基于奇异值分解的个性化评论推荐

针对如何让消费者在海量评论中快速找到自己感兴趣的评论,该文提出了一个基于奇异值分解的个性化评论推荐系统Rev Rec Sys。该方法首先构建了用户-特征矩阵和评论-特征矩阵;然后利用矩阵分解技术把这两个矩阵压缩到隐因子向量空间;最后通过匹配用户的隐因子向量空间和评论的隐因子向量空间实现评论推荐。通过实验,验证了Rev Rec Sys相比现有的方法,可以获得更好的推荐效果。

博弈智能的研究与应用

博弈智能是一个涵盖博弈论、人工智能等方向的交叉领域,重点研究个体或组织间的交互作用,以及如何通过对博弈关系的定量建模进而实现最优策略的精确求解,最终形成智能化决策和决策知识库.近年来,随着行为数据的海量爆发和博弈形式的多样化,博弈智能吸引了越来越多学者的研究兴趣,并在现实生活中得到广泛应用.本文围绕博弈智能这一研究领域,分别从3个方面进行了系统的调研、分析和总结.首先,回顾了博弈智能的相关背景,涵盖了单智能体马尔可夫(Markov)决策过程,基于博弈论的多智能体建模技术,以及强化学习、博弈学习等多智能体求解方案.其次,依照智能体之间的博弈关系不同,将博弈分为合作博弈、对抗博弈以及混合博弈这三大类范式,并分别介绍了每种博弈智能范式下的主要研究问题、主流研究方法以及当前典型应用.最后,总结了博弈智能的研究现状,以及亟待解决的主要问题与研究挑战,并展望了学术界和工业界的未来应用前景,为相关研究人员提供参考,进一步推动国家人工智能发展战略.