-
题名归类不确定情景下特征推理的综合条件概率模型
被引量：10
- 1
-
-
作者
王墨耘
莫雷
-
机构
华南师范大学心理学系
-
出处
《心理学报》
CSSCI
CSCD
北大核心
2005年第4期482-490,共9页
-
基金
教育部人文社会科学研究项目(01JAXLX001)
全国教育科学十五规划国家一般项目。
-
文摘
用大学生被试,通过三个实验探讨在集中呈现类别成员样本信息的归类不确定情景下的特征推理。实验结果表明,单纯的归类确定性程度和靶类别靶特征的代表性并不直接影响被试的特征推理,而是预测特征相对于目标特征的综合条件概率直接影响被试的特征推理;特征推理不是基于类别中介的间接推理,而是基于特征关联综合条件概率的直接推理。实验结果支持作者提出的预测特征综合条件概率模型。
-
关键词
归类
特征推理
贝叶斯分析
单类说
预测特征综合条件概率模型
-
Keywords
categorization, feature reasoning, Bayesian analysis, single category explanation, the overall conditionalprobability model of prediction features
-
分类号
B842
[哲学宗教—基础心理学]
-
-
题名一种空间上下文感知的提及目标推荐方法
被引量：5
- 2
-
-
作者
汤小月
周康
王凯
-
机构
武汉轻工大学数学与计算机学院
武汉大学计算机学院
-
出处
《软件学报》
EI
CSCD
北大核心
2020年第4期1189-1211,共23页
-
基金
国家自然科学基金(61502362,61401319,61179032)
湖北省自然科学基金(2015CFA061,2019CFB250)。
-
文摘
作为一种新兴的社交媒体用户交互服务,提及机制(mention mechanism)正在用户在线交互和网络信息传播方面扮演着重要角色.对用户提及行为的研究能够揭示用户的隐式偏好与其显式行为之间的联系,为信息传播监控、商业智能、个性化推荐等应用提供新的数据支撑.当前,对用户提及机制的探索多集中在其信息传播属性上,缺少从普通用户角度对其用户交互属性的学习.通过对普通用户提及行为的分析和建模构建一个推荐系统,为给定的社交媒体消息生成目标用户推荐.通过对大型真实社交媒体数据集的分析发现,用户的提及行为受其提及活动的语义和空间上下文因素的联合影响.据此,提出一个联合概率生成模型JUMBM(joint user mention behavior model),模拟用户空间关联提及活动的生成过程.通过对用户语义和空间上下文感知的提及行为进行统一建模,JUMBM能够同时发掘用户的移动模式、地理区域依赖的语义兴趣及其对应目标用户的地理聚集模式.此外,提出一种混合剪枝算法,加快推荐系统对在线top-k查询的响应速度.在大型真实数据集上的实验结果表明,所提方法在推荐有效性和推荐效率方面均优于对比方法.
-
关键词
用户提及行为建模
目标用户推荐
空间上下文感知
综合概率模型
社交网络分析
-
Keywords
user mention behavior modeling
target user recommendation
spatial context-aware
joint probabilistic model
social networks analysis
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
