Current Location:home > Browse

1. chinaXiv:201811.00157 [pdf]

基于多蚁群同步优化的多真值发现算法

冯钦; 曹建军; 郑奇斌; 张磊; 翁年凤; 李红梅
Subjects: Computer Science >> Integration Theory of Computer Science

为提高在多真值场景下真值发现的准确性,提出一种多蚁群同步优化的多真值发现算法(multi-ant colonies synchronization optimization based multi-truth discovery algorithm,MAC-SO-MTD)。以最大化各数据源提供的观测值集合与该对象真值集合之间相似度的加权和为目标,将多真值发现问题建模为求解子集问题,在此基础上设计蚁群算法进行求解:根据对象个数设置相应的蚁群,构造子集问题的有向图,利用路径概率转移公式进行同步搜索真值;将信息素更新分为本次迭代最优更新和本次迭代不更新,提高了算法的收敛速度。最后,通过算法复杂度分析和在真实数据集上的实验验证了该算法的优越性。

submitted time 2018-11-29 From cooperative journals:《计算机应用研究》 Hits1151Downloads728 Comment 0

2. chinaXiv:201811.00184 [pdf]

基于潜在标签挖掘和细粒度偏好的个性化标签推荐

李红梅; 刁兴春; 曹建军; 张磊; 冯钦
Subjects: Computer Science >> Integration Theory of Computer Science

为进一步提高个性化标签推荐性能,针对标签数据的稀疏性以及传统方法忽略隐藏在用户和项目上下文中潜在标签的缺陷,提出一种基于潜在标签挖掘和细粒度偏好的个性化标签推荐方法。首先,提出利用用户和项目的上下文信息从大量未观测标签中挖掘用户可能感兴趣的少量潜在标签,将标签重新划分为正类标签、潜在标签和负类标签三类,进而构建<用户,项目>对标签的细粒度偏好关系,在缓解标签稀疏性的同时,提高对标签偏好关系的表达能力;然后,基于贝叶斯个性化排序优化框架对细粒度偏好关系进行建模,并结合成对交互张量分解对偏好值进行预测,构建细粒度的个性化标签推荐模型并提出优化算法。对比实验表明,提出的方法在保证较快收敛速度的前提下,有效地提高了个性化标签的推荐准确性。

submitted time 2018-11-29 From cooperative journals:《计算机应用研究》 Hits996Downloads599 Comment 0

  [1 Pages/ 2 Totals]