目前推荐系统普遍存在长尾问题,导致商品推荐覆盖率低、多样性差,为此提出一种融合有偏随机游走(Node2Vec)和负反馈强化学习的商品推荐算法GES4RL(Graph Embedding with Side Information for Reinforcement Learning)。对商品传播的有...目前推荐系统普遍存在长尾问题,导致商品推荐覆盖率低、多样性差,为此提出一种融合有偏随机游走(Node2Vec)和负反馈强化学习的商品推荐算法GES4RL(Graph Embedding with Side Information for Reinforcement Learning)。对商品传播的有向加权图使用Node2Vec算法学习商品的编码表示;引入门控循环单元(GRU)对用户偏好的动态情况进行建模,并使用基于负反馈强化学习模型计算出长尾商品的最佳推荐策略。在TianChi电商数据集上的实验表明,该算法显著提高了商品推荐的多样性和命中率。展开更多
通过对社会集群信息网络(Social Information Network,SIN)的分析,获取现实世界中特定目标的人际关系和社群结构,是社会集群信息网络研究的一个重要方向。这种研究在刑侦司法领域具有重大意义,能够使办案人员在不进行物理抓捕/监视的情...通过对社会集群信息网络(Social Information Network,SIN)的分析,获取现实世界中特定目标的人际关系和社群结构,是社会集群信息网络研究的一个重要方向。这种研究在刑侦司法领域具有重大意义,能够使办案人员在不进行物理抓捕/监视的情况下描绘出犯罪组织内部结构,进而找到犯罪组织核心成员。文章基于现有取证领域的相关研究,结合机器学习神经网络部分算法,提出一个网络取证工具Vec2Rank-CrimeNet,并以真实的犯罪数据作为实验数据,给出其在解决实际问题时的效果。展开更多
文摘目前推荐系统普遍存在长尾问题,导致商品推荐覆盖率低、多样性差,为此提出一种融合有偏随机游走(Node2Vec)和负反馈强化学习的商品推荐算法GES4RL(Graph Embedding with Side Information for Reinforcement Learning)。对商品传播的有向加权图使用Node2Vec算法学习商品的编码表示;引入门控循环单元(GRU)对用户偏好的动态情况进行建模,并使用基于负反馈强化学习模型计算出长尾商品的最佳推荐策略。在TianChi电商数据集上的实验表明,该算法显著提高了商品推荐的多样性和命中率。
文摘通过对社会集群信息网络(Social Information Network,SIN)的分析,获取现实世界中特定目标的人际关系和社群结构,是社会集群信息网络研究的一个重要方向。这种研究在刑侦司法领域具有重大意义,能够使办案人员在不进行物理抓捕/监视的情况下描绘出犯罪组织内部结构,进而找到犯罪组织核心成员。文章基于现有取证领域的相关研究,结合机器学习神经网络部分算法,提出一个网络取证工具Vec2Rank-CrimeNet,并以真实的犯罪数据作为实验数据,给出其在解决实际问题时的效果。
