期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于G方检验的CP-nets学习
被引量:
4
1
作者
辛冠琳
刘惊雷
《南京大学学报(自然科学版)》
CAS
CSCD
北大核心
2015年第4期781-795,共15页
偏好处理是人工智能中的一个重要的研究内容,条件偏好网(conditional preference networks,CP-nets)是一个带标记的有向图,它编码相关变量之间的偏好关系.作为一种简单直观的图形偏好表示工具,却很少有工作对CP-nets的结构进行研究.研究...
偏好处理是人工智能中的一个重要的研究内容,条件偏好网(conditional preference networks,CP-nets)是一个带标记的有向图,它编码相关变量之间的偏好关系.作为一种简单直观的图形偏好表示工具,却很少有工作对CP-nets的结构进行研究.研究CP-nets的结构,提出了基于G方检验对CP-nets进行结构学习的算法,并给出算法的时间复杂度为O(n·2n).作为一种对数似然比检验方法,G方检验特别适合于判断变量之间的因果关系.由于CP-nets的核心概念是条件偏好无关,因此利用G方检验可有效地实现CP-nets的结构学习.通过构造G方检验的统计量,在给定的成对比较样本集中,执行零假设检验,从而依次求出每个顶点的父亲集,进而得到CP-nets的结构.最后,通过随机生成的模拟数据,验证了所提出算法的有效性.与相关CP-nets的学习算法对比,本文提出的方法具有被动的,离线的,和基于统计学习的特征.
展开更多
关键词
G方检验
对数似然比检验
因果关系
条件偏好无关
零假设检验
在线阅读
下载PDF
职称材料
从偏好数据库中挖掘Ceteris Paribus偏好
被引量:
3
2
作者
辛冠琳
刘惊雷
《计算机应用》
CSCD
北大核心
2016年第8期2092-2098,2108,共8页
针对传统的推荐系统需要用户给出明确的偏好矩阵(U-I矩阵),进而使用自动化技术来获取用户偏好的问题,提出了一种从偏好数据库中挖掘出Agent的偏好信息的方法。从知识发现的角度,通过Ceteris Paribus规则(CP规则),提出了k阶偏好挖掘算法(...
针对传统的推荐系统需要用户给出明确的偏好矩阵(U-I矩阵),进而使用自动化技术来获取用户偏好的问题,提出了一种从偏好数据库中挖掘出Agent的偏好信息的方法。从知识发现的角度,通过Ceteris Paribus规则(CP规则),提出了k阶偏好挖掘算法(kPreM)。在算法中,利用k阶CP规则对偏好数据库中的信息进行剪枝处理,减少了数据库扫描次数,从而提高了偏好信息的挖掘效率。随后以一种通用的图模型——条件偏好网(CP-nets)为工具,揭示了用户的偏好可近似表达为CP-nets的定性条件偏好网。实验结果表明,用户的偏好都是带有条件的偏好。另外,通过挖掘得出的CP-nets偏好模型,为设计个性化的推荐系统提供了理论基础。
展开更多
关键词
自动化技术
偏好数据库
知识发现
CP规则
定性条件偏好网
在线阅读
下载PDF
职称材料
基于精确P值计算学习无环CP-nets
被引量:
3
3
作者
辛冠琳
刘惊雷
《南京大学学报(自然科学版)》
CAS
CSCD
北大核心
2017年第3期450-461,共12页
作为一种简单直观的图形表示工具,条件偏好网(conditional preference networks,CP-nets)可表示ceteris paribus(其他条件都不变)的偏好关系.学习无环CP-nets是人工智能领域中的一个重要的研究内容,它可广泛使用在推荐系统、信息检索和...
作为一种简单直观的图形表示工具,条件偏好网(conditional preference networks,CP-nets)可表示ceteris paribus(其他条件都不变)的偏好关系.学习无环CP-nets是人工智能领域中的一个重要的研究内容,它可广泛使用在推荐系统、信息检索和群体抉择中.特别是有效地学习无环CP-nets的结构,即获取变量之间的因果关系,是当前最主要的研究任务.传统的算法利用不同的方式对CP-nets的结构进行学习,但很多方法学习得到的并不是无环CP-nets.采用精确P值计算学习方法,根据Dijkstra算法原理,设计了新的算法——PALA,并通过该算法学习无环CP-nets结构.随后证明了算法的时间复杂度是O(n3·2n).作为一种精确学习方法,精确P值计算方法可有效衡量变量之间的依赖程度,确定变量之间的因果关系,进而学习得到无环CP-nets结构.实验结果表明,与其他算法相比,PALA算法通常能够发现高质量的、结构最优的无环CP-nets.研究结果还表明,无环CP-nets学习问题的解决显著地提高了PALA算法的效率.
展开更多
关键词
条件偏好网
精确P值计算
Dijkstra算法原理
因果关系
无环结构
在线阅读
下载PDF
职称材料
题名
基于G方检验的CP-nets学习
被引量:
4
1
作者
辛冠琳
刘惊雷
机构
烟台大学计算机与控制工程学院
出处
《南京大学学报(自然科学版)》
CAS
CSCD
北大核心
2015年第4期781-795,共15页
基金
国家自然科学基金(61403328
61403329)
+4 种基金
山东省自然科学基金(ZR2013FM011
ZR2013FQ023
ZR2013FQ020
ZR2014FL009)
山东省教育厅科技计划(J14LN23)
文摘
偏好处理是人工智能中的一个重要的研究内容,条件偏好网(conditional preference networks,CP-nets)是一个带标记的有向图,它编码相关变量之间的偏好关系.作为一种简单直观的图形偏好表示工具,却很少有工作对CP-nets的结构进行研究.研究CP-nets的结构,提出了基于G方检验对CP-nets进行结构学习的算法,并给出算法的时间复杂度为O(n·2n).作为一种对数似然比检验方法,G方检验特别适合于判断变量之间的因果关系.由于CP-nets的核心概念是条件偏好无关,因此利用G方检验可有效地实现CP-nets的结构学习.通过构造G方检验的统计量,在给定的成对比较样本集中,执行零假设检验,从而依次求出每个顶点的父亲集,进而得到CP-nets的结构.最后,通过随机生成的模拟数据,验证了所提出算法的有效性.与相关CP-nets的学习算法对比,本文提出的方法具有被动的,离线的,和基于统计学习的特征.
关键词
G方检验
对数似然比检验
因果关系
条件偏好无关
零假设检验
Keywords
G2 test
log likehood ratio test
causal relationship
conditional preference independence
null hypothesis test
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
从偏好数据库中挖掘Ceteris Paribus偏好
被引量:
3
2
作者
辛冠琳
刘惊雷
机构
烟台大学计算机与控制工程学院
出处
《计算机应用》
CSCD
北大核心
2016年第8期2092-2098,2108,共8页
基金
国家自然科学基金资助项目(61572419
61403328
+4 种基金
61403329)
山东省自然科学基金资助项目(ZR2013FM011
2015GSF115009
ZR2014FQ016
ZR2014FQ026)~~
文摘
针对传统的推荐系统需要用户给出明确的偏好矩阵(U-I矩阵),进而使用自动化技术来获取用户偏好的问题,提出了一种从偏好数据库中挖掘出Agent的偏好信息的方法。从知识发现的角度,通过Ceteris Paribus规则(CP规则),提出了k阶偏好挖掘算法(kPreM)。在算法中,利用k阶CP规则对偏好数据库中的信息进行剪枝处理,减少了数据库扫描次数,从而提高了偏好信息的挖掘效率。随后以一种通用的图模型——条件偏好网(CP-nets)为工具,揭示了用户的偏好可近似表达为CP-nets的定性条件偏好网。实验结果表明,用户的偏好都是带有条件的偏好。另外,通过挖掘得出的CP-nets偏好模型,为设计个性化的推荐系统提供了理论基础。
关键词
自动化技术
偏好数据库
知识发现
CP规则
定性条件偏好网
Keywords
automation technology
preference database
knowledge discovery
Ceteris Paribus rule ( CP rule)
qualitative conditional preference network
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于精确P值计算学习无环CP-nets
被引量:
3
3
作者
辛冠琳
刘惊雷
机构
烟台大学计算机与控制工程学院
出处
《南京大学学报(自然科学版)》
CAS
CSCD
北大核心
2017年第3期450-461,共12页
基金
国家自然科学基金(61572419
61572418
+6 种基金
61403328
61403329)
山东省自然科学基金(ZR2014FQ016
ZR2014FQ026
2015GSF115009
ZR2016FB22
ZR2013FM011)
文摘
作为一种简单直观的图形表示工具,条件偏好网(conditional preference networks,CP-nets)可表示ceteris paribus(其他条件都不变)的偏好关系.学习无环CP-nets是人工智能领域中的一个重要的研究内容,它可广泛使用在推荐系统、信息检索和群体抉择中.特别是有效地学习无环CP-nets的结构,即获取变量之间的因果关系,是当前最主要的研究任务.传统的算法利用不同的方式对CP-nets的结构进行学习,但很多方法学习得到的并不是无环CP-nets.采用精确P值计算学习方法,根据Dijkstra算法原理,设计了新的算法——PALA,并通过该算法学习无环CP-nets结构.随后证明了算法的时间复杂度是O(n3·2n).作为一种精确学习方法,精确P值计算方法可有效衡量变量之间的依赖程度,确定变量之间的因果关系,进而学习得到无环CP-nets结构.实验结果表明,与其他算法相比,PALA算法通常能够发现高质量的、结构最优的无环CP-nets.研究结果还表明,无环CP-nets学习问题的解决显著地提高了PALA算法的效率.
关键词
条件偏好网
精确P值计算
Dijkstra算法原理
因果关系
无环结构
Keywords
conditional preference networks, exact P-value computation, Dijkstra algorithm principle, causal relationship, acyclic structure
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于G方检验的CP-nets学习
辛冠琳
刘惊雷
《南京大学学报(自然科学版)》
CAS
CSCD
北大核心
2015
4
在线阅读
下载PDF
职称材料
2
从偏好数据库中挖掘Ceteris Paribus偏好
辛冠琳
刘惊雷
《计算机应用》
CSCD
北大核心
2016
3
在线阅读
下载PDF
职称材料
3
基于精确P值计算学习无环CP-nets
辛冠琳
刘惊雷
《南京大学学报(自然科学版)》
CAS
CSCD
北大核心
2017
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部