检索结果-南通市图书馆

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***,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

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

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

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

数字基础设施建设与后发城市经济追赶——基于城际创新合作的视角

在线全文

学校读者我要写书评

暂无评论

城市问题 2024年第2期 67-78页

作者：温璐迪郭淑芬山西财经大学工商管理学院山西财经大学公共管理学院

基于2011—2021年中国专利申请微观层面数据和212个后发城市地级市层面数据,构建平衡面板数据,考察数字基础设施建设对后发城市经济追赶的影响效应,并从城际创新合作视角探析该影响效应的传导机制。研究发现,数字基础设施建设不仅有助... 详细信息

基于2011—2021年中国专利申请微观层面数据和212个后发城市地级市层面数据,构建平衡面板数据,考察数字基础设施建设对后发城市经济追赶的影响效应,并从城际创新合作视角探析该影响效应的传导机制。研究发现,数字基础设施建设不仅有助于缩小后发城市与先发城市的相对经济差距,而且促进了后发城市全要素生产率的提升。异质性分析表明,经济水平、地理区位等追赶情境差异均会影响数字基础设施建设发挥经济追赶的助推效应。作用机制分析表明,城际创新合作是数字基础设施建设影响后发城市经济追赶的重要渠道。并且,城际创新合作机制呈现出普惠发展与质量提升的双重特征,从合作城市看,不论与先发城市还是后发城市进行创新合作,均能促进后发城市经济追赶,而从创新类型看,主要通过实质性创新合作而非策略性创新合作助推后发城市经济追赶。

关键词：后发城市数字基础设施建设经济追赶城际创新合作

在线全文

学校读者我要写书评

暂无评论

人工智能在中医诊疗领域的研究综述

计算机工程与应用 2024年第16期60卷 1-18页

作者：苏尤丽胡宣宇马世杰张雨宁阿布都克力木·阿布力孜哈里旦木·阿布都克里木新疆财经大学信息管理学院乌鲁木齐830012

中医诊疗领域正逐步迈向标准化、客观化、现代化与智能化。在此过程中,人工智能的融入极大地推动了中医诊疗、科学研究及中医传承的发展。从人工智能在中医领域的研究现状出发,梳理了从最初的专家系统和规则引擎,到逐渐成熟的传统机器... 详细信息

中医诊疗领域正逐步迈向标准化、客观化、现代化与智能化。在此过程中,人工智能的融入极大地推动了中医诊疗、科学研究及中医传承的发展。从人工智能在中医领域的研究现状出发,梳理了从最初的专家系统和规则引擎,到逐渐成熟的传统机器学习算法,再到如今引领潮流的深度学习三个阶段,人工智能在中医领域的应用发展情况。总结了近年来涌现出的中医知识管理工具和大型模型,这些工具和模型为中医诊疗的智能化提供了坚实的支持。最后针对现阶段人工智能在中医领域中存在的数据公平性、多模态数据理解、模型鲁棒性、个性化医疗及可解释性等多重挑战进行分析。为应对这些挑战,需要持续探索并提出可能的解决方案,以推动中医诊疗智能化的深入发展,更好地满足人民健康需求。

关键词：中医诊疗人工智能中医知识库中医大模型

社交媒体环境下用户截屏行为模型构建——基于扎根理论的探索

在线全文

学校读者我要写书评

暂无评论

图书情报知识 2024年

作者：热孜亚·艾海提郑小川李珊珊范昊新疆财经大学信息管理学院武汉大学信息管理学院

[目的/意义]社交媒体环境下用户截屏行为与个人数字资源管理、社会信任构建息息相关。本文旨在对截屏行为进行系统聚焦与整合性探讨，以构建社交媒体环境下用户截屏行为理论模型。[研究设计/方法]采用扎根理论，对22份访谈材料和爬取的... 详细信息

[目的/意义]社交媒体环境下用户截屏行为与个人数字资源管理、社会信任构建息息相关。本文旨在对截屏行为进行系统聚焦与整合性探讨，以构建社交媒体环境下用户截屏行为理论模型。[研究设计/方法]采用扎根理论，对22份访谈材料和爬取的681条微博帖子进行三阶段编码，构建了社交媒体环境下用户截屏行为模型。[结论/发现]社交媒体环境下用户截屏行为主要受到信息、动机、用户、技术及环境因素的影响，同时从截屏频率、工具和类型三方面揭示了截屏行为特征，截屏行为异化结果主要表现为数字囤积、社会交往隐患和知识产权风险。[创新/价值]从信息资源管理学科角度出发，将截屏行为作为社交媒体环境下的重要用户信息行为之一，探讨其产生机制、行为特征和异化结果，为社交媒体用户、平台服务提供改进建议，帮助抑制截屏异化行为结果。

关键词：截屏行为社交媒体影响因素扎根理论行为异化

直播电商下厂家、MCN机构及主播动态运营策略

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

管理工程学报 2024年第6期 275-289页

作者：郭文强梁蕴泽雷明新疆财经大学信息管理学院北京大学光华管理学院

直播电商的营销模式在激活消费市场、推动经济增长等方面具有重要作用。本文综合考虑主播影响力和消费者参考质量效应的影响,针对由厂家、网红孵化机构(multi-channel network,MCN)及主播构成的直播电商体系,分别从参考质量效应、观众... 详细信息

直播电商的营销模式在激活消费市场、推动经济增长等方面具有重要作用。本文综合考虑主播影响力和消费者参考质量效应的影响,针对由厂家、网红孵化机构(multi-channel network,MCN)及主播构成的直播电商体系,分别从参考质量效应、观众打赏、MCN机构补贴以及电商平台补贴角度构建5种决策模型,并对比分析其动态均衡策略及绩效水平。研究结果表明:消费者参考质量效应有利于提高直播电商体系成员的相关努力程度和绩效水平;观众打赏能够在一定程度上激励主播相应努力水平,进而推动直播电商体系整体利润的提高;MCN机构对主播提供补贴的先决条件取决于双方的边际收益和主播所获的观众打赏情况,满足其先决条件后能够在一定程度上消除双重边际效应从而实现直播电商体系的Pareto改善;此外,来自电商平台的补贴能够实现直播电商体系的完全协调,且补贴比率受成员博弈地位、收益情况及观众打赏的共同影响。

关键词：参考质量效应主播影响力直播电商微分博弈 MCN机构

同方期刊数据库

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