钱付兰
- 作品数：48 被引量：158H指数：7
- 供职机构：安徽大学更多>>
- 发文基金：国家自然科学基金安徽省自然科学基金教育部人文社会科学研究基金更多>>
- 相关领域：自动化与计算机技术文化科学理学电子电信更多>>
- EM最优参数求解的概率粗糙集推荐算法被引量：2
- 2016年
- 推荐系统根据用户对项目的历史评分实施推荐,评分矩阵的稀疏性导致推荐的先验知识不足,降低推荐准确率。粗糙集理论能够利用不完备知识实施有效推理,从而提出了基于人口统计学的概率粗糙集推荐模型,使用概率粗糙集理论划分等价类,降低了评分矩阵稀疏性对推荐结果的影响。使用基于最大期望(expectation maximization,EM)思想的参数求解算法求解参数α和β的最优值,将Pawlak粗糙集的边界域分解到正域或负域中,提升推荐效果。实验结果表明,概率粗糙集模型能够有效提高在评分矩阵非常稀疏情况下的推荐准确率,其在Movie Lens数据集上的推荐准确率最高达到71.42%,覆盖率指标最高达到99.18%。
- 王红张燕平钱付兰陈功平
- 关键词：粗糙集
- 一种局部和全局用户影响力相结合的社交推荐算法被引量：3
- 2015年
- 传统的协同过滤推荐系统认为用户之间的行为相互独立,忽视了用户之间的影响关系.而用户的历史行为数据不同、社交网络关系不同,其相互之间存在的影响力不同.为了分析用户的社交影响力在推荐中所起到的作用,通过历史行为数据和社交网络结构分析用户的局部影响力和全局影响力,分别提出基于局部影响力和基于全局影响力的模型以及两种影响力综合的模型.通过在真实的数据集上的实验表明,与以往方法相比,本文提出的基于影响力的三种模型在推荐精度上有一定提升,且在稀疏的数据集上基于全局影响力的模型和综合模型提升效果比更明显.
- 张燕平张顺钱付兰严远亭
- 关键词：推荐系统社交网络矩阵分解
- 基于局部概率解的免疫遗传影响力最大化算法被引量：2
- 2020年
- 影响力最大化问题是在复杂社会网络中选择一小部分用户在特定传播模型下最大化影响扩散。基于贪心的蒙特卡洛模拟方法在理论上保证近乎最优的解决方案,但算法运行效率很低。虽然已经开发出许多没有理论保证的启发式方法,但都大大降低了解决方案的质量。为解决该问题,提出局部概率解策略计算节点集的影响力,其性能近似于蒙特卡洛模拟,并且提出基于免疫遗传的影响力最大化算法。在4个真实数据集上的实验表明所提算法在解决影响力最大化问题上的高效性。在影响力传播范围上,和当前表现最好的CELF算法有极其相近的性能,且运行效率比CELF算法快大约5个数量级。
- 钱付兰徐涛徐涛赵姝
- 关键词：社会网络蒙特卡洛模拟免疫遗传
- 粒计算与统计学习理论被引量：4
- 2013年
- 互联网信息时代,如何从复杂的数据中进行有目标的数据挖掘是很多领域的一个中心问题。目前针对此问题的方法大多是基于统计学习理论的机器学习方法,并且粒计算在数据挖掘问题中有着广泛的应用。将粒计算方法与统计学习方法相结合,提出了一个更优的粒计算统计学习方法。给出了一个基于粒计算的统计分类算法,并与支持向量机(support vector machine,SVM)、覆盖算法进行了比较,实验表明通过粒化所得到的支持向量求解出的分类结果较优。
- 张铃钱付兰何富贵
- 关键词：统计学习理论粒计算商空间
- 基于语义链接异构信息网络嵌入的专利推荐方法及装置
- 本发明公开了基于语义链接异构信息网络嵌入的专利推荐方法及装置，方法包括：1)、针对专利数据库中的每个专利，将与所述专利的文本相似度最高的、前第一预设数量个顺序次序对应的专利作为语义链接，且所述专利数据库中包括被审查专利；...
- 张燕平李爽陈喜赵姝钱付兰
- 分层递阶的网络结构洞占据者挖掘及分析被引量：2
- 2018年
- 结构洞是在社会网络信息传播中占据重要位置的一类关键节点。据研究,5%的结构洞控制着50%的信息传播。学者们研究了单一粒度网络下结构洞的挖掘方法及分析,然而很多网络存在分层递阶的多粒度结构特性,对分层递阶网络的结构洞挖掘和分析具有现实意义。因此,该文提出了一种分层递阶网络的多粒度结构洞挖掘方法 HI-SH,并对不同粒度下的结构洞进行了分析。在该方法中,首先对网络进行多粒度社团划分,得到每一粒度下网络的社团;然后,根据两级信息传播理论,使用单一粒度下结构洞挖掘算法,挖掘每一粒度下top-k结构洞。在公用数据Topic16和真实数据上进行了实验,结果表明,网络的结构洞是动态变化的,单一粒度下的结构洞排名不能代表整个网络的结构洞排名。
- 崔平平崔平平赵姝陈洁钱付兰张以文
- 关键词：多粒度社团划分
- 一种面向遥感目标检测的混合知识解耦的知识蒸馏算法
- 本发明公开了一种面向遥感目标检测的混合知识解耦的知识蒸馏算法，其中方法包括以下步骤：S1，构建遥感目标检测模型作为用于知识蒸馏的教师模型；S2，对模型进行轻量化处理，形成用于知识蒸馏的学生模型；S3，对边界框信息进行预测...
- 钱付兰洪嘉成张崇浩陈海赵姝
- 基于双重最相关注意力网络的协同过滤推荐算法被引量：7
- 2020年
- 基于项目的协同过滤从用户的历史交互项目中学习用户偏好,根据用户的偏好推荐相似的新项目。现有的协同过滤方法认为用户所交互的一组历史项目对用户的影响是相同的,并且将所有历史交互项目在对目标项目作预测时的贡献看作是相同的,导致这些推荐方法的准确性受限。针对上述问题,提出了一种基于双重最相关注意力网络的协同过滤推荐算法,该算法包含两层注意力网络。首先,使用项目级注意力网络为不同历史项目分配不同的权重来捕获用户历史交互项目中最相关的项目;然后,使用项目交互级注意力网络感知不同历史项目与目标项目之间的交互关联度;最后,通过两层注意力网络的使用来同时捕获用户在历史交互项目上和目标项目上的细粒度偏好,从而更好地进行下一步推荐工作。在MovieLens和Pinterest两个真实数据集上进行实验,实验结果表明,所提算法在推荐命中率上与基准模型基于深度学习的项目协同过滤(DeepICF)算法相比分别提升了2.3个百分点和1.5个百分点,验证了该算法在为用户进行个性化推荐上的有效性。
- 张文龙张文龙钱付兰赵姝陈洁
- 关键词：推荐系统协同过滤隐式反馈
- 基于卷积神经网络交互的用户属性偏好建模的推荐模型被引量：2
- 2022年
- 潜在因子模型(LFM)以其优异的性能在推荐领域得到了广泛应用。在LFM中除了使用交互数据以外,辅助信息也被引入用于解决数据稀疏的问题,从而提升推荐的性能。然而,大多数LFM仍然存在一些问题:第一,LFM在对用户进行建模时,忽略了用户如何根据其特征偏好对项目作出决策;第二,采用内积的特征交互假设特征维度之间是相互独立的,而没有考虑到特征维度之间的关联。针对上述问题,提出一种新的推荐模型:基于卷积神经网络(CNN)交互的用户属性偏好建模的推荐模型(UAMC)。该模型首先获得用户的一般偏好、用户属性和项目嵌入,然后将用户属性和项目嵌入进行交互,以探索用户不同的属性对不同项目的偏好;接着将交互过的用户偏好属性送入CNN层来探索不同偏好属性的不同维度的关联,从而得到用户的属性偏好向量;接着使用注意力机制结合用户的一般偏好和CNN层得到的属性偏好,从而获得用户的向量表示;最后采用点积来计算用户对项目的评分。在Movielens-100K、Movielens-1M和Book-crossing这三个真实的数据集上进行了实验。实验结果表明,所提模型在均方根误差(RMSE)上与稀疏数据预测的神经网络分解机(NFM)模型相比分别降低了1.75%、2.78%和0.25%,验证了在LFM的评分预测推荐中,UAMC在提升推荐精度上的有效性。
- 潘仁志钱付兰赵姝赵姝
- 关键词：用户偏好卷积神经网络特征交互
- 一种基于多元数据分析的高校评价系统
- 本发明公开了一种基于多元数据分析的高校评价系统，包括：训练模型构建模块，数据获取模块，话题主题分类模块，评论情感分类模块，标签生成模块，数据管理模块，数据可视化模块，如此，充分考虑高校话题信息特点，构建了一个高效的、稳定...
- 钱付兰乔嘉琪赵姝
- 文献传递
