排序方式: 共有6条查询结果,搜索用时 31 毫秒
1
1.
2.
3.
4.
跨项目社会推荐是一种将社交关系整合到推荐系统中的方法。社会化推荐中包含用户-项目交互图和社交网络图,用户是连接这两个图的桥梁,其表示学习对提升社会化推荐的性能至关重要。然而,现有方法主要使用用户或项目的静态属性和社交网络中的显式朋友关系来进行表示学习,用户和项目交互的时序信息及隐式朋友关系未得到充分利用。因此,在社会化推荐中,如何有效利用时序信息和社交信息成为重要的研究课题之一。文中通过建模用户的隐式朋友和项目的社交属性,提出了一种新颖的基于高阶和时序特征的图神经网络社会化推荐算法(Graph Neural Networks Social Recommendation Based on High-order and Temporal Features)模型,简称HTGSR。HTGSR首先利用门控递归单元对基于项目的用户表征进行建模,以反映用户的近期动态偏好,并定义一个高阶建模单元来提取用户的高阶连通特征,挖掘用户的隐式朋友信息;其次利用注意力机制获取基于社交关系的用户表征;然后提出不同的项目社交网络的构建方式,并利用注意力机制来获取项目表征;最后将用户和项目的潜在表征输入到多层感知机,... 相似文献
5.
研究提出了烧结全过程节能减排大气污染物治理的模式和方法,根据物质流和能源流节点特征把烧结工序分成烧结源头系统、过程系统、末端处理系统。采用“双平衡”约束方法进行深度置信网络进行配料-成矿预测模型的训练,实现源头配料的智能控制,通过调整优化燃料配比,从源头上降低燃料消耗及污染物排放。基于深度神经网络进行了风箱负压和温度预测耦合模型的构建,降低了烧结过的程电能消耗。根据源头和过程污染物产生的信息调节末端脱硝还原剂使用量,最终建立了烧结全过程的节能减排智能辅助诊断决策系统。该系统在应用中固体燃料消耗降低18.9%,电能消耗减少21.9%, NOx减少排放43.6%,SO2减少排放14.0%,颗粒物减少20.1%,节能减排效果显著。 相似文献
6.
1