您的位置: 专家智库 > >

朱琛

作品数:2 被引量:163H指数:2
供职机构:中国科学技术大学计算机科学与技术学院更多>>
发文基金:国家自然科学基金国家科技支撑计划安徽省高校省级自然科学研究项目更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 1篇社会
  • 1篇社交
  • 1篇社交媒体
  • 1篇情感分析
  • 1篇主题模型
  • 1篇协同过滤
  • 1篇协同过滤推荐
  • 1篇协同过滤推荐...
  • 1篇媒体
  • 1篇矩阵
  • 1篇矩阵分解
  • 1篇分析模型
  • 1篇词序

机构

  • 2篇中国科学技术...
  • 1篇淮南师范学院

作者

  • 2篇朱琛
  • 1篇刘淇
  • 1篇孙光福
  • 1篇陈恩红
  • 1篇吴乐
  • 1篇刘义红

传媒

  • 1篇计算机工程与...
  • 1篇软件学报

年份

  • 1篇2015
  • 1篇2013
2 条 记 录,以下是 1-2
排序方式:
一种基于词序的社会情感演变分析模型被引量:2
2015年
提出了一种基于词序的社会情感演变分析模型(BTMESE),模型通过引入文档中词与词之间的前后关联性,以期有效地揭示时间、文本、情感三种信息之间的潜在联系,进而追踪社会情感演变趋势,进一步提高情感分析的准确率。该模型可应用于情感预测、时间预测等领域。通过在真实世界的数据集上进行验证,结果证明该模型简单有效,能够较好地进行社会情感分析。
刘义红朱琛祝恒书
关键词:词序情感分析社交媒体主题模型
基于时序行为的协同过滤推荐算法被引量:161
2013年
协同过滤直接根据用户的行为记录去预测其可能喜欢的产品,是现今最为成功、应用最广泛的推荐方法.概率矩阵分解算法是一类重要的协同过滤方式.它通过学习低维的近似矩阵进行推荐,能够有效处理海量数据.然而,传统的概率矩阵分解方法往往忽略了用户(产品)之间的结构关系,影响推荐算法的效果.通过衡量用户(产品)之间的关系寻找相似的邻居用户(产品),可以更准确地识别用户的个人兴趣,从而有效提高协同过滤推荐精度.为此,提出一种对用户(产品)间的时序行为建模的方法.基于该方法,可以发现对当前用户(产品)影响最大的邻居集合.进一步地,将该邻居集合成功融合到基于概率矩阵分解的协同过滤推荐算法中.在两个真实数据集上的验证结果表明,所提出的SequentialMF推荐算法与传统的使用社交网络信息与标签信息的推荐算法相比,能够更有效地预测用户实际评分,提升推荐精度.
孙光福吴乐刘淇朱琛陈恩红
关键词:协同过滤
共1页<1>
聚类工具0