公共文化服务平台

基于Web挖掘的多路径分割聚类算法的研究: 杨厚群邱钊靳婷雷景生; 该项目是海南省自然科学基金项目，项目号为807020。该项目提出了基于Web访问信息挖掘的路径划分模糊聚类算法，实现个性化推荐。算法利用了路径聚类方法聚类具有顺序访问特性的浏览路径，通过关联规则发现方法得到每一个用户分类...; 关键词：; 关键词：WEB挖掘

基于上下文与面向社会媒体的信息推荐方法研究: 随着互联网技术的发展，人们使用网络的方式发生了显著的变化。由互联网用户自身行为产生的数据量呈现爆炸性的增长。面对如此庞大的资源，使得想要为用户准确、快速地找到感兴趣的内容变得越来越有挑战性。传统的搜索引擎Yahoo!()...; 靳婷; 关键词：推荐系统上下文信息社会媒体搜索性能

基于语义增强的多模态情感分析: 2023年; 多模态情感分析是自然语言处理领域的重要任务,模态融合是其核心问题。以往的研究没有区分各个模态在情感分析中的主次地位,没有考虑到不同模态之间的质量和性能差距,平等地对待各个模态。现有研究表明文本模态往往在情感分析中占据主导地位,但非文本模态包含识别正确情感必不可少的关键特征信息。因此,本文提出一种以文本模态为中心的模态融合策略,通过带有注意力机制的编解码器网络区分不同模态之间的共有语义和私有语义,利用非文本模态相对于文本模态的2种语义增强补充文本特征,实现多模态的联合鲁棒表示,并最终实现情感预测。在CMU-MOSI和CMU-MOSEI视频情感分析数据集上的实验显示,本方法的准确率分别达到87.3%和86.2%,优于许多现有的先进方法。; 郭嘉梁靳婷; 关键词：情感分析

基于改进蚁群算法求解连续空间寻优问题被引量：11: 2013年; 蚁群算法是近几年优化领域中出现的一种启发式仿生类并行智能进化算法,并在离散空间领域中得到广泛应用,但在求解连续空间优化问题方面的研究相对较少。为了克服蚁群算法在连续空间中搜索时间过长等缺点,在原有的连续空间寻优方法的基础上,提出了一种用于求解连续空间寻优问题的改进蚁群算法。针对各子区间内的总信息量及应有的蚁数的求解方式进行改进,引入一个随迭代次数增加而变化的函数,以提高改进后蚁群算法的收敛速度。仿真实验表明,提出的基于信息量分布函数的改进蚁群算法较有关文献的算法有更好的收敛性能,从而为蚁群算法求解这类问题提供了一种可行有效的新方法。; 黄敏靳婷钟声马玉春; 关键词：蚁群算法

一种基于CWAM的非对称GM多模态融合显著性检测方法及系统: 本发明公开了一种基于CWAM的非对称GM多模态融合显著性检测方法及系统，包括，采集图像数据进行预处理，形成样本数据集；基于深度学习策略构建卷积神经网络模型，输入样本数据集进行训练，获得显著性检测图；将训练完成的显著性检测...; 靳婷张欣悦; 文献传递

多种推荐模式的电子商务推荐系统研究: 邱钊杨厚群黄俊钟声陈静符发靳婷; 该课题在总结各种主流推荐算法的优缺点基础上，提出基于用户身份的多种推荐模式的电子商务推荐系统框架模型，并详细描述了各种组成模块的内容及功能，以及系统的工作流程。基于该框架模型，提出以“有无注册”、“有无浏览历史记录”和“...; 关键词：; 关键词：电子商务推荐系统

基于注意力机制的图像分类降维方法被引量：10: 2021年; 卷积算子是卷积神经网络的核心构造块,它根据一定的感受视野,融合卷积神经网络各层与不同通道之间的信息,提取出原始图像特征。然而图像中的相邻像素往往具有相似的值,导致卷积层的输出包含大量冗余信息。为了减少冗余信息,加快模型推理速度,神经网络中会加入池化层进行信息降维。对比传统降维方法,池化本身具有平移和旋转不变性,对图像特征的降维效果更好,并能维持模型是端到端的。利用这样的特性,本文提出一种基于注意力机制的降维方法。在特征提取过程中非线性地复用神经网络各层降维后的特征信息,使网络能学习到它们之间的潜在联系,另外,在降维时优先关注图像中目标的主要纹理,并结合该目标的弱纹理信息进行融合,能得到降维后的特征信息。基于DLA-34(deep layer aggregation)神经网络,将本文提出的降维方法与基于最大值、基于均值等池化方法在CIFAR10与CIFAR100数据集上设计多组对比实验,证明该方法的有效性。; 邓文轩杨航靳婷; 关键词：图像分类卷积神经网络

一种基于CWAM的非对称GM多模态融合显著性检测方法及系统: 本发明公开了一种基于CWAM的非对称GM多模态融合显著性检测方法及系统，包括，采集图像数据进行预处理，形成样本数据集；基于深度学习策略构建卷积神经网络模型，输入样本数据集进行训练，获得显著性检测图；将训练完成的显著性检测...; 靳婷张欣悦

基于分级神经网络的Web文档模糊聚类技术被引量：6: 2006年; 给出了一种多层向量空间模型,该模型将一篇文档的相关信息从逻辑上划分为多个相对独立的文本段,按照不同位置的文本段确定相应的索引项权重.然后提出了一种简明而有效的基于分级神经网络的模糊聚类算法.与现有方法不同,该模糊聚类方法采用自组织神经网络和模糊聚类网络两部分组成的3层神经网络来实现.首先采用自组织神经网络从原始数据产生一个初始聚类结果,然后运用FCM方法对初始聚类的数目进行优化.实验结果表明,提出的Web文档聚类算法具有较好的聚类特性,它能将与一个主题相关的Web文档较完全和准确地聚成一类.; 雷景生马军靳婷; 关键词：向量空间模型文档聚类自组织网络

基于模糊相关的Web信息检索技术研究: 雷景生张晋冯文龙靳婷谭毓银符发; 针对Web信息检索的特点，提出了一种多层向量空间模型。该模型将一篇文档的相关信息从逻辑上划分为多个相对独立的文本段，按照不同位置的文本段确定相应的索引项权重，并给出了该模型的相似度计算方法。实验表明，将该模型应用于Web...; 关键词：; 关键词：信息检索模糊聚类算法

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

靳婷