面向服务聚类的短文本优化主题模型

为了获取高质量的隐式主题结果,提高服务聚类精度,解决服务描述文档文本短带来的语义稀疏性与噪声问题,提出词向量与噪声过滤优化的词对主题模型(BTM-VN).该模型以词对为基础,拓展服务描述文档,获取额外的语义信息,设计利用主题分布信息进行代表词对概率计算的策略,通过在采样过程中计算代表词对矩阵,提高代表词对在当前主题的权重,降低噪声词对服务描述文档主题获取的干扰.利用词向量筛选待训练的词对集合,减少共现意义低的词对组合,解决词对主题模型耗时较长的问题.使用优化的密度峰值聚类算法对经BTM-VN训练后的服务主题分布矩阵进行聚类.实验结果表明,基于BTM-VN的服务聚类方法在3种聚类评价指标上的表现均优于传统的服务聚类算法.

基于超图卷积神经网络的多行为感知服务推荐方法

针对现有服务推荐方法中高阶服务特征提取不够充分的问题,提出基于超图卷积神经网络的多行为感知服务推荐方法(MBSRHGNN).该方法根据服务交互类型和服务组合信息构建多重超图,基于谱分解理论和多重超图的功能结构特性以设计双通道超图卷积网络.利用切比雪夫多项式近似超图卷积核来降低计算复杂度;在超图卷积过程中,结合多行为推荐方法和自注意力机制度量多行为交互之间的重要性差异,提出HG-DiffPool超图池化方法来降低特征维度;通过融合服务嵌入向量和超图信号,学习不同服务的推荐概率分布;爬取真实服务数据,构造不同稀疏度的数据集进行实验.实验结果表明,所提的MBSRHGNN服务推荐方法能够适应数据高度稀疏的推荐场景,并且在推荐精确度和相关性上的表现优于现有基线方法.

猫跟鸭子交朋友

有一天夜晚，小猫出去玩，小鸭子一不小心碰到了小猫身上。小鸭子有礼貌地说：“对不起!”小猫说：“没关系!”小猫见小鸭子这么有礼貌，就说：“我们交个朋友吧。”小鸭子说：“好吧。”可是已经很晚了，小猫要回家了。就说：“咱们明天再握手吧。”小鸭子说：“好吧。”第二天，小猫来到小鸭子的家，小鸭子写了一封信，上面写着：“为了我们握手，

星球打架

“特大新闻，特大新闻!”我剐打开电视机，就听见中央台的主持人吼道。我扭过头吃惊地注视着电视机，一行醒目的字——“特大新闻”印人我的眼帘。我全神贯注地听着，希望早点知道那个所谓的“特大新闻”究竟指的是什么。