摘要：点击率预估是推荐系统中的核心任务,其关键是学习有效的特征交互,但现有基于深度神经网络的点击率预估方法未考虑冷启动问题,导致准确率降低。结合特征信息和域信息的嵌入,提出一种特征交互的点击率预估方法 FF-GNN。利用基于图神经网络的交互模块分别提取特征嵌入和域嵌入的结构信息,建模细粒度的特征交互和粗粒度的域交互过程。同时通过设计图神经网络的权重计算模块,交叉引用特征图神经网络和域图神经网络的低阶特征信息,实现特征交互和个性化建模域交互。在此基础上,采用注意力机制融合特征交互和域交互模块的结果预测点击率。在Criteo和Frappe公开数据集上的实验结果验证了FF-GNN方法的有效性,其AUC指标相较于同类型Fi-GNN方法分别提高0.57和0.85个百分点,能够同时关注特征和域信息,提高点击率预估的准确度。

摘要：以中华05骨龄标准为依据,基于骨龄图像的DICOM格式,设计和实现了桡骨骨龄80级～84级的计算机评定软件系统。系统自动对手腕部数字X光图像进行了预处理,采用区域生长法与最大类间方差法结合的方式实现了桡骨的有效分割,选取了灰度特征、纹理特征以及融合度作为骨龄特征参数,设计k近邻分类器对骨龄特征数据进行等级分类,并且结合ITK、VTK和MFC设计了一款桡骨等级评定软件,实现了桡骨等级80至等级84的计算机评定。实验结果说明,该系统的平均准确率达到85.2%,具有可扩展性和易用性的特点,丰富了计算机评定骨龄系统的应用研究。