分布式朴素贝叶斯算法在文本分类中的应用

传统串行贝叶斯算法在对大规模数据进行分类时,性能较低下.为此,在TFIDF(词频-逆向文件频率)特征加权基础上,提出ICF(逆类别因子)类别加权因子,对传统贝叶斯分类模型进行改进.利用MapReduce并行计算框架在处理海量数据方面的优势,设计并实现了一种对TFIDF改进的分布式朴素贝叶斯文本分类算法.实验结果表明,与传统分布式朴素贝叶斯算法和TFIDF加权的分布式朴素贝叶斯算法相比,改进后的分类算法在查准率、查全率、F-measure等方面都有了较大提高.     

基于用户多属性与兴趣的协同过滤算法*

传统的协同过滤算法广泛应用于推荐系统领域,但该算法仍存在用户冷启动和数据稀疏性问题,造成算法的推荐质量较差。对此,提出一种基于用户多属性与兴趣的协同过滤算法AICF(Attributes and Interests Collaborative Filtering)。首先通过对多种用户属性分配权重计算出用户多属性相似度。其次利用改进的Slope One算法填充用户-项目评分矩阵,然后计算基于隐性标签的用户兴趣相似度。最后基于两种相似度的组合进行推荐。实验结果表明,AICF算法不仅明显提高了推荐结果的准确性,同时也解决了用户冷启动和数据稀疏性问题。     

用N235从盐酸溶液中萃取Fe3+

研究了用N235从盐酸溶液中萃取Fe~(3+),考察了有机相组成、溶液pH、相比、Fe~(3+)浓度对第三相形成的影响。结果表明:以33%N235+67%煤油的混合物为萃取剂条件下,Fe~(3+)萃取率随溶液pH和相比(Vo/Va)增大而降低、随Fe~(3+)浓度升高而升高;萃合物主要集中在第三相;N235萃取HCl生成R_3NH~+·Cl~-的同时水也进入第三相,而N235萃取FeCl4-时没有水进入第三相;萃合物的组成为3R_3NH+·FeCl_4~-·2H_2O。当溶液pH≥1时,少量Fe~(3+)可能以水解产物形式被萃取。