跨境电商系统用户数据库智能访问方法优化

跨境电商业务的发展迅猛,个性化的用户数据智能访问需求越来越高,传统型跨境电商系统在大规模用户访问时,含有准确性较差,语义匹配和多维索引编码相互结合的方法可实现对数据库智能访问方法的优化。通过构建跨境电商数据模型,可为数据库的智能访问提供模型建设的有效依据。基于此,文章以文献对比法和理论分析法,针对用户数据智能访问中存在的不准确性问题,选取多维索引树编码方式对其进行优化设计,实现对数据库智能化访问。结果得出,采取上述方法,所提方法的查全率较高,且查准率要处于较高的水平。     

雅虎和微软修订搜索合作协议

2015年4月16日,微软和雅虎宣布双方已修订了之前的搜索合作协议,以提升搜索体验,为广告主创造价值,为合作伙伴建立持续稳定性。此次修订主要集中在两个方面。首先,雅虎将获得更大的灵活性,在任何平台上强化搜索体验,因为双方的合作不再是排他性,无论是在PC还是移动平台上。但雅虎将继续为必应(Bing)广告和     

基于微博用户兴趣话题的相似用户挖掘

相似用户挖掘是提高社交网络服务质量的重要途径，在面向大数据的社交网络时代，准确的相似用户挖掘对于用户和互联网企业等都有重要的意义，而根据用户自己的兴趣话题挖掘的相似用户更符合相似用户的要求。提出了一种基于用户兴趣话题进行相似用户挖掘的方法。该方法首先使用TextRank话题提取方法对用户进行兴趣话题提取，再对用户发表内容进行训练，计算出所有词之间的相似度。提出CP（Corresponding Position similarity）、CPW（Corresponding Position Weighted similarity）、AP（All Position similarity）、APW（All Position Weighted similarity）四种用户兴趣话题词相似度计算方法，通过用户和相似用户间关注、粉丝重合率验证相似用户挖掘效果，APW similarity的相似用户的关注/粉丝重合百分比为1.687%，优于提出的其他三种算法，分别提高了26.3%、2.8%、12.4%，并且比传统的文本相似度方法Jaccard相似度、编辑距离算法、余弦相似度分别提高了20.4%、21.2%、45.0%。因此APW方法可以更加有效地挖掘出用户的相似用户。     

石墨烯基防静电聚酯薄膜的制备

利用在线涂布(In-line coating)技术制备石墨烯基防静电聚酯薄膜,防静电剂选择水性石墨烯基分散液,涂布粘合剂选自聚酯、聚氨酯中一种或两种,交联剂选自三聚氰胺、氮丙啶、噁唑啉中一种或两种,粒子选择二氧化硅水分散乳液,表面润湿剂选择非离子型表面润湿剂,制备出具有高透明性、良好收卷性、易粘结性、防静电性能优异的光学聚酯薄膜。     

基于智能手机用户行为习惯的App使用预测算法研究

互联网的发展不仅推动了智能手机的普及,而且涌现了大量的手机App。大量被安装在手机中的应用程序不仅增加了用户寻找App的时间和难度,而且占用了手机大量的内存空间,致使手机卡顿,严重影响了用户体验。利用智能手机用户使用App的行为习惯特征,预测用户将要使用的App,并将其应用到智能手机中用以预加载App和智能清理手机内存是解决上述问题的方法之一。在深入了解PrefixSpan算法和Bayesian网络算法的前提下,考虑智能手机用户对每个App的喜爱程度,将其加入到PrefixSpan算法的剪枝步骤中;采用贝叶斯网络算法整合智能手机用户的App使用记录和App使用时长等特征,提出一套新的预测用户下一个将要使用的App的算法——WAPA(Weighted App Prediction Algorithm)。实验证明,该算法预测准确率最高可达86.3%,较其他算法可提高大约4%。     

智能物联 舒适家居系统升级的重要方向

A.O.史密斯在中国市场始终坚持本土化的管理和本土化的研发,其近年来在舒适家居市场的一系列动作,可以看出,依然是秉承着以用户为中心的原创型创新,在更好满足消费者需求的同时,为行业带来新活力。节能省气看得见,引领采暖系统进入AI智控新时代。近几年,行业一直在推冷凝式产品,但却推广得非常难。从全球市场来看,欧洲之所以冷凝炉得以普及,是因为有政策的引导。     

可重构机器人模块间装配误差识别方法研究

基于对可重构机器人配对接口间位姿误差的分析划分,研制模块间装配误差在线测量识别接口,建立配对接口位姿误差与接口几何结构偏差之间的关系模型,进而建立配对接口位姿误差与配对接口内部测距传感器测量值之间的映射关系模型,提出一种基于内部测距传感器位移量的模块间装配误差在线识别、补偿方法.为验证方法的正确性,研制单关节?连杆试验平台.试验结果表明装配误差经在线识别、补偿后,连杆末端的位置误差平均值减少7倍多.     

基于奖励值RNN和A2C模型的音乐生成

我们提出了一个新的方法—基于奖励值RNN的优势演员-评论家算法(R-A2C)来生成音乐。我们的模型首先使用一个带有注意力机制的RNN模型(Recurrent neural network)预处理数据并将此作为先验策略,然后我们将包含先验策略和用户反馈信息的奖励值RNN增加到A2C(Advantage Actor-Critic)模型中,使得任意用户给定的约束与循环网络的风格相结合,以此来鼓励演员生成更符合用户需求的音乐,实验表明我们的模型取得了预期的效果。