人工智能技术阶段化发展与我国的后发追赶——基于双S曲线的技术演进分析

自改革开放四十多年来,我国在计算机及人工智能技术领域处于后发追赶并逐步向国际技术前沿靠近的状态,并在人工智能技术部分子领域中实现了由跟随者到并行领先的跨越,基本完成了技术追赶过程。为从技术阶段化演变规律中剖析这一过程,本文基于双S曲线方法及人工智能技术专利相关指标,从技术生命周期视角对人工智能技术的发展进行阶段划分,以此为基础回顾我国计算机及人工智能技术发展历程,并对比分析我国与先发国家人工智能技术演化阶段性特征及技术追赶路径,以此为基础简要探讨影响我国计算机与人工智能技术追赶的可能因素,以期为后发国家技术追赶提供一定参考。

多视角提供数字产品预测可靠性的推荐策略研究——基于直觉模糊集的自然噪声检测机制

【目的】考虑原始评分信息的准确性及其预测结果的可靠性,以提升推荐系统的准确性。【方法】从信息输入和输出两方面,设计三种方案为已有推荐算法的预测结果提供可靠性概率。在信息输入方面,借助直觉模糊集理论,提出模糊自然噪声检测机制识别和修正有误评分;在信息输出方面,分别采用二次模糊噪声检测、矩阵分解和深度神经网络获得待预测位置的可靠性概率,并根据设定的可靠性判别条件,识别出不可信的预测评分并对其修正。【结果】在两个公开数据集上的实验结果显示,与原始推荐算法相比,引入所提模糊自然噪声检测方法和三种可靠性方案后的相应方法在F1值和NDCG评估指标上分别最高提升了6.4%和7.2%。【局限】所设计的可信推荐策略不适用于只包含隐式反馈的数据集。【结论】从评估信息可靠性的视角,为提升推荐算法的性能提供了新的解决方案。