基于强化学习DQN的智能体信任增强

信任推荐系统是以社交网络为基础的一种重要推荐系统应用,其结合用户之间的信任关系对用户进行项目推荐.但之前的研究一般假定用户之间的信任值固定,无法对用户信任及偏好的动态变化做出及时响应,进而影响推荐效果.实际上,用户接受推荐后,当实际评价高于心理预期时,体验用户对推荐者的信任将增加,反之则下降.针对此问题,并且重点考虑用户间信任变化过程及信任的动态性,提出了一种结合强化学习的用户信任增强方法.因此,使用最小均方误差算法研究评价差值对用户信任的动态影响,利用强化学习方法deep q-learning(DQN)模拟推荐者在推荐过程中学习用户偏好进而提升信任值的过程,并且提出了一个多项式级别的算法来计算信任值和推荐,可激励推荐者学习用户的偏好,并使用户对推荐者的信任始终保持在较高程度.实验表明,方法可快速响应用户偏好的动态变化,当其应用于推荐系统时,相较于其他方法,可为用户提供更及时、更准确的推荐结果.

不同血液分析仪的群组和个体检测结果一致性分析

目的比较基于大样本的2种血液分析仪检测结果的群组等级与个体等级的一致性,探讨该一致性与年龄、性别因素的个体差异关联。方法采集临床1024份新鲜全血,使用Sysmex XT-1800i全自动血液分析仪和Sysmex XN-10[B3]全自动模块式血液体液分析仪检测24项血常规指标,通过R 4.1.2软件对数据进行统计学分析。结果2种血常规分析仪对10项指标的检测结果差异存在统计学意义(均P<0.001)。校正性别效应后,这2种血常规分析仪检测的指标中,有15项指标均与年龄具有相关性(均P<0.001)。同时,这2种血常规分析仪检测的指标中,有8项指标均存在性别差异(均P<0.001)。此外,校正年龄效应后,Sysmex XT-1800i检测的指标中,有1种与性别具有相关性(P<0.001);Sysmex XN-10[B3]检测的指标中,有3种与性别具有相关性(均P<0.001)。所有样本的个体化一致性为0.9985±0.0036。个体化一致性与年龄不存在显著相关(r=-0.0090,P=0.7747),但该个体一致性存在性别差异(P=1.8565e-04),且男性个体化一致性大于女性。结论不同仪器在相同群体中的血常规检测结果存在一定的均值差异,在个体检测结果中保持很高的一致性,且这种个体一致性存在性别差异。