摘要：针对基于二部图的概率传播(ProbS)模型以优化推荐列表的精确度为目标,而忽略了推荐多样性的问题,提出了改进的概率传播(iProbS)模型.iProbS将项目得分预测过程分解为资源的3步传播过程,每步传播包含传播概率和传播损耗.设计传播概率时,考虑的因素是用户评分;设计传播损耗时,则分别考虑了项目的度、用户熵和邻居项目.通过在2个常用数据集MovieLens和Netflix上的大量不同实验,证明了iProbS算法在推荐准确率、推荐整体多样性、推荐个体多样性以及销售平衡4个方面均比ProbS模型性能更好.最后按不同的推荐步骤分析了iProbS算法的计算复杂度.

摘要：为了解决图像情感分析中存在的情感鸿沟和大的类内方差问题,提出了一种可以同时利用视觉模态和文本模态之间的深度潜在关联、视觉模态的深度线性判别和图像中层语义融合的弱监督方法.利用多模态深度网络结构找到一个视觉模态和文本模态之间最大深度关联且视觉模态具有深度判别性的潜在嵌入空间,并在该潜在空间中将文本的语义映射特征迁移到图像的判别性视觉映射特征中;结合注意力机制,设计涵盖潜在空间中映射特征的注意力网络,用于情感分类.在真实数据集上的实验结果表明,所提出的方法获得了更好的情感分类准确率.

摘要：设计了一种基于主题与连接的局部社区划分算法。该算法结合节点的主题相似度和连接相似度,综合计算节点间的相似度。同时算法采用局部思想,避免了寻找初始的中心节点。此外,该算法引入了局部模块度作为社区划分的结束判断条件。该算法被应用到参与"海地地震"相关话题讨论的Twitter微博用户数据集上,并与单纯基于链接、单纯基于主题以及基于主题和链接的社区划分算法在同样数据集的划分结果进行对比,结果表明:从纯度和熵的评估角度看,本文算法更具优越性。

摘要：网络上用户生成的数据(User-Generated Data)富含用户的观点(情感),自动识别这些用户观点对很多的Web应用具有重要的作用,例如推荐系统和电子商务/政务智能系统等.但用户的观点表达通常与领域是相关的,因此对于不同的分析领域,用户难以选择到效果最好的分类器.文中针对用户观点分析问题设计了一个三阶段的多分类器集成框架,在此框架下用户只需指定可用的分类器,系统将自动选择一组最优的分类器组合,将它们的预测结果整合为最终分类结果,同时能够保证分类效果优越于最好的单分类器.针对分类器组的选择过程中面临的组合爆炸问题,文中在考虑分类器的准确度和多样性的基础上,设计了一个贪心算法选择成员分类器,并证明该算法是2-近似的.最后,在不同领域的真实数据集上进行了充分的实验,实验结果验证了文中提出的框架和算法的有效性.

摘要：数据流查询与处理技术广泛应用在金融系统等诸多领域中,银行卡交易系统中存在的由终端复用所导致的不规范交易即是一个典型案例.此类不规范交易存在两个特点:(1)对象频繁出现;(2)对象的值序列频繁波动.然而,现有的频繁项挖掘算法仅考虑第一个特点,无法有效解决问题,亟需开发新技术进行检测.文中首先形式化地定义了这类不规范交易查询,再设计了多个创新算法进行处理.此外,文中还将工作扩展到滑动窗口模型以处理数据流演化问题.理论分析与实验结果均表明所提方法具有较佳性能,空间复杂度与时间复杂度都较低.

摘要：知识图谱是将无结构的知识进行结构化表示和组织的有效途径,已经成为支持众多智能应用的基础设施.然而,与商品相关的知识通常呈现出海量性、异质性和层次性的特点,这对现有基于关系模型和图模型的知识查询处理方法提出了挑战.针对商品知识的这些特点,本文设计与实现了一种利用CPU和GPU协同计算的商品知识查询处理方法.首先,为了充分发挥GPU的并行计算能力,提出了一种基于稀疏矩阵的商品知识存储策略,并针对商品知识进行存储优化;其次,根据稀疏矩阵的存储结构设计了一种查询转换方式,将SPARQL查询转化为对应的矩阵计算,并将连接查询算法扩展到GPU上进行加速.为了验证所提出方法的有效性,我们在LUBM数据集和一个半合成的商品数据集上进行了一系列的实验.结果表明,本文提出的方法,不仅在海量商品知识下相对于现有RDF查询引擎在检索效率上有较大提升,而且在通用的RDF标准数据集上也能取得较好的检索性能,并验证了GPU加速查询处理的有效性.

摘要：用户评论包含了丰富的用户观点信息,对潜在的顾客和商家具有重要的参考价值。观点目标和观点词作为用户评论中的核心对象,它们的自动抽取是用户评论智能化应用的一项核心工作。目前主要采用有监督的抽取方法解决该问题,这些方法依赖于利用高质量的标注样本进行模型训练,而传统人工标注样本的方法不仅耗时费力,且标注成本高。众包计算为构建高质量训练样本集提供了一种有效途径,然而,众包工作者由于知识背景等因素使得标注结果的质量参差不齐。为了在有限的成本下获取高质量的标注样本,提出一种基于工作者专业水平评估的自适应众包标注方法,构建可靠的观点目标-观点词数据集。首先,通过小成本挖掘出高专业水平的工作者;然后,设计一种基于工作者可靠性的任务分发机制;最后,利用观点目标和观点词间的依赖关系设计了一种有效的标注结果融合算法,通过整合不同工作者的标注结果生成最终可靠的结果。在真实数据集上进行了一系列实验表明,与GLAD模型和多数投票(MV)算法方法相比,所提方法能够在成本预算较小的情况下将构建出的高质量观点目标-观点词数据集的可靠性提高10%左右。

摘要：互联网正面向知识互联的Web3.0时代,其目标是实现人和机器都可以理解的更智能化的网络。在此环境下,各种类型的知识图谱应运而生。商品知识由于知识的异质性,使其管理更具挑战性。设计一种融合了客观性商品分类知识和主观性用户观点的大规模商品知识组织框架;提出了一种基于神经网络的学习索引技术,以此提升查询效率;针对商品知识结构的特性和查询需求的特点,实现了一种基于子变量组合的连接策略。实验结果表明,提出的方法相对于现有的知识管理系统,在大规模商品知识的检索效率上有较大幅度的提升。

摘要：实现智能化的语义搜索需要强大的知识支持,因此大规模的知识存储和管理系统是目前一项迫切的需求。针对海量商品知识,提出一种基于RDF(Resource Description Framework)的知识表示模型。利用图模型对商品知识进行建模,在Neo4j的基础上设计一个支持多模式查询、具有高可扩展性的海量商品知识管理系统。一系列的实验验证该系统能够有效地支持百万级别节点的商品知识服务请求。

摘要：同一类商品下,观点词对中包含的观点目标和观点词通常有着很强的观点依赖联系,因此可以通过对评论句子中单词间的观点依赖联系进行分析来提取观点词对。首先,构建评论句子的依赖联系分析模型来获取评论句子中每个单词之间的依赖联系信息,文中选择的基本模型是LSTM神经网络;然后,假设评论句子中所包含的观点词对中的一项是已知的,并将该已知项作为模型的注意力信息,使得模型能够从评论句子中有重点地提取出与该已知项具有强观点依赖联系的单词或词组,并将其作为观点词对中的另一未知项;最后,将观点依赖联系得分最高的词对作为观点词对并输出。文中进一步设计了一种复合模型,通过结合两种包含不同已知项信息的上述模型,来实现在不需要提前知道已知项的情况下观点词对的挖掘。