明:Gist特征能真实刻画图像视觉内容;执行基础迁移学习后,标注精准度比迁移学习前最优指标提升8.69%;执行混合型迁移学习后,合理组合分类模型,标注精准度比基础迁移学习的最优指标提升17.55%。模型有效地改善图像属性标注精度。

关键词：图像属性标注极端梯度提升树迁移学习弱分类器深层语义

基于改进的自适应提升算法的乳腺癌图像识别研究

在线全文

学校读者我要写书评

暂无评论

华中师范大学学报（自然科学版） 2020年第6期54卷 935-943页

作者：张红斌邬任重蒋子良武晋鹏袁天滑瑾姬东鸿华东交通大学软件学院南昌330013 华东交通大学信息工程学院南昌330013 武汉大学国家网络安全学院武汉430072

为解决医疗资源不足、就诊量日增等问题,需设计基于计算机的乳腺癌图像识别模型,更高效地辅助病理医生的临床诊断工作.然而,现有算法多采用单类别特征完成识别,未充分发挥特征之间互补性.该文提出改进的自适应提升算法:在SIFT、Gist、HO... 详细信息

为解决医疗资源不足、就诊量日增等问题,需设计基于计算机的乳腺癌图像识别模型,更高效地辅助病理医生的临床诊断工作.然而,现有算法多采用单类别特征完成识别,未充分发挥特征之间互补性.该文提出改进的自适应提升算法:在SIFT、Gist、HOG、VGG16特征提取基础上,改进有效区域基因选择(Effective Range Based Gene Selection,ERGS)算法,动态计算特征权重;采用自适应提升算法将弱分类器集成为强分类器,并对其输出的预估概率做ERGS加权,实现多特征融合.实验表明:1)算法识别精准度达86.24%,较最强基线提高3.82%;2)SIFT、Gist、HOG特征之间具有较强互补性,它们有助于准确刻画乳腺癌图像;3)阳性图像更易识别.

关键词：乳腺癌图像识别自适应提升有效区域基因选择多特征融合

混合分层抽样统计与贝叶斯个性化排序的旅游景点推荐模型研究

在线全文

学校读者我要写书评

暂无评论

华中师范大学学报（自然科学版） 2019年第2期53卷 214-221页

作者：李广丽朱涛滑瑾邱蝶蝶邬任重张红斌姬东鸿华东交通大学信息工程学院南昌330013 华东交通大学软件学院南昌330013 武汉大学国家网络安全学院武汉430072

传统协同过滤推荐模型仅处理稀疏的评分数据,未深入挖掘用户及对象的潜在语义,且用户喜好信息也未充分利用.围绕旅游景点推荐这一热点问题,提出全新的混合分层抽样统计与贝叶斯个性化排序的推荐模型:采用分层抽样统计及主观赋值评价法... 详细信息

传统协同过滤推荐模型仅处理稀疏的评分数据,未深入挖掘用户及对象的潜在语义,且用户喜好信息也未充分利用.围绕旅游景点推荐这一热点问题,提出全新的混合分层抽样统计与贝叶斯个性化排序的推荐模型:采用分层抽样统计及主观赋值评价法刻画用户旅游喜好;基于矩阵分解算法(Matrix Factorization,简称MF)分析用户及对象(景点)的潜在语义,运用贝叶斯个性化排序算法(Bayesian Personalized Ranking,简称BPR)对推荐模型进行优化;综合用户旅游喜好信息及BPR优化结果,生成混合推荐列表.在新的"Wisdom Tourism"数据集上进行仿真实验.实验表明:推荐模型的RMSE、MAE、F1值较最强基线分别提升16.59%、10.05%、5.04%;相比于分层抽样统计方法,BPR算法在推荐过程中发挥更显著的作用.

关键词：分层抽样统计贝叶斯个性化排序协同过滤旅游景点推荐模型矩阵分解