检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于自适应群组重排的长尾推荐模型

计算机应用 2023年第4期43卷 1122-1128页

作者：金苍宏邵育华何琴芳浙大城市学院城市大脑研究院杭州310015 浙大城市学院计算机与计算科学学院杭州310015

针对传统推荐算法过度关注推荐的精度而导致的长尾问题,即热门项目拥有过高的推荐量的同时非热门项目长时间不被关注,提出一种基于欧氏距离构建二维加权相似度并融入自适应群组重排的多目标优化推荐模型(MDOM)——自适应群组重排的推荐... 详细信息

针对传统推荐算法过度关注推荐的精度而导致的长尾问题,即热门项目拥有过高的推荐量的同时非热门项目长时间不被关注,提出一种基于欧氏距离构建二维加权相似度并融入自适应群组重排的多目标优化推荐模型(MDOM)——自适应群组重排的推荐模型(AGRM)。首先,利用欧氏距离构建二维加权相似度度量,根据个体历史行为记录动态设定替换比例,并利用融入群组的多目标优化算法解决长尾推荐问题;其次,设计两个简明的目标函数,并同时考虑流行度和长尾关注度,以降低目标函数的复杂性;然后,基于二维加权相似度度量,选择用户子集作为“最佳推荐用户组”,并计算帕累托最优解。在MovieLens 1M和Yahoo数据集上的实验结果表明,AGRM的覆盖率表现最优,与基于物品相似的协同过滤(ItemCF)算法相比,分别平均提升了4.11、25.38个百分点;与用于Top-N推荐的具有浅并行路径的深度变分自动编码器(VASP)模型相比,分别平均提升了8.38、33.19个百分点。在Yahoo数据集上,AGRM的推荐的平均流行度最低,表明AGRM能够推荐更多长尾项目。

关键词：长尾推荐自适应重排多目标优化有效用户群组行为决策模型

在线全文

学校读者我要写书评

暂无评论

基于多模态信息融合的时间序列预测模型

计算机应用 2022年第8期42卷 2326-2332页

作者：吴明晖张广洁金苍宏浙大城市学院计算机与计算科学学院杭州310015 浙江大学计算机科学与技术学院杭州310027

针对传统单因子模型无法充分利用时间序列相关信息,以及这些模型对时间序列预测准确性和可靠性较差的问题,提出一种基于多模态信息融合的时间序列预测模型--Skip-Fusion对多模态数据中的文本数据和数值数据进行融合。首先利用BERT(Bidir... 详细信息

针对传统单因子模型无法充分利用时间序列相关信息,以及这些模型对时间序列预测准确性和可靠性较差的问题,提出一种基于多模态信息融合的时间序列预测模型--Skip-Fusion对多模态数据中的文本数据和数值数据进行融合。首先利用BERT(Bidirectional Encoder Representations from Transformers)预训练模型和独热编码对不同类别的文本数据进行编码表示;再使用基于全局注意力机制的预训练模型获得多文本特征融合的单一向量表示;然后将得到的单一向量表示与数值数据按时间顺序对齐;最后通过时间卷积网络(TCN)模型实现文本和数值特征的融合,并通过跳跃连接完成多模态数据的浅层和深层特征的再次融合。在股票价格序列的数据集上进行实验,Skip-Fusion模型的均方根误差(RMSE)和日收益(R)分别为0.492和0.930,均优于现有的单模态模型和多模态融合模型的结果,同时在可决系数(R-Squared)上取得了0.955的拟合优度。实验结果表明,Skip-Fusion模型能够有效进行多模态信息融合并具有较高的预测准确性和可靠性。

关键词：全局注意力机制跳跃连接多模态融合时间序列预测股票价格预测

在线全文

学校读者我要写书评

暂无评论

一种基于上下文索引的文本匹配框架

浙江大学学报（工学版） 2013年第9期47卷 1537-1546页

作者：金苍宏吴明晖应晶浙江大学计算机学院浙江杭州310027 浙江大学城市学院计算机科学与工程学系浙江杭州310015

为了提高信息挖掘方法的效率和动态性,支持在线定义知识提取模式,提出一种快速文本匹配框架.该框架包括上下文索引、上下文挖掘语言、上下文匹配算法等模块.框架从索引中直接获得提取内容的上下文信息,无需依赖文本过滤,从而提高信息提... 详细信息

为了提高信息挖掘方法的效率和动态性,支持在线定义知识提取模式,提出一种快速文本匹配框架.该框架包括上下文索引、上下文挖掘语言、上下文匹配算法等模块.框架从索引中直接获得提取内容的上下文信息,无需依赖文本过滤,从而提高信息提取性能.理论分析和实验表明:本框架提取方法同文本提取方法、倒排提取方法等相比,其运行时间在不同大小和结构的数据集上更为稳定高效,提取模式的长度对本框架的影响较小,因此,适合海量数据的在线提取.

关键词：上下文索引上下文挖掘语言文本提取提取框架

在线全文

学校读者我要写书评

暂无评论

基于服务特性的动态Web服务组合研究

基于服务特性的动态Web服务组合研究

作者：金苍宏浙江大学

学位级别：硕士

Web服务是Web界的下一次革命和电子商务的未来,近来已经成为一个研究热门。目前,服务组合存在的问题是如何建立一个可以重用的动态的流程,用于选择,组合,运行已经存在的Web服务。随着商业流程的复杂化和动态性的加强,对于Web服务组合的... 详细信息

Web服务是Web界的下一次革命和电子商务的未来,近来已经成为一个研究热门。目前,服务组合存在的问题是如何建立一个可以重用的动态的流程,用于选择,组合,运行已经存在的Web服务。随着商业流程的复杂化和动态性的加强,对于Web服务组合的可变化性和适应性要求越来越高。基于Web服务属性的服务选择组合已经成为一个趋势,基于功能属性的一些动态服务组合方法都有各自的缺点。如何有效的验证备选服务的可替换性也是一个难点。大部分的基于语义的服务选择算法都不能很好的表示出替换前后的关系,因为它们采用的是孤立的服务语义比较,没有基于服务所处的上下文环境。另一个方面,在基于非功能属性计算的服务组合中,传统的遗传算法的QoS(服务质量)计算Web服务组合,因为没有能很好的利用反馈信息,因此需要大量的重复迭代,收敛性比较差。固定的适应度函数也没有办法满足动态的服务组合路径,有时候因此还会丢失最优解。因此,遗传算法用于Web服务组合的有效性和精确性都需要改进。本文提出了SMICE框架。它基于服务属性进行服务组合,SMICE包含两个部分。基于功能属性的服务组合,提出了基于结构的语义Web服务组合。定义六类不同的结构,用服务的IOPE表示。服务的动态组合基于这六类结构,定义了五类替换原则,使用相似度函数进行计算。基于非属性计算的服务组合,提出了GAA基于遗传的蚁群算法。这个算法可以很好的利用反馈信息,加速收敛性,利用遗传算法的全局搜索可以更好的初始化蚁群信息素。文章最后,构建一个demo演示SMICE平台,平台使用Eclipse工具开发并包含了GEF工具包。开发人员可以自由的管理服务节点,编辑服务组合路径,并得到最优组合方案。

关键词： Web服务的动态组合基于遗传的蚁群算法服务的功能和非功能属性

基于评分卡——随机森林的云计算用户公共安全信誉模型研究

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

通信学报 2018年第5期39卷 143-152页

作者：周胜利金苍宏吴礼发洪征陆军工程大学指挥控制工程学院江苏南京210007 浙江警察学院信息技术系浙江杭州310053 浙江大学城市学院计算机与计算科学学院浙江杭州310015

传统云计算用户信誉的研究主要集中在对用户操作行为信誉评估,较少涉及用户发布文本信息的安全管理,并且存在指标筛选欠准确、信誉评估结果缺乏科学验证等问题,难以满足监管部门的实际需求。针对以上问题,提出基于评分卡—随机森林的云... 详细信息

传统云计算用户信誉的研究主要集中在对用户操作行为信誉评估,较少涉及用户发布文本信息的安全管理,并且存在指标筛选欠准确、信誉评估结果缺乏科学验证等问题,难以满足监管部门的实际需求。针对以上问题,提出基于评分卡—随机森林的云计算用户公共安全信誉模型。首先,利用Word2Vec和卷积神经网络进行公共安全标签分类;其次,采用评分卡方法,筛选强相关性指标;最后,结合随机森林算法,建立云计算用户公共安全信誉模型。实验分析表明,所建立的模型能够解决云计算公共安全监管中用户信誉指标筛选不准确和信誉区分准确性低等问题,能够有效识别有害用户,提高云计算用户监管效率。

关键词：云计算安全安全监管评分卡随机森林卷积神经网络

MapReduce中shuffle优化与重构

在线全文

学校读者我要写书评

暂无评论

中国科技论文 2012年第4期7卷 241-245页

作者：彭辅权金苍宏吴明晖应晶浙江大学计算机学院杭州310027 浙江大学城市学院杭州310015

详细介绍了MapReduce编程框架,具体分析了MapReduce中shuffle阶段流程。分别从Map端数据压缩、重构远程数据拷贝传输协议、Reduce端内存分配优化三方面来优化和重构Shuffle。最后通过搭建Hadoop集群,运用MapReduce分布式算法测试实验数... 详细信息

详细介绍了MapReduce编程框架,具体分析了MapReduce中shuffle阶段流程。分别从Map端数据压缩、重构远程数据拷贝传输协议、Reduce端内存分配优化三方面来优化和重构Shuffle。最后通过搭建Hadoop集群,运用MapReduce分布式算法测试实验数据。实验结果证明优化重构后的shuffle能显著提高MapReduce计算性能。

关键词：云计算 Hadoop MapReduce shuffle

在线全文

学校读者我要写书评

暂无评论

一种流数据立方体分析挖掘框架

电信科学 2014年第9期30卷 61-71页

作者：金苍宏刘泽民吴明晖应晶浙江大学计算机科学与技术学院杭州310027 浙江大学城市学院杭州310015

流数据是目前一种重要的数据展现形式,对流数据进行OLAM(联机分析挖掘)操作可为分析人员提供多层次的数据视图。但OLAM要求在不同粒度中实现对数据的聚合操作,而流式数据内含时态特性和持续到达特性,使得数据无法被多次重复操作。使用传... 详细信息

流数据是目前一种重要的数据展现形式,对流数据进行OLAM(联机分析挖掘)操作可为分析人员提供多层次的数据视图。但OLAM要求在不同粒度中实现对数据的聚合操作,而流式数据内含时态特性和持续到达特性,使得数据无法被多次重复操作。使用传统OLAP(联机分析处理)方法无法生成部分物化视图且流数据规模宏大,受限于存储空间大小而无法保存全部数据单元信息。针对上述问题,提出了一种基于概要技术的流数据OLAM框架——sketch cube(概要立方体),该框架把任意维度组合映射成唯一自然数,根据上下限单调原则对维度组合裁剪,在类线性空间中保存有效数据单元信息,并构建时间序列索引提高检索效率。通过理论分析给出使用sketch cube的前提条件,同时通过真实海量流数据实验分析表明,sketch sube在有效性、存储空间效率和正确率上可以满足实时挖掘的需求。

关键词：流数据概要立方体联机分析挖掘实时分析

在线全文

学校读者我要写书评

暂无评论

融合序列分解与时空卷积的时序预测算法

电子学报 2021年第2期49卷 233-238页

作者：金苍宏董腾然陈天翼吴明晖李国军周胜利浙大城市学院浙江杭州310015 浙江警察学院浙江杭州310053

现有深度学习方法在对时间序列预测时,未充分考虑空间依赖性,且长期预测的准确率也较低.针对此问题,提出一种融合时间序列分解策略和时空卷积神经网络的时序预测模型SDBRNN(Series-Decomposition-Block Recurrent Neural Network).该模... 详细信息

现有深度学习方法在对时间序列预测时,未充分考虑空间依赖性,且长期预测的准确率也较低.针对此问题,提出一种融合时间序列分解策略和时空卷积神经网络的时序预测模型SDBRNN(Series-Decomposition-Block Recurrent Neural Network).该模型首先学习序列的多周期值并对序列进行最优STL分解;然后结合相邻观察点构造兼具时空数据块;再采用Block-LSTM中的三维卷积模块对时空数据块进行特征提取,让三维块在LSTM细胞中参与状态更新和反向传播,最终实现模型对时空特征的学习.结合多个时空序列测试数据分析,表明该模型在具有空间依赖关系的时序数据集上,比传统的时间卷积模型和循环神经网络具有更好的时空特征提取能力和拟合预测能力,验证了该模型的有效性.

关键词：时间序列预测序列分解时空卷积

在线全文

学校读者我要写书评

暂无评论

基于关键字的数据库搜索研究综述

计算机应用研究 2008年第11期25卷 3238-3242页

作者：朱凡微吴明晖金苍宏吕嘉应晶浙江大学计算机学院杭州310027

介绍了基于关键字的关系数据库搜索技术的研究成果,从数据建模、体系结构、关键算法等几个方面详细分析和比较了各种技术的特点和优劣,并指出了现有技术中存在的一些问题,提出数据库关键字搜索技术未来的研究方向。

关键词：基于关键字的搜索数据库模式相关性排序 top-k查询