摘要：目前已有的基于协同过滤的搜索广告推荐方法中,基于邻域的协同过滤方法存在着无法处理稀疏数据的问题,而基于矩阵分解的方法虽然能够推断出缺失的数据,但是却缺少邻居的协作。提出了一种搜索广告推荐算法,即ASN-MF,该算法通过建立广告相似性网络得到广告的相似性关系,并将其加入到矩阵分解的损失函数中,使得分解后的广告特征矩阵能够带有相似邻居的性质。实验基于KDD Cup 2012-Track2的真实数据集,证明了算法的可行性与有效性。

摘要：广告点击率是互联网广告投放的重要依据,有效地预测广告的点击率,对于提高广告投放的效率有着至关重要的作用。在训练点击率预测模型的过程中,往往面临着广告及用户的数量巨大以及训练数据集稀疏的问题,从而导致点击率预测的准确度下降。针对这些问题提出了一种基于LDA(latent Dirichlet allocation,LDA)的点击率预测算法,即LDA-FMs,该算法对原有训练集进行基于主题的分割,利用分割后的子训练集分别建立不同主题下的点击率预测模型;在此基础上,利用广告属于不同主题的概率,有权重地结合每个预测模型的预测结果,进而计算广告的点击率。实验基于KDD Cup 2012-track2的真实数据集,证明了算法的可行性与有效性。

摘要：中小学生每年一度的体格检查是学校卫生工作的一项重要内容,为规范此项工作,卫生部专门设计了'学生健康检查表'.在实际工作中,学生健康检查工作多由教育系统的卫生保健机构或卫生防疫部门的学校卫生科来承担,通常要求在短时间内对大量学生进行体格检查,任务非常繁重,尤其是体检后的资料统计、汇总与报表计算难度更大,资料整理、数量统计等工作就常常耗时2～3个月,并且数据误差之大无人能验证.故学校卫生工作者普遍认为学生健康检查数据的统计处理是最为棘手的问题,急需引进或开发适宜的计算机应用程序以提高体检资料统计的自动化和准确程度.据此,笔者联合学校卫生工作者及计算机技术人员共同设计、开发了一套学生体检计算机管理系统,并运用该系统对深圳市某地2001年学生的健康检查数据进行统计分析.

摘要：中小学生的健康检查是学校卫生工作的一项重要内容,通常要求在短时间内对大量学生进行体格检查,任务非常繁重,统计数据常产生较大误差.因此,学校卫生工作者普遍认为,学生健康检查急需开发计算机应用程序,以提高体检资料统计的自动化和准确程度.我们设计、开发了一套学生体检计算机管理系统,并成功地运用该系统对深圳市2001年部分学生健康检查的数据进行统计分析.