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
4
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
基于异常检测的标签噪声过滤框架
被引量:
2
1
作者
许茂龙
姜高霞
王文剑
《计算机科学》
CSCD
北大核心
2024年第2期87-99,共13页
噪声是影响机器学习模型可靠性的重要因素,而标签噪声相比特征噪声对模型训练更具决定性的影响。噪声过滤是处理标签噪声的一种有效方法,它不需要估计噪声率,也不需要依赖任何损失函数,然而目前大多数标签噪声过滤算法都会面临过度清洗...
噪声是影响机器学习模型可靠性的重要因素,而标签噪声相比特征噪声对模型训练更具决定性的影响。噪声过滤是处理标签噪声的一种有效方法,它不需要估计噪声率,也不需要依赖任何损失函数,然而目前大多数标签噪声过滤算法都会面临过度清洗问题。针对此问题,文中提出了基于异常检测的标签噪声过滤框架,并在此框架下给出了一种自适应近邻聚类的标签噪声过滤算法AdNN(Label Noise Filtering via Adaptive Nearest Neighbor Clustering)。该算法分别考虑分类问题中的每一个类别,把标签噪声检测问题转化成离群点检测问题,识别出每一个类别的离群点,然后根据相对密度去除离群点中的非噪声样本,得到噪声备选集,最后通过噪声因子对噪声备选集中的离群点进行噪声识别和过滤。实验结果表明,在合成数据集和公开数据集上,所提噪声过滤方法可以减轻过度清洗现象,同时能够得到很好的噪声过滤效果和分类预测性能。
展开更多
关键词
标签
噪声
过滤
离群点检测
自适应k近邻
相对密度
噪声因子
在线阅读
下载PDF
职称材料
基于四部图的协同过滤推荐算法比较研究
2
作者
牟斌皓
张智恒
+1 位作者
张林
闵帆
《计算机科学与探索》
CSCD
北大核心
2017年第6期875-886,共12页
推荐系统通常利用商品属性、用户信息以及用户对商品的已有评分来获取用户或者商品之间的相似度,进而预测未知评分。构造了关于这些信息的四部图,然后根据图中不同部分的组合获得了10类推荐算法,并比较了它们的时间复杂度。前两类算法...
推荐系统通常利用商品属性、用户信息以及用户对商品的已有评分来获取用户或者商品之间的相似度,进而预测未知评分。构造了关于这些信息的四部图,然后根据图中不同部分的组合获得了10类推荐算法,并比较了它们的时间复杂度。前两类算法基于用户与商品之间的关系,为经典的协同过滤算法。中间4类算法以用户或商品为中心,利用相应的标签信息进行相似度的计算并预测评分。后4类算法为中间4类算法的部分拓展,进一步考虑了评分信息。以MAE(mean absolute error)和RMSE(root-mean-square error)为评价指标,在两个Movie Lens数据集上的测试结果表明,商品之间的相似度比用户之间的相似度更可靠,商品标签也比用户标签更有用,而且某些信息的简单线性组合可以提高推荐质量。
展开更多
关键词
推荐系统
协同
过滤
四部图
协同
过滤
标签
在线阅读
下载PDF
职称材料
基于社会标注的Web服务语义自动浮现方法
被引量:
8
3
作者
宁达
何克清
+3 位作者
彭蓉
冯在文
刘建晓
李征
《计算机学报》
EI
CSCD
北大核心
2011年第12期2414-2426,共13页
社会化标注已经成为当前Web2.0时代流行的资源识别和管理方法.针对当前Web服务语义描述能力不足的问题,提出一种基于多维度的Web服务语义社会标注方法.在社会标注模型的指导下,利用涉众的广泛参与性,从推荐标签集、候选标签集以及自由...
社会化标注已经成为当前Web2.0时代流行的资源识别和管理方法.针对当前Web服务语义描述能力不足的问题,提出一种基于多维度的Web服务语义社会标注方法.在社会标注模型的指导下,利用涉众的广泛参与性,从推荐标签集、候选标签集以及自由标签集3种集合中选取若干个标签对服务进行社会标注;同时从服务的功能语义、非功能语义、目标语义、交互语义和补充语义5个维度建立服务语义社会标注框架,给出具体标注类型,将其分为机器标注和群体标注,利用群体智能,对机器标注的服务语义进行修正和完善,提高Web服务语义描述的完整性(即服务标签的语义覆盖率).进而作者提出了一种服务语义自动浮现方法,结合服务语义维度优先级,并根据标签出现频率以及服务属性类型优先级对标签进行排序,使得Web服务能够呈现大众用户认可的语义信息,提高Web服务语义描述的准确性(即服务标签的有效使用率),为后期准确发现Web服务奠定基础.最后通过实验分析,验证上述方法在提高服务语义描述能力方面的实用性和有效性.
展开更多
关键词
社会标注
WEB服务
标签过滤
标签
排序
标签
推荐
语义浮现
在线阅读
下载PDF
职称材料
基于知识推荐的校园百科平台研究
被引量:
1
4
作者
任敏
许玲
+1 位作者
王峰
吴超
《中国科学技术大学学报》
CAS
CSCD
北大核心
2020年第8期1072-1076,共5页
2018年中国科学技术大学推出“校园百科”项目,旨在利用智能化技术实现校园文化积累与推广的新途径.“校园百科”的推出是以建设校园文化积累的知识库和校园文化分享平台为目的,用于鼓励师生积极参与校园文化建设,并为师生提供文化信息...
2018年中国科学技术大学推出“校园百科”项目,旨在利用智能化技术实现校园文化积累与推广的新途径.“校园百科”的推出是以建设校园文化积累的知识库和校园文化分享平台为目的,用于鼓励师生积极参与校园文化建设,并为师生提供文化信息智能化检索和个性推荐的服务.为此以中国科学技术大学校园百科建设为背景,重点介绍了校园百科平台建设中所涉及的关键技术(层次多标签分类、智能搜索和协同过滤标签推荐),并展示了校园百科平台的设计架构和主要功能,最后简要介绍了我校校园百科的使用评估.
展开更多
关键词
校园百科
层次多
标签
分类
全文检索
协同
过滤
标签
推荐
在线阅读
下载PDF
职称材料
题名
基于异常检测的标签噪声过滤框架
被引量:
2
1
作者
许茂龙
姜高霞
王文剑
机构
山西大学计算机与信息技术学院
计算智能与中文信息处理教育部重点实验室(山西大学)
出处
《计算机科学》
CSCD
北大核心
2024年第2期87-99,共13页
基金
国家自然科学基金(U21A20513,62076154,61906113)
山西省高等学校科技创新项目(2020L0007)。
文摘
噪声是影响机器学习模型可靠性的重要因素,而标签噪声相比特征噪声对模型训练更具决定性的影响。噪声过滤是处理标签噪声的一种有效方法,它不需要估计噪声率,也不需要依赖任何损失函数,然而目前大多数标签噪声过滤算法都会面临过度清洗问题。针对此问题,文中提出了基于异常检测的标签噪声过滤框架,并在此框架下给出了一种自适应近邻聚类的标签噪声过滤算法AdNN(Label Noise Filtering via Adaptive Nearest Neighbor Clustering)。该算法分别考虑分类问题中的每一个类别,把标签噪声检测问题转化成离群点检测问题,识别出每一个类别的离群点,然后根据相对密度去除离群点中的非噪声样本,得到噪声备选集,最后通过噪声因子对噪声备选集中的离群点进行噪声识别和过滤。实验结果表明,在合成数据集和公开数据集上,所提噪声过滤方法可以减轻过度清洗现象,同时能够得到很好的噪声过滤效果和分类预测性能。
关键词
标签
噪声
过滤
离群点检测
自适应k近邻
相对密度
噪声因子
Keywords
Label noise filtering
Outlier detection
Adaptive k-nearest neighbors
Relative density
Noise factor
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
基于四部图的协同过滤推荐算法比较研究
2
作者
牟斌皓
张智恒
张林
闵帆
机构
西南石油大学计算机科学学院
西南石油大学理学院
出处
《计算机科学与探索》
CSCD
北大核心
2017年第6期875-886,共12页
基金
国家自然科学基金No.61379089
四川省教育厅自然科学基金No.16ZA0060~~
文摘
推荐系统通常利用商品属性、用户信息以及用户对商品的已有评分来获取用户或者商品之间的相似度,进而预测未知评分。构造了关于这些信息的四部图,然后根据图中不同部分的组合获得了10类推荐算法,并比较了它们的时间复杂度。前两类算法基于用户与商品之间的关系,为经典的协同过滤算法。中间4类算法以用户或商品为中心,利用相应的标签信息进行相似度的计算并预测评分。后4类算法为中间4类算法的部分拓展,进一步考虑了评分信息。以MAE(mean absolute error)和RMSE(root-mean-square error)为评价指标,在两个Movie Lens数据集上的测试结果表明,商品之间的相似度比用户之间的相似度更可靠,商品标签也比用户标签更有用,而且某些信息的简单线性组合可以提高推荐质量。
关键词
推荐系统
协同
过滤
四部图
协同
过滤
标签
Keywords
recommender system
collaborative filtering
quadripartite graph
collaborative filtering tag
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
基于社会标注的Web服务语义自动浮现方法
被引量:
8
3
作者
宁达
何克清
彭蓉
冯在文
刘建晓
李征
机构
武汉大学软件工程国家重点实验室
出处
《计算机学报》
EI
CSCD
北大核心
2011年第12期2414-2426,共13页
基金
国家"九七三"重点基础研究发展规划项目基金(2007CB310801)
国家自然科学基金(60970017)
+5 种基金
湖北省杰出青年基金(2009CDA148)
武汉市科技局晨光计划(200950431189)
教育部博士点基金新教师项目(20090141120020)
中央高校基本科研业务费专项基金(武汉大学)(6082008
3101032
20102110101000119)资助~~
文摘
社会化标注已经成为当前Web2.0时代流行的资源识别和管理方法.针对当前Web服务语义描述能力不足的问题,提出一种基于多维度的Web服务语义社会标注方法.在社会标注模型的指导下,利用涉众的广泛参与性,从推荐标签集、候选标签集以及自由标签集3种集合中选取若干个标签对服务进行社会标注;同时从服务的功能语义、非功能语义、目标语义、交互语义和补充语义5个维度建立服务语义社会标注框架,给出具体标注类型,将其分为机器标注和群体标注,利用群体智能,对机器标注的服务语义进行修正和完善,提高Web服务语义描述的完整性(即服务标签的语义覆盖率).进而作者提出了一种服务语义自动浮现方法,结合服务语义维度优先级,并根据标签出现频率以及服务属性类型优先级对标签进行排序,使得Web服务能够呈现大众用户认可的语义信息,提高Web服务语义描述的准确性(即服务标签的有效使用率),为后期准确发现Web服务奠定基础.最后通过实验分析,验证上述方法在提高服务语义描述能力方面的实用性和有效性.
关键词
社会标注
WEB服务
标签过滤
标签
排序
标签
推荐
语义浮现
Keywords
social tagging
Web services
tags filtering
tags sorting
tags recommendation
semantic emergence
分类号
TP313 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
基于知识推荐的校园百科平台研究
被引量:
1
4
作者
任敏
许玲
王峰
吴超
机构
中国科学技术大学网络信息中心
出处
《中国科学技术大学学报》
CAS
CSCD
北大核心
2020年第8期1072-1076,共5页
文摘
2018年中国科学技术大学推出“校园百科”项目,旨在利用智能化技术实现校园文化积累与推广的新途径.“校园百科”的推出是以建设校园文化积累的知识库和校园文化分享平台为目的,用于鼓励师生积极参与校园文化建设,并为师生提供文化信息智能化检索和个性推荐的服务.为此以中国科学技术大学校园百科建设为背景,重点介绍了校园百科平台建设中所涉及的关键技术(层次多标签分类、智能搜索和协同过滤标签推荐),并展示了校园百科平台的设计架构和主要功能,最后简要介绍了我校校园百科的使用评估.
关键词
校园百科
层次多
标签
分类
全文检索
协同
过滤
标签
推荐
Keywords
campus encyclopedia
hierarchical multi-label classification
full-text search
tag-based collaborative filtering recommendation
分类号
TP391.3 [自动化与计算机技术—计算机应用技术]
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
基于异常检测的标签噪声过滤框架
许茂龙
姜高霞
王文剑
《计算机科学》
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
2
基于四部图的协同过滤推荐算法比较研究
牟斌皓
张智恒
张林
闵帆
《计算机科学与探索》
CSCD
北大核心
2017
0
在线阅读
下载PDF
职称材料
3
基于社会标注的Web服务语义自动浮现方法
宁达
何克清
彭蓉
冯在文
刘建晓
李征
《计算机学报》
EI
CSCD
北大核心
2011
8
在线阅读
下载PDF
职称材料
4
基于知识推荐的校园百科平台研究
任敏
许玲
王峰
吴超
《中国科学技术大学学报》
CAS
CSCD
北大核心
2020
1
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