2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩127頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著Web2.0技術(shù)的興起,網(wǎng)絡(luò)上出現(xiàn)了大量的社會(huì)化標(biāo)注系統(tǒng),用戶可以通過(guò)一個(gè)開放的平臺(tái)對(duì)共享資源進(jìn)行個(gè)性化標(biāo)注,同時(shí)可以上傳資源并將其分享到感興趣的群組中。由于群組能夠滿足用戶間交互與興趣分享等諸多需求,近年來(lái)吸引了大量的用戶。但是隨著群組數(shù)量的飛速增長(zhǎng),用戶手動(dòng)的瀏覽或查找感興趣的群組成為一件困難而耗時(shí)的工作,迫切需要一種工具幫助用戶從海量的群組中過(guò)濾出有用的信息,群組推薦系統(tǒng)應(yīng)運(yùn)而生。群組推薦系統(tǒng)可以幫助用戶發(fā)現(xiàn)有價(jià)值的群組信息,

2、節(jié)約用戶時(shí)間,提高用戶對(duì)網(wǎng)站的滿意度,從而吸引更多用戶加入網(wǎng)站,實(shí)現(xiàn)服務(wù)提供商與用戶的雙贏。本文主要研究如何為社會(huì)化標(biāo)注系統(tǒng)中的用戶和資源推薦群組,并以社會(huì)化標(biāo)注系統(tǒng)中的典型代表——Flickr圖片共享網(wǎng)站為例,介紹主要的研究方法。盡管本文提出的方法都是基于Flickr,但它們均可以推廣到任意具有群組信息的社會(huì)化標(biāo)注系統(tǒng)中。
  Flickr允許用戶上傳圖片,為圖片添加標(biāo)簽并將圖片分享到感興趣的群組中。用戶、標(biāo)簽、圖片和組是Fli

3、ckr中主要的四個(gè)實(shí)體,它們之間相互關(guān)聯(lián),形成了用戶、標(biāo)簽、圖片和組之間的四元關(guān)系。本文在分析該四元關(guān)系的基礎(chǔ)上,提出了基于四元語(yǔ)義分析的Flickr組推薦模型,并利用該模型完成了以下工作:
  (1)利于四元語(yǔ)義分析為Flickr用戶推薦組
  為Flickr用戶推薦組的現(xiàn)有研究主要使用基于協(xié)同過(guò)濾的推薦算法,利用(用戶,組)二元關(guān)系或者(用戶,標(biāo)簽,組)三元關(guān)系挖掘用戶和組之間潛在的語(yǔ)義關(guān)系。由于它們均忽略了圖片豐富的視

4、覺信息,同時(shí)標(biāo)簽可能存在多義性和歧義性,因此往往不能提供準(zhǔn)確的推薦結(jié)果。本文針對(duì)現(xiàn)有研究存在的問(wèn)題和不足,提出了一種基于四元語(yǔ)義分析的Flickr組推薦方法,利用四階張量建模用戶、標(biāo)簽、圖片類和組之間的四元關(guān)系,通過(guò)高階奇異值分解技術(shù)挖掘用戶和組之間潛在的語(yǔ)義關(guān)系,得到為用戶推薦的組列表。該方法首次將四元語(yǔ)義分析引入到組推薦領(lǐng)域,綜合利用圖片的視覺特征和標(biāo)簽信息,通過(guò)挖掘用戶和組之間隱含的語(yǔ)義關(guān)系,為用戶推薦組。通過(guò)在Flickr數(shù)據(jù)集

5、上的實(shí)驗(yàn)證明了本文提出的方法相比利用用戶、標(biāo)簽和組之間三元關(guān)系的方法,在top-k和MAP評(píng)價(jià)標(biāo)準(zhǔn)下,取得了更精確的推薦結(jié)果。此外,在對(duì)Flickr圖片分類時(shí),提出了一種基于稀疏編碼的改進(jìn)的空間金字塔匹配方法,為空間金字塔中不同層次的圖像的稀疏編碼值賦予不同的權(quán)重,設(shè)計(jì)了一種新的空間金字塔匹配核,在Caltech101/256及PascalVOC2006數(shù)據(jù)集上的實(shí)驗(yàn)證明,新的空間金字塔匹配核函數(shù)在分類準(zhǔn)確率上優(yōu)于已有的基于空間金字塔匹

6、配的方法。
  (2)利用四元語(yǔ)義分析為Flickr圖片推薦組
  現(xiàn)有為Flickr圖片推薦組的研究主要使用基于內(nèi)容的推薦算法,需要為每個(gè)主題建立一個(gè)模型,系統(tǒng)可擴(kuò)展性差。此外,推薦時(shí)僅根據(jù)圖片的特征沒有考慮用戶的興趣,導(dǎo)致推薦結(jié)果不一定滿足用戶的興趣需要。本文針對(duì)現(xiàn)有研究存在的問(wèn)題和不足,提出了基于四階張量分解的Flickr組推薦算法,將用戶的興趣信息引入到推薦模型中,利用基于協(xié)同過(guò)濾的推薦方法為圖片推薦組。算法使用四階

7、張量建模圖片、用戶、標(biāo)簽和組之間的四元關(guān)系,利用高階奇異值分解和kernel-SVD技術(shù)挖掘用戶潛在的興趣以及圖片和組之間潛在的語(yǔ)義關(guān)系,為圖片推薦滿足用戶興趣需要的組。此外,為了解決模型的可擴(kuò)展性問(wèn)題,當(dāng)有新的用戶、圖片、標(biāo)簽和組加入模型時(shí),利用folding-in或IncrementalSVD技術(shù)增量更新模型,避免了大量的重復(fù)計(jì)算。通過(guò)在Flickr數(shù)據(jù)集上的實(shí)驗(yàn)證明了本文提出的算法比現(xiàn)有基于內(nèi)容的推薦算法推薦結(jié)果的MAP值有大幅提

8、升。
  (3)設(shè)計(jì)并實(shí)現(xiàn)了Flickr組推薦統(tǒng)一框架及Web應(yīng)用原型系統(tǒng)。
  現(xiàn)有的Flickr組推薦方法只能單獨(dú)為用戶或圖片推薦組,不能將兩者集成在一個(gè)統(tǒng)一框架中。而實(shí)際應(yīng)用中,F(xiàn)lickr用戶不僅希望知道自己上傳的圖片適合分享的組同時(shí)還希望了解有哪些自己感興趣的組。本文在前面兩項(xiàng)工作的基礎(chǔ)上,建立了基于四元語(yǔ)義分析的Flickr組推薦統(tǒng)一框架,設(shè)計(jì)并實(shí)現(xiàn)了Flickr組推薦Web應(yīng)用原型系統(tǒng),該系統(tǒng)可以在為圖片推薦組

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論