期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
面向多样化搜索背景的查询推荐策略 被引量:4
1
作者 孙达明 张斌 +1 位作者 张书波 马安香 《计算机研究与发展》 EI CSCD 北大核心 2014年第S1期81-85,共5页
基于日志的搜索引擎查询推荐方法大多从流行性角度进行查询推荐,这种方式能够带来不错的推荐效果.然而,流行性行为代表群体用户共性的需求,所以这类推荐方法忽略了用户背景不同带来的搜索需求的差异,当小团体用户的搜索需求与流行性需... 基于日志的搜索引擎查询推荐方法大多从流行性角度进行查询推荐,这种方式能够带来不错的推荐效果.然而,流行性行为代表群体用户共性的需求,所以这类推荐方法忽略了用户背景不同带来的搜索需求的差异,当小团体用户的搜索需求与流行性需求不一致时,往往造成小团体搜索需求无法被满足,进而导致针对此类用户的推荐失败.而且,在搜索引擎领域,用户信息难以获取,提供个性化推荐服务也比较困难.为了减少推荐失败的风险,提高查询推荐质量,提出一种折衷的解决方案,面向多样化搜索背景的查询推荐策略.在查询流图的基础上构造密集行为块,通过密集行为块表示用户特征,从而构建典型用户行为模型,并以典型用户行为区分用户背景.另外,还提出了面向多样化搜索背景的查询推荐方法,当搜索词面临多种用户背景时,推荐系统提供多样化的推荐词集合,最后,在真实数据集的实验结果证明了本策略能够在较小程度降低准确度的同时降低推荐失败的风险. 展开更多
关键词 查询推荐 多样化 搜索引擎 搜索背景 查询流图
在线阅读 下载PDF
面向差异化搜索背景的查询推荐方法 被引量:2
2
作者 孙达明 张斌 +1 位作者 张书波 马安香 《计算机工程》 CAS CSCD 北大核心 2016年第11期202-206,共5页
搜索引擎中存在一些用户在查询日志中保存部分搜索记录,但又不足以为用户提供个性化的查询推荐。对于此类用户,对其提供具有针对性的推荐服务能够在一定程度上提高用户对推荐结果的满意度。为此,提出一种面向不同搜索背景的差异化查询... 搜索引擎中存在一些用户在查询日志中保存部分搜索记录,但又不足以为用户提供个性化的查询推荐。对于此类用户,对其提供具有针对性的推荐服务能够在一定程度上提高用户对推荐结果的满意度。为此,提出一种面向不同搜索背景的差异化查询推荐方法,依据用户搜索行为将用户划分为不同群体,针对不同群体提供不同的推荐服务,实现群体用户之间的差异化推荐服务。在真实数据集上的实验结果表明,该方法能在控制推荐失败风险的同时,提高用户对推荐结果的满意度。 展开更多
关键词 查询推荐 差异化 搜索背景 社团发现 查询流图
在线阅读 下载PDF
基于背景迭代搜索的高分辨遥感图像汽车检测 被引量:2
3
作者 吴小波 杨辽 +1 位作者 沈金祥 王杰 《国土资源遥感》 CSCD 2011年第4期46-51,共6页
提出了一种基于高分辨率卫星遥感图像检测汽车的新方法——背景迭代搜索(Background Iterative Search,BIS)算法。该算法首先利用背景与目标的局部差异,用距离作为判别准则逐步迭代搜索并去除背景,根据汽车的物质特性初步检测汽车;然后... 提出了一种基于高分辨率卫星遥感图像检测汽车的新方法——背景迭代搜索(Background Iterative Search,BIS)算法。该算法首先利用背景与目标的局部差异,用距离作为判别准则逐步迭代搜索并去除背景,根据汽车的物质特性初步检测汽车;然后采用动态双峰阈值分割方法,利用全局信息把道路和非道路分开,并根据形状特征粗略提取道路;最后利用道路信息约束初步检测的汽车,得到最终的汽车检测结果。通过使用IKONOS和QuickBird卫星遥感数据进行实验,验证了BIS算法的有效性。 展开更多
关键词 高分辨率卫星遥感 汽车检测 背景迭代搜索
在线阅读 下载PDF
前背景信息一致的边界框弱监督息肉分割网络 被引量:1
4
作者 龙建武 刘东 宋鑫磊 《重庆理工大学学报(自然科学)》 CAS 北大核心 2023年第12期210-221,共12页
准确的息肉分割对结直肠癌的诊断和治疗具有重要意义。由于标注准确的像素级掩码成本很高,现在的息肉分割方法严重受到像素标注短缺的影响,而粗略的边界框标注更易获得。因此提出一个通用性高、即插即用的弱监督组件PolypBox,其可以将... 准确的息肉分割对结直肠癌的诊断和治疗具有重要意义。由于标注准确的像素级掩码成本很高,现在的息肉分割方法严重受到像素标注短缺的影响,而粗略的边界框标注更易获得。因此提出一个通用性高、即插即用的弱监督组件PolypBox,其可以将现有全监督的息肉分割方法转换成仅使用边界框标注的息肉分割方法。该模块由掩码投影损失、像素表示模块、前背景搜索损失和邻域像素一致性损失组成。首先设计像素表示模块从特征图中学习每个像素的特征表示(embedding),根据边界框的位置信息,使用K-Means分别聚类属于前背景的多个原型;然后提出前背景搜索损失将边框内的像素点与前背景的原型进行搜索匹配建立约束;在边界框内部设计掩码投影损失约束模型预测息肉的位置,最后提出邻域像素一致性损失,令具有邻域相似的像素点对的息肉预测结果保持一致。为验证算法的有效性,在CVC-300和Kvasir等4个具有挑战性的数据集和mean Dice等6个指标上与主流息肉分割网络进行对比,其mean Dice达到0.810,有着不输于目前主流全监督息肉分割方法的分割性能,同时验证了该方法的通用性。 展开更多
关键词 息肉分割 边界框 弱监督 背景搜索 对比学习 原型学习
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部