排序方式: 共有75条查询结果,搜索用时 15 毫秒
31.
32.
33.
34.
35.
36.
推荐系统能够根据用户的喜好从海量信息中筛选出其可能感兴趣的信息并进行排序展示。随着深度学习在多个研究领域取得了良好的效果,其也开始应用于推荐系统。目前基于深度学习的推荐排序算法常采用Embedding&MLP模式,只能获得高阶的特征交互。为了解决该问题,DeepFM在上述模式中加入了因子分解机(Factorization Machine,FM),能够实现端到端的低阶与高阶特征交互学习,但其缺乏用户兴趣多样性的表示。鉴于此,通过将多头注意力机制引入DeepFM,提出了深度兴趣因子分解机网络(Deep Interest Factorization Machine Network,DIFMN)。DIFMN能够根据待推荐的不同物品自适应地学习用户表示,展示用户兴趣的多样性。此外,该模型根据用户历史行为的种类添加了喜好表征,从而不仅能够应用于只记录用户爱好的历史行为的任务,还可以处理同时记录用户喜欢与不喜欢的历史行为的任务。采用tensorflow-gpu进行算法的实现,在Amazon(Electronics)和movieLen-20m两个公开数据集上进行对比测试,实验表明所提算法相比DeepFM分别有17.70%和35.24%的RelaImpr提升,验证了其可行性与有效性。 相似文献
37.
随着医学信息化的推进,医学领域已经积累了海量的非结构化文本数据,如何从这些医学文本中挖掘出有价值的信息,是医学行业和自然语言处理领域的研究热点.随着深度学习的发展,深度神经网络被逐步应用到关系抽取任务中,其中"recurrent+CNN"网络框架成为了医学实体关系抽取任务中的主流模型.但由于医学文本存在实体分布密度较高、实体之间的关系交错互联等问题,使得"recurrent+CNN"网络框架无法深入挖掘医学文本语句的语义特征.基于此,在"recurrent+CNN"网络框架基础之上,提出一种融合多通道自注意力机制的中文医学实体关系抽取模型,包括:1)利用BLSTM捕获文本句子的上下文信息;2)利用多通道自注意力机制深入挖掘句子的全局语义特征;3)利用CNN捕获句子的局部短语特征.通过在中文医学文本数据集上进行实验,验证了该模型的有效性,其精确率、召回率和F1值与主流的模型相比均有提高. 相似文献
38.
基于加权词向量和卷积神经网络的新闻文本分类 总被引:1,自引:0,他引:1
在文本分类中,基于Word2Vec词向量的文本表示忽略了词语区分文本的能力,设计了一种用TF-IDF加权词向量的卷积神经网络(CNN)文本分类方法.新闻文本分类,一般只考虑正文,忽略标题的重要性,改进了TF-IDF计算方法,兼顾了新闻标题和正文.实验表明,基于加权词向量和CNN的新闻文本分类方法比逻辑回归分类效果有较大提高,比不加权方法也有一定的提高. 相似文献
39.
文章是对某河流域地表水、地下水、泉水的补排关系,根据地形、地貌,地层岩性的不同,河道流域沿线地表水、地下水相互补排,通过对地下水评价计算,水文分析等工作,由此做出综合评价。经论证,地表水、地下水的补排关系根据河道流域地层岩性、急眼裂隙水等紧密相关。 相似文献
40.
贾真 《中国新技术新产品》2010,(5):198-198
工程建设监理组织机构是一个依据监理委托合同进行统一组织、协调、指导下,按工程项目或部位分别设置的,由多个监理单位组成的工程建设监理体系。他们在服务工作内容上实行着"全过程的监理",可概括地表述为:监理单位在施工合同签订前,主要协助业主单位做好施工招标准备的各项工作;在施工承包合同签订后,监理单位则在业主的委托和授权范围内,以施工承包合同为依据,对工程的施工进行全面的监督和管理,即对所监理工程项目的质量、进度、造价的全面控制,对合同和信息的管理以及对工程项目参与各方进行组织协调工作等。根据本人的实际工作经历,现就如何有效地开展工程建设完工后的监理工作,作进一步探讨。 相似文献