检索结果-南通市图书馆

计算机工程与设计 2024年第6期45卷 1743-1749页

作者：胡胜利武静雯林凯安徽理工大学计算机科学与工程学院安徽淮南232000

在以往提取多兴趣嵌入的序列推荐模型中仅能通过聚类的方法发现少量兴趣概念,忽视项目交互序列中特征级信息对最终推荐结果的影响。针对此问题,对传统的多兴趣序列推荐模型进行改进,提出一种融合项目特征级信息的稀疏兴趣网络序列推荐... 详细信息

在以往提取多兴趣嵌入的序列推荐模型中仅能通过聚类的方法发现少量兴趣概念,忽视项目交互序列中特征级信息对最终推荐结果的影响。针对此问题,对传统的多兴趣序列推荐模型进行改进,提出一种融合项目特征级信息的稀疏兴趣网络序列推荐模型。实验结果表明,相比其它模型,该模型可以更好捕捉用户的多样化偏好并缓解冷启动问题。在给定数据集上,该模型比传统的序列推荐模型在命中率上平均提高了6.4%,归一化折损累计增益平均提高了8.7%。

关键词：深度学习序列推荐多兴趣稀疏兴趣网络嵌入表征特征级信息特征融合

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

融合项目类别信息的非侵入式嵌入序列推荐

引用

计算机工程与设计 2022年第12期43卷 3373-3380页

作者：孙克雷宁昱霖周华平安徽理工大学计算机科学与工程学院安徽淮南232001

针对基于自注意力机制的序列推荐模型的数据稀疏问题和融合项目辅助信息导致的信息过载问题,提出融合项目类别信息的非侵入式嵌入序列推荐模型(NIESR)。通过融合项目类别信息辅助自注意力机制计算项目相似度,缓解数据稀疏问题;将不同种... 详细信息

针对基于自注意力机制的序列推荐模型的数据稀疏问题和融合项目辅助信息导致的信息过载问题,提出融合项目类别信息的非侵入式嵌入序列推荐模型(NIESR)。通过融合项目类别信息辅助自注意力机制计算项目相似度,缓解数据稀疏问题;将不同种类的输入分别用一个自注意力机制提取特征,将每个注意力分数矩阵分别与项目序列的嵌入表征点积后拼接,缓解信息过载问题。在3个公开数据集上验证了所提模型的有效性,评估指标平均提高4.5%,最高提升13.3%。

关键词：推荐算法序列推荐深度学习自注意力机制项目类别嵌入表征神经网络

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于自注意力机制的序列推荐研究

基于自注意力机制的序列推荐研究

引用

作者：宁昱霖安徽理工大学

学位级别：硕士

推荐系统是缓解当下信息过载问题的有效工具,已经成为电商、短视频、社交平台等各个互联网公司给用户精准推送产品和服务的核心技术。序列推荐算法是推荐算法的分支,它旨在根据用户的历史行为记录建模用户偏好的动态变化,以此预测用户... 详细信息

推荐系统是缓解当下信息过载问题的有效工具,已经成为电商、短视频、社交平台等各个互联网公司给用户精准推送产品和服务的核心技术。序列推荐算法是推荐算法的分支,它旨在根据用户的历史行为记录建模用户偏好的动态变化,以此预测用户下一个感兴趣的项目,给用户提供推荐列表。随着深度学习技术的快速发展,越来越多的深度学习模型被应用于推荐系统领域。近年来,自注意力机制在多个领域取得了良好的表现,序列推荐方向的研究人员将其应用到了序列推荐领域,同样呈现了优异的效果。但现有的研究工作仍存在以下不足:在基于自注意力机制的序列推荐模型中,直接把项目的嵌入表征与项目的位置信息相加作为模型的输入,会在模型提取特征时引入噪声,进而影响推荐精度;数据稀疏问题导致部分项目间的关系难以捕捉。针对上述问题,本文的主要研究内容如下:(1)针对基于自注意力机制的序列推荐模型在融合项目的位置信息时采用直接相加的方式会在模型提取特征时引入噪声的问题,提出了非侵入式自注意力机制,设计了基于非侵入式自注意力机制的序列推荐模型(Sequential recommendation model based on non-intrusive self-attention mechanism,NISASRec)。非侵入式自注意力机制通过两个自注意力机制分别提取两部分输入信息的特征,避免自注意力机制在计算注意力分数时引入噪声,进而提高了推荐精度。(2)针对数据稀疏导致的部分项目间的关系难以捕捉的问题,通过引入项目的类别信息,增强模型捕捉项目之间联系的能力,由于在现实生活中,项目的类别信息往往是以多标签离散型的形式表现的,因此设计了多标签离散型类别信息的处理模块处理项目类别信息。在NISASRec模型的基础上进行改进,设计了基于项目类别感知的非侵入式嵌入序列推荐模型(Category-aware non-intrusive embedding in sequential recommendation,CA-NISASRec)。在三个真实数据集上进行了实验,与其他基线模型进行了对比,NISASRec模型的评估指标NDCG(Normalized discounted cumulative gain)平均提高了3.9%,最高提升7.6%;CA-NISASRec模型的评估指标NDCG平均提高了4.9%,最高提升13.3%。图[18]表[8]参[61]

关键词：推荐算法序列推荐深度学习自注意力机制嵌入表征

来源：

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

基于深度神经网络的表征学习及其精算应用

基于深度神经网络的表征学习及其精算应用

引用

作者：姚正锟南开大学

学位级别：硕士

在大数据时代下,越来越多的数据被捕获,许多新兴数据源（文本数据、图像数据、传感器数据）的出现为公司的分析与利用提供了更广阔的维度。对于保险精算行业来说,数据占据着至关重要的地位,对于数据的分析与使用可以使公司拥有竞争优势... 详细信息

在大数据时代下,越来越多的数据被捕获,许多新兴数据源（文本数据、图像数据、传感器数据）的出现为公司的分析与利用提供了更广阔的维度。对于保险精算行业来说,数据占据着至关重要的地位,对于数据的分析与使用可以使公司拥有竞争优势,这些新兴数据源可以补充传统数据,从而提供更好的洞察与视野,以实现更精准的预测。但是对于大多数传统的精算模型来说,主要使用结构化的向量数据作为输入,并不能很好地支持这些新兴数据源的使用。本文提出了一个统一的模型框架应用于精算领域。该模型将精算任务分为了两部分,第一部分是面对数据的表征学习模型,第二部分就是传统的用于执行精算任务的预测模型,本文将重点解决面对复杂数据的表征学习模型。通过表征学习模型将复杂数据转化为向量形式的特征,从而可以灵活地应用在精算实务中。本文基于深度神经网络搭建表征学习模型,针对不同数据类型,构建不同的深度神经网络模型。整个表征学习模型分为两部分,第一部分是压缩器,负责将复杂的数据压缩成低维的嵌入表征,而压缩器所得到的结果就是最终用于输入精算模型中的特征;第二部分是预测器,在压缩得到表征之后,需要通过预测器来进行评估,检验表征的性能是否良好。最后以图像数据的表征提取为例,针对传统计算机视觉中的处理方法在精算应用的局限性,对深度神经网络下的表征学习模型进行创新优化,在无监督学习中,提出了优化的卷积自动编码器,在有监督学习中,提出了优化的卷积神经网络结构,在保证模型性能的情况下,同时可以更好地应用在精算模型之中,为精算实践中的图像数据使用,提供了很好的实践模型。

关键词：表征学习神经网络新型数据非结构化数据嵌入表征

来源：

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

基于深度学习的条件文本生成技术与应用研究

基于深度学习的条件文本生成技术与应用研究

引用

作者：胡盛伟华侨大学

学位级别：硕士

近年来,随着网络信息技术的快速发展,网络信息传播颠覆了传统的社会舆论环境,并逐渐占据了领导地位。然而,网络的便捷高效和信息的无差别传播也让许多负面消息、不利于社会安定团结的消息广泛传播。因势利导,为营造网络舆论健康环境,加... 详细信息

近年来,随着网络信息技术的快速发展,网络信息传播颠覆了传统的社会舆论环境,并逐渐占据了领导地位。然而,网络的便捷高效和信息的无差别传播也让许多负面消息、不利于社会安定团结的消息广泛传播。因势利导,为营造网络舆论健康环境,加强网络舆论引导力度迫在眉睫。其中一个重要的问题就是舆论引导帖文的自动生成技术。然而,传统话语复述、规则生成帖文的方式智能化水平不高、引导效果不佳。深度生成模型的提出为自然语言文本生成带来了技术革命,打破了以往基于模板和规则的生成定式。本文研究了基于深度学习的条件文本生成技术及其应用,主要研究成果如下:（1）研究了情感可控的条件文本生成。针对当前基于情感迁移的条件文本生成方法在模型内部隐变量表征上存在文本属性纠缠,导致生成文本语义不畅的问题,提出了一种基于情感迁移的条件文本生成方法,通过迁移给定文本情感值的方式生成具有目标情感值的人工文本。该方法首先利用大规模情感词典来匹配句子中的情感词并用“mask”符号代替;之后,利用掩码自编码器生成被代替的情感词,保持其它词不变,从而缓解了文本属性纠缠问题。实验结果表明,该方法能在保持文本主题内容不变的同时,对生成文本有较高的情感控制率,并提升生成文本的流畅性。（2）研究了情感与主题可控的条件文本生成。针对当前条件文本生成方法期望利用深度学习模型来推断独立于情感的句子级内容表征的难题,提出了基于主题关键词的条件文本生成方法。该方法首先根据词性类别,设计了三种主题关键词抽取方案,以抽取句子中不含情感信息的主题关键词;其次,使用主题关键词的嵌入表征代替句子级嵌入表征作为生成模型的输入,模型不再需要推断与情感无关的内容表征,从而避免了不稳定的对抗训练过程;然后,采用基于单层LSTM的自编码器模型,训练文本生成模型;最后,根据给定主题关键词和目标情感值,利用训练好的模型,生成情感与主题可控的人工文本。实验结果表明,该方法突破了传统句子到句子的生成方式,引入了主题关键词到句子的生成方式,能自由地定制生成文本的主题与情感,并适用于长文本条件生成。（3）研究了融入主题、情感和文风的网评帖文生成。针对网络舆论引导帖文需要融入主题、情感和文风的特殊需求,在上述研究成果的基础上,提出了基于深度学习的网评帖文生成方法。该方法利用特定舆论事件相关网络评论构建训练语料,获取事件主题信息和网民文风信息;进一步,根据语料中正、负面评论是否均衡,分别利用基于主题关键词的条件文本生成方法和基于变分自编码器的随机文本生成方法,训练网评帖文生成模型;最后,利用训练好的模型,生成融入主题、情感和文风的网评帖文。实验结果表明,该方法能有效提升网评帖文的生成效果,满足了网评帖文生成的工程需求。

关键词：深度学习文本生成嵌入表征自编码器模型情感迁移网评帖文生成

来源：

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

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：