基于图卷积的双通道协同过滤推荐算法

在推荐系统中,利用图卷积网络等方法提取图的高阶信息缓解了冷启动问题。为了在此基础上融合神经网络协同过滤的深层特征提取能力,提出一种基于图卷积的双通道协同过滤推荐算法(GCNCF-2C)。首先,将推荐问题分为上游任务和下游任务;其次,在上游任务中,预训练编码器利用包含残差的一维卷积层和多个图卷积层在两个独立通道中对节点特征和图高阶特征进行分离提取,形成节点的特征表示;最后,解码器通过节点特征进行评级预测,进行端到端的训练。在数据集MovieLens-100k和MovieLens-1M上的实验表明,该算法相比于基线模型在两个数据集上的RMSE指标平均提高1.72%和1.76%,MAE指标平均提高2.7%和1.98%,同时在基于用户和项目的冷启动实验中RMSE指标平均提高5.9%,具有更好的综合性能。

基于大数据技术的农业决策信息挖掘系统设计

在乡村振兴战略背景下,针对农业生产者、消费者及政府政策制定者之间,存在信息不对称和信息传递滞后性的问题,以及农业数据的分散化问题,以农业数据特征和大数据技术特点为研究对象,提出了一套农业决策信息挖掘系统。首先,该系统通过数据库设计对多源异构数据进行整合,打通了不同数据之间的壁垒,并基于前后端分离的系统开发方案,为农业生产者和消费者提供决策支持;其次,该系统利用长短期记忆网络(LongShort-TermMemory,LSTM)等大数据处理技术,对序列农业数据进行深度学习趋势预测,挖掘农业数据的潜在信息,并设计了在Web平台中融合数据处理技术的具体应用方案。分析结果表明,该系统能够帮助农业生产者和消费者充分发掘农业数据中的潜在价值。

融合Savitzky-Golay滤波器的TCN-SA-BiGRU风电功率预测

陆上风力发电作为主流清洁能源发电方式之一,预测其发电功率也是目前研究热点问题。本文提出融合Savitzky-Golay滤波器与基于自注意力机制的TCN-BiGRU风电功率预测模型。利用Savitzky-Golay滤波器对风电功率及相关特征数据进行降噪,随后将数据输入进由TCN时域卷积神经网络、自注意力机制模块、双向门控循环单元网络所搭建的TCN-SA-BiGRU模型中,这些模块能够更深、更快挖掘数据特征。最终预测结果显示,融合了Savitzky-Golay滤波器的模型能够有效对数据降噪,并且相较于传统单一神经网络等模型,本模型的预测性能更高。