基于偏好融合的群组推荐研究

传统的推荐系统主要针对单个用户,但随着社会和电子商务的快速发展,人们越来越多地以多个用户的形式一起参与活动,而群组推荐旨在为多个用户组成的群组提供服务,已成为当前研究的热点之一.针对目前群组推荐准确率低,群组成员之间偏好冲突难以融合的问题,本文提出了一种新的共识模型策略,融合了群组领袖影响因子和项目热度影响因子,基于K近邻为目标群组寻找邻居群组,借鉴邻居群组的偏好,设计了基于偏好融合的群组推荐算法.在MovieLens数据集上的实验结果表明,本文所提的融合策略较传统的偏好融合策略有着更优越的表现,推荐准确率（nDCG）的总体平均性能约提高13%,推荐列表多样性指标的总体平均性能约提高10%.     

基于深度学习的个性化新闻推荐

由于网络上每天有海量的新闻报道产生,新闻推荐已经成为减轻用户信息负载、实现个性化新闻信息获取的重要途径,并被广泛用于新闻网站和新闻APP中以提升用户体验.不同于传统的商品推荐,在新闻推荐中新的新闻文章产生速度很快,而且新闻的语义信息需要结合整体新闻文本去理解,给传统的基于ID和基于特征的推荐算法带来了很大的挑战.此外,用户的新闻阅读兴趣存在高度多样性和动态性的特点,使得准确的用户建模变得非常困难.本文介绍了一些基于深度学习的个性化新闻推荐算法,并探讨了新闻推荐未来的一些可行的方向.     

推荐系统中物品召回技术的研究进展

信息技术的快速发展导致信息过载.推荐系统是解决信息过载最有效的方式之一.近年来,深度学习的快速发展也带动了推荐系统的进步,各种深度推荐算法层出不穷.然而由于候选物品数量巨大且用户兴趣动态变化,深度推荐算法的推荐复杂度巨大,难以在实际系统中单独使用.在深度推荐技术发展的同时,物品召回技术（也称近似搜索技术）也有了较大的发展与进步.本文先介绍基于距离最小化的物品召回的研究进展,再从向量索引、局部敏感哈希、哈希学习、向量量化四个方面来深入探讨基于内积最大化的物品召回技术的研究进展.     

基于多模态的音乐推荐系统

使用传统协同过滤的方式进行推荐往往会忽视音乐底层特征.通过将音乐的音频特征与歌词信息进行多模态融合,并将融合后的特征信息作为协同过滤推荐的补充,提出了一种基于多模态的音乐推荐系统.主要探讨了音频特征与歌词信息的提取,并在提取歌词信息时利用LDA主题模型进行特征降维.针对多模态融合问题,使用一种特征级联早融合法（EFFC）融合方式,并将多模态融合后的结果与单模态结果进行了比较.对于结果的推荐,以多模态特征信息为依据建立用户兴趣模型,并将该模型通过LSTM神经网络,以过滤与优化协同推荐的用户组.结果表明,基于多模态的音乐推荐系统将推荐结果的误差项平方和（SSE）由传统的2.009降至0.388 6,验证了该方法的有效性.     

一种基于三部图网络的协同过滤算法

推荐系统是电子商务领域最重要的技术之一,而协同过滤算法又是推荐系统用得最广泛的.提出了一种基于加权三部图网络的协同过滤算法,用户、产品及标签都被考虑到算法中,并且研究了标签结点的度对用户相似性计算的影响.实验结果表明,此算法在解决用户冷启动问题的同时,还具有较高的推荐准确性.     

基于改进混合蛙跳算法的个性化旅游路线推荐

大众在旅游途中期望获得开销低、行程方便、舒适度高的旅游体验,同时还具有历史人文、自然景观、美食购物等不同游览需求.因此,本文提出了一种基于改进混合蛙跳算法的个性化旅游路线推荐方法.首先建立个性化旅游路线推荐问题的优化模型,并针对该模型的特点,设计改进混合蛙跳算法.通过调整可控精度,增加筛选准则和及时处理异常解等策略增强群体的多样性,降低遗漏最优解的风险,强化局部搜索能力,并提高算法的求解精度.以南京三日游个性化旅游路线推荐问题作为实例,收集南京市内知名景点的门票价格、开放时间、不同出行方式所需的时间和花费情况以及食宿费用等相关数据,基于改进混合蛙跳算法进行求解.实验结果表明,与改进前的方法相比,所提改进方法能够获取更优的路径解,推荐的路线能够更好地满足用户的个性需求.     

基于C/S模式的气象资料自动下载系统

我国各级气象台站主要应用PCVSAT单收站系统接收气象卫星广播资料,单收站系统一但发生故障就会影响气象资料的正常接收,导致气象资料缺失。为了确保在单收站设备发生故障时也能及时、完整地接收气象资料,应用计算机编程技术开发了一套气象资料自动下载系统。系统基于现代化的宽带网络传输体系,采用客户机/服务器(C/S)模式构建,当单收站系统发生故障时,应用该系统可以及时、快速、完整地补全缺失的气象资料,没有安装单收站的气象资料用户也可以应用该系统实时接收气象资料。     

基于深度学习改进数值天气预报模式和预报的研究及挑战

随着高分辨率数值天气模式以及新一代地球观测系统的发展,气象领域的数据量在迅速增加,为天气和气候的理论研究和业务应用提供了丰富的信息,同时也对传统的数据处理方法及天气分析和预报技术带来了新的挑战.深度学习具有从大量的高维时空分布气象数据中提取复杂时空特征的能力,且具备计算效率高、可迁移性强、协同性和灵活性优的特点.目前深...     

基于卫星资料同化和LAPS-WRF模式系统的云天太阳辐射数值模拟改进方法

太阳能光伏发电已成为仅次于水电和风能的第三大可再生能源,光伏发电受云量时空变化的影响较大,因此准确模拟云天太阳辐射的时空变化对电网安全运行至关重要。围绕如何减小中尺度气象模式的云初始场误差,进而改进云天的太阳辐射模拟这一关键科学问题,本文通过研究基于卫星资料同化的LAPS（Local Analysis Prediction System）多时间层三维云分析同化方法,改进三维云结构,并将LAPS模式输出结果作为WRF（Weather Research and Forecasting）模式的初始场,模拟了2008年1月及夏季（6～8月）北京地区的总云量和总辐射的时空分布,重点分析了多云和有降水天气过程总辐射的模拟改进效果及其原因。结果表明,同化前后的总云量模拟值与观测值的时间变化趋势基本一致,但大部分时次总云量的模拟值低于观测值;大部分多云及降水时段同化后总云量模拟值较接近于实测值。1月晴天、多云天以及夏季晴天同化前后总辐射模拟值与实测值的时间变化趋势较一致,但同化前后两者的相关性差异不明显;晴天条件下同化前后总辐射模拟值均低于实测值,1月多云条件下多数时段同化后总辐射模拟误差减小不明显,与总云量的改进效果不显著有关。夏季多云、有降水及6月典型降水三种天气条件下同化前后总辐射模拟值与观测值的相关性稍差,同化后两者的相关性较同化前有所改进,尤其是6月典型降水过程改进效果较明显;同化前总辐射模拟误差较大,而同化后误差显著减小,尤其是6月典型降水过程同化后均方根误差和平均相对误差较同化前分别减小了102.6 W m-2和355.9%,最大相对误差减小更显著;同化后总辐射模拟误差小于同化前的比例高达75%,即大部分时刻同化后模拟误差小于同化前。多云和有降水天气过程总辐射模拟效果的显著改进与总云量的改进密切相关,即同化后总云量模拟值增加,云的反射和散射作用增强,导致模拟总辐射减小,即更接近于实测总辐射值。研究结果对于多云和降水天气条件下太阳辐射的模拟效果改进、太阳能资源客观评估以及光伏电站的发电量预测具有一定的科学和实际应用价值。