检索结果-南通市图书馆

结合SVM与XGBoost的链式多路径覆盖测试用例生成

在线全文

学校读者我要写书评

暂无评论

软件学报 2024年第6期35卷 2795-2820页

作者：钱忠胜俞情媛张丁姚昌森秦朗悦成轶伟江西财经大学信息管理学院江西南昌330013

机器学习方法可很好地与软件测试相结合,增强测试效果,但少有学者将其运用于测试数据生成方面.为进一步提高测试数据生成效率,提出一种结合SVM(support vector machine)和XGBoost(extreme gradient boosting)的链式模型,并基于此模型借... 详细信息

机器学习方法可很好地与软件测试相结合,增强测试效果,但少有学者将其运用于测试数据生成方面.为进一步提高测试数据生成效率,提出一种结合SVM(support vector machine)和XGBoost(extreme gradient boosting)的链式模型,并基于此模型借助遗传算法实现多路径测试数据生成.首先,利用一定样本训练若干个用于预测路径节点状态的子模型(SVM和XGBoost),通过子模型的预测精度值筛选最优子模型,并根据路径节点顺序将其依次链接,形成一个链式模型C-SVMXGBoost(chained SVM and XGBoost).在利用遗传算法生成测试用例时,使用训练好的链式模型代替插桩法获取测试数据覆盖路径(预测路径),寻找预测路径与目标路径相似的路径集,对存在相似路径集的预测路径进行插桩验证,获取精确路径,计算适应度值.在交叉变异过程中引入样本集中路径层级深度较大的优秀测试用例进行重用,生成覆盖目标路径的测试数据.最后,保留进化生成中产生的适应度较高的个体,更新链式模型C-SVMXGBoost,进一步提高测试效率.实验表明,C-SVMXGBoost较其他各对比链式模型更适合解决路径预测问题,可提高测试效率.并且通过与已有经典方法相比,所提方法在覆盖率上提高可达15%,平均进化代数也有所降低,在较大规模程序上其降低百分比可达65%.

关键词：测试用例 SVM XGBoost 链式模型多路径覆盖

融合自适应周期与兴趣量因子的轻量级GCN推荐

在线全文

学校读者我要写书评

暂无评论

软件学报 2024年第6期35卷 2974-2998页

作者：钱忠胜叶祖铼姚昌森张丁黄恒秦朗悦江西财经大学信息管理学院江西南昌330013

推荐系统在成熟的数据挖掘技术推动下,已能高效地利用评分数据、行为轨迹等显隐性信息,再与复杂而先进的深度学习技术相结合,取得了很好的效果.同时,其应用需求也驱动着对基础数据的深度挖掘与利用,以及对技术要求的减负成为一个研究热... 详细信息

推荐系统在成熟的数据挖掘技术推动下,已能高效地利用评分数据、行为轨迹等显隐性信息,再与复杂而先进的深度学习技术相结合,取得了很好的效果.同时,其应用需求也驱动着对基础数据的深度挖掘与利用,以及对技术要求的减负成为一个研究热点.基于此,提出一种利用GCN(graph convolutional network)方法进行深度信息融合的轻量级推荐模型LG_APIF.该模型结合行为记忆,通过艾宾浩斯遗忘曲线模拟用户兴趣变化过程,采用线性回归等相对轻量的传统方法挖掘项目的自适应周期等深度信息;分析用户当前的兴趣分布,计算项目的兴趣量,以获取用户的潜在兴趣类型;构建用户-类型-项目三元组的图结构,并结合减负后的GCN技术来生成最终的项目推荐列表.实验验证所提方法的有效性,通过与8个经典模型在Last.fm,Douban,Yelp,MovieLens数据集中的对比,表明该方法在Precision,Recall及NDCG指标上都得到良好改善,其中,Precision平均提升2.11%,Recall平均提升1.01%,NDCG平均提升1.48%.

关键词：行为记忆自适应周期兴趣量因子图卷积网络推荐系统

在线全文

学校读者我要写书评

暂无评论

结合用户共同意图及社交关系的群组推荐方法

计算机科学与探索 2024年第5期18卷 1368-1382页

作者：钱忠胜张丁李端明王亚惠姚昌森俞情媛江西财经大学信息管理学院南昌330013

已有的群组推荐模型,在求解用户表示时大多比较单调且仅简单利用用户间的社交关系,使得用户表示不够准确,并且大都未考虑用户共同意图以及社交关系对群组偏好的影响,导致推荐的项目很难符合用户的需求。基于此,提出一种结合用户共同意... 详细信息

已有的群组推荐模型,在求解用户表示时大多比较单调且仅简单利用用户间的社交关系,使得用户表示不够准确,并且大都未考虑用户共同意图以及社交关系对群组偏好的影响,导致推荐的项目很难符合用户的需求。基于此,提出一种结合用户共同意图及社交关系的群组推荐模型(GR-UCISI)。首先构造用户-项目交互历史与社交关系相结合的用户意图分离模型,利用图神经网络采集每个用户的用户-项目交互以及社交关系信息,求解用户意图和项目表示;其次利用网络游走算法与K-means聚类算法将用户分组,结合用户群组、用户意图以及群组意图聚合过程获取群组共同意图表示;最后根据群组共同意图表示与项目表示得出群组推荐项目列表。该方法充分考虑到用户的个性以及群组成员间的共性对群组偏好的影响,同时结合社交关系缓解数据稀疏性问题,提升模型性能。实验结果表明,与9个对比模型中推荐效果最好的模型相比,在Gowalla数据集上,GR-UCISI的Precision和NDCG指标值分别提高3.01%和5.26%;在Yelp-2018数据集上,GR-UCISI的Precision和NDCG指标值分别提高2.96%和1.12%。

关键词：群组推荐用户共同意图社交关系图神经网络

基于路径相似表与个体迁移策略的多路径覆盖测试

在线全文

学校读者我要写书评

暂无评论

计算机科学与探索 2024年第4期18卷 947-962页

作者：钱忠胜孙志旺俞情媛秦朗悦蒋鹏万子珑王亚惠江西财经大学信息管理学院南昌330013

将遗传算法用于多路径覆盖测试中是个研究热点,在新旧种群迭代过程中,旧种群中可能包含其他子种群的优秀个体,这部分个体未被充分利用,造成资源浪费;同时,种群中的个体数会远大于可达路径数,而每个个体都会经过某一条可达路径,这样会有... 详细信息

将遗传算法用于多路径覆盖测试中是个研究热点,在新旧种群迭代过程中,旧种群中可能包含其他子种群的优秀个体,这部分个体未被充分利用,造成资源浪费;同时,种群中的个体数会远大于可达路径数,而每个个体都会经过某一条可达路径,这样会有多个个体经过同一条路径,导致重复计算个体与目标路径的相似度。基于此,提出结合路径相似表与个体迁移的多路径覆盖测试方法以提高测试效率。通过路径相似表存储已计算得到的路径相似度值,避免该值被重复计算,减少测试时间。在进化过程中,将个体路径与其他目标路径进行比较,若相似度达到阈值,则将此优秀个体迁移至该路径对应的子种群中,提高个体利用率并减少进化代数。由实验可知,该方法与其他六种同类经典方法在八个程序上的平均生成时间降低最高达44.64%,最低为2.64%,平均进化代数降低最高达35.08%,最低为6.13%,故该方法有效地提高了测试效率。

关键词：测试用例路径相似表个体迁移多路径覆盖多种群遗传算法

在线全文

学校读者我要写书评

暂无评论

基于数据增强的语义一致番茄叶病识别方法

内蒙古大学学报（自然科学版） 2024年第3期55卷 302-307页

作者：丁雪莲内蒙古财经大学计算机信息管理学院呼和浩特010070

针对番茄叶片病害识别中缺乏训练图像的问题,提出一种基于数据增强的语义一致番茄叶病识别方法。首先,设计数据增强模块,对数据集进行有效扩充。然后,定义深度特征提取模块,捕捉图像中丰富的非线性语义信息。同时,为了避免数据增强过程... 详细信息

针对番茄叶片病害识别中缺乏训练图像的问题,提出一种基于数据增强的语义一致番茄叶病识别方法。首先,设计数据增强模块,对数据集进行有效扩充。然后,定义深度特征提取模块,捕捉图像中丰富的非线性语义信息。同时,为了避免数据增强过程中的语义漂移,设计语义相关最大化模块,增强原始数据和增强数据的语义相关性。最后,定义番茄叶病识别模块,实现番茄叶片病害识别。实验结果表明,相比于其他8个基线方法,本文方法在识别番茄叶片病害的准确率上达到了更优。

关键词：番茄叶病识别数据增强深度特征语义相关性

利用GRU双分支信息协同增强的长尾推荐模型

在线全文

学校读者我要写书评

暂无评论

计算机科学与探索 2024年

作者：钱忠胜肖双龙朱辉王晓闻刘金平江西财经大学信息管理学院

长尾现象在序列推荐系统中长期存在，包括长尾用户和长尾项目两个方面。虽然现有许多研究缓解了序列推荐系统中的长尾问题，但大部分只是单方面地关注长尾用户或长尾项目。然而，长尾用户和长尾项目问题常常同时存在，只考虑其中一方会... 详细信息

长尾现象在序列推荐系统中长期存在，包括长尾用户和长尾项目两个方面。虽然现有许多研究缓解了序列推荐系统中的长尾问题，但大部分只是单方面地关注长尾用户或长尾项目。然而，长尾用户和长尾项目问题常常同时存在，只考虑其中一方会导致另一方性能不佳，且未关注到长尾用户、长尾项目各自的信息匮乏问题。本文提出一种利用GRU双分支信息协同增强的长尾推荐模型(a long-tail recommendation model utilizing GRU dual-branch information collaboration enhancement， LT-GRU)，从用户与项目两个方面共同缓解长尾问题，并通过协同增强的方式丰富长尾信息。该模型由长尾用户和长尾项目双分支组成，每个分支分别负责各自的信息处理，并相互训练以充实另一方的信息。同时，引入一种偏好机制，通过演算用户与项目的影响因子，以动态调整用户偏好与项目热度，进一步缓解长尾推荐中信息不足问题。在Amazon系列的6个真实数据集上与6种经典模型进行实验对比，相较于长尾推荐模型中最优的结果，所提模型LT-GRU在HR与NDCG两个指标上分别平均提高2.49%、3.80%。这表明，在不牺牲头部用户和热门项目推荐性能的情况下，有效地缓解了长尾用户和长尾项目问题。

关键词：推荐系统长尾推荐信息协同增强 GRU

融合层注意力机制的多视角图对比学习推荐方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机研究与发展 2024年

作者：钱忠胜黄恒朱辉刘金平江西财经大学信息管理学院

图对比学习因其可有效缓解数据稀疏问题被广泛应用在推荐系统中.然而，目前大多数基于图对比学习的推荐算法均采用单一视角进行学习，这极大地限制了模型的泛化能力，且图卷积网络本身存在的过度平滑问题，也影响着模型的稳定性.基于此... 详细信息

图对比学习因其可有效缓解数据稀疏问题被广泛应用在推荐系统中.然而，目前大多数基于图对比学习的推荐算法均采用单一视角进行学习，这极大地限制了模型的泛化能力，且图卷积网络本身存在的过度平滑问题，也影响着模型的稳定性.基于此，提出一种融合层注意力机制的多视角图对比学习推荐方法.一方面，该方法提出2种不同视角下的3种对比学习，在视图级视角下，通过对原始图添加随机噪声构建扰动增强视图，利用奇异值分解重组构建SVD（singular value decomposition）增强视图，对这2个增强视图进行视图级对比学习；在节点视角下，利用节点间的语义信息分别进行候选节点和候选结构邻居对比学习，并将3种对比学习辅助任务和推荐任务进行多任务学习优化，以提高节点嵌入的质量，从而提升模型的泛化能力.另一方面，在图卷积网络学习用户和项目的节点嵌入时，采用层注意力机制的方式聚合最终的节点嵌入，提高模型的高阶连通性，以缓解过度平滑问题.在 4 个公开数据集LastFM， Gowalla， Ifashion， Yelp上与10个经典模型进行对比，结果表明该方法在Recall， Precision， NDCG这3个指标上分别平均提升3.12%， 3.22%， 4.03%，这说明所提方法是有效的.

关键词：层注意力机制对比学习图卷积网络多任务学习推荐系统

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向“一带一路”的低资源语言机器翻译研究

计算机工程 2024年第4期50卷 332-341页

作者：侯钰涛阿布都克力木·阿布力孜史亚庆马依拉木·木斯得克哈里旦木·阿布都克里木新疆财经大学信息管理学院新疆乌鲁木齐830012

随着“一带一路”倡议的深入推进,沿线国家和地区之间的跨语言沟通需求日渐增长,机器翻译技术逐渐成为各国之间深入交流的重要手段。然而,这些国家存在大量低资源语言,语料的稀缺性导致其机器翻译研究进展较为缓慢。针对该问题,提出一... 详细信息

随着“一带一路”倡议的深入推进,沿线国家和地区之间的跨语言沟通需求日渐增长,机器翻译技术逐渐成为各国之间深入交流的重要手段。然而,这些国家存在大量低资源语言,语料的稀缺性导致其机器翻译研究进展较为缓慢。针对该问题,提出一种基于NLLB模型改进的低资源语言机器翻译训练方法。首先基于多语言预训练模型提出一种改进的训练策略,该策略在数据增强的前提下,对损失函数进行优化,从而在机器翻译任务中有效提高低资源语言的翻译性能;然后使用ChatGPT以及ChatGLM模型分别评估老挝语-汉语以及越南语-汉语的翻译能力,大语言模型(LLM)已具备一定的翻译低资源语言的能力,而且ChatGPT模型在越南语-汉语翻译任务上已经大幅超越传统的神经机器翻译(NMT)模型,但是在老挝语上的翻译性能还有待进一步提高。实验结果表明,在4种低资源语言到汉语的翻译任务上,相比NLLB-600M基线模型,平均提升了1.33个双语替换测评(BLEU)值以及0.82个chrF++值,从而充分证明了该方法在低资源语言机器翻译任务上的有效性。此外,该方法使用ChatGPT和ChatGLM模型分别对老挝语-汉语以及越南语-汉语进行了初步研究,在越南语-汉语翻译任务中,ChatGPT模型表现出色,远超传统的NMT模型,分别提高了9.28个BLEU值和3.12个chrF++值。

关键词：低资源语言机器翻译数据增强多语言预训练模型大语言模型

感知平台卖家亲组织非伦理行为对消费者参与价值共创的影响——互动地位感知视角

在线全文

学校读者我要写书评

暂无评论

商业经济与管理 2024年第5期 5-24页

作者：汪旭晖陈佳琪东北财经大学工商管理学院内蒙古财经大学商务学院

基于社会相互依赖理论与应对理论，探索互动地位感知与感知平台卖家亲组织非伦理行为(Unethical Pro-organizational Behavior, UPB)对消费者参与价值共创的交互作用机制。研究结果为：互动地位感知与感知平台卖家UPB对消费者参与价值... 详细信息

基于社会相互依赖理论与应对理论，探索互动地位感知与感知平台卖家亲组织非伦理行为(Unethical Pro-organizational Behavior, UPB)对消费者参与价值共创的交互作用机制。研究结果为：互动地位感知与感知平台卖家UPB对消费者参与价值共创存在交互效应；当明确消费者互动类型时，感知平台卖家UPB与互动地位感知的交互作用消失；关系型互动→共情在平等地位感知与感知平台卖家UPB正面性交互影响消费者参与价值共创之间发挥的顺序中介效应更为显著，而交易型互动→厌恶在支配地位感知与感知平台卖家UPB负面性交互影响消费者参与价值共创之间发挥的顺序中介效应更为显著。研究结果可以帮助平台型电商组织的管理者明确互动过程中消费者对平台卖家UPB的认知、态度与行为反应，进而为平台型电商组织的治理提供一定的经验借鉴与理论指导。

关键词：互动地位感知感知平台卖家UPB 消费者互动类型消费者情绪

来源：博看期刊