-
题名基于最大信息系数的贝叶斯网络结构学习算法
被引量：4
- 1
-
-
作者
曾千千
曾安
潘丹
杨海东
邓杰航
-
机构
广东工业大学计算机学院
广州市本真网络科技有限公司
中油管道物资装备总公司
-
出处
《计算机工程》
CAS
CSCD
北大核心
2017年第8期225-230,共6页
-
基金
国家自然科学基金(61300107)
广东省自然科学基金(S2012010010212)
-
文摘
在引入最大信息系数的基础上,提出一种改进的贝叶斯网络结构学习算法。在给定数据集的条件下,基于最大信息系数对变量间的关联度进行检测,根据筛选因子和关联度构造贝叶斯网络的初始化结构,并结合贪婪算法对初始网络结构进行局部优化,将局部最优解进行整合形成全局最优解,生成最终的网络结构。在Asia和Car基准网络上的实验结果表明,与基于传统贪婪算法、随机K2算法的贝叶斯网络结构学习算法相比,该算法可以学习到与基准网络更相近的贝叶斯网络结构,并且具有较高的正确边均值和分类准确率。
-
关键词
贝叶斯网络
结构学习
最大信息系数
关联度
贪婪算法
-
Keywords
Bayesian Network （BN）
structure learning
Maximal Information Coefficient （MIC）
relevancy
greedy algorithm
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于项目候选集的协同过滤算法
被引量：1
- 2
-
-
作者
曾安
谢杰民
潘丹
-
机构
广东工业大学计算机学院
广州市本真网络科技有限公司
-
出处
《计算机应用研究》
CSCD
北大核心
2016年第12期3620-3624,共5页
-
基金
国家自然科学基金资助项目(61300107)
广东省自然科学基金资助项目(S2012010010212)
+1 种基金
广州市科技计划资助项目(201504301341059
201505031501397)
-
文摘
针对协同推荐技术中的数据稀疏性等问题,提出了一种新颖的协同过滤算法。该算法在用户相似的协同过滤基础之上,引入用户之间的非对称影响度和支持度,提出项目候选集的概念。并且,该算法利用项目信息熵对未评分项目集合进行二次修正,得到候选项目集合,进而提高算法的准确率。基于Movie Lens和Netflix数据集的实验表明,相比目前多个比较流行的算法,该算法在推荐结果的准确率、召回率和F_1值上都具有较大的优势,有效地降低了用户评分稀疏性问题带来的负面影响,显著提高了推荐系统的推荐质量。
-
关键词
协同过滤
候选集
非对称性
推荐系统
支持度
-
Keywords
collaborative filtering
candidate items
asymmetric
recommender system
support level
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
