期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于用户和项目组合的协同过滤推荐算法
1
作者
闫洲
石刘红
《电脑知识与技术》
2011年第6期3969-3971,共3页
协同过滤算法是电子商务系统中一种重要的个性化推荐技术之一。但是随着电子商务规模的扩大,评分矩阵的稀疏性问题严重的影响了协同过滤算法的推荐效果。该文通过分析并研究了传统的协同过滤算法的不足,提出了一种新的基于用户和项目...
协同过滤算法是电子商务系统中一种重要的个性化推荐技术之一。但是随着电子商务规模的扩大,评分矩阵的稀疏性问题严重的影响了协同过滤算法的推荐效果。该文通过分析并研究了传统的协同过滤算法的不足,提出了一种新的基于用户和项目组合的协同过滤算法,在对稀疏矩阵进行填充时,不仅考虑到了项目之间的相关性,还考虑到了用户之间的相关性,然后在此基础上,构造虚拟的评分矩阵,最后再进行综合推荐。实验结果表明,在评分矩阵极其稀疏的情况下,该算法能有效的提高预测精度。
展开更多
关键词
协同过滤:数据稀疏性:个性化推荐
下载PDF
职称材料
异构社交网络用户兴趣挖掘方法
被引量:
4
2
作者
屠守中
闫洲
+1 位作者
卫玲蔚
朱小燕
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2019年第2期83-88,共6页
由于当前各类主流网络平台的发展呈现出"社交平台内容化、内容平台社交化"的趋势,用户分化也日趋明显,出现了拥有大规模粉丝的超级节点,因此,提出了一种基于社交关系的兴趣挖掘模型。结合矩阵分解和标签传播算法,将用户分为...
由于当前各类主流网络平台的发展呈现出"社交平台内容化、内容平台社交化"的趋势,用户分化也日趋明显,出现了拥有大规模粉丝的超级节点,因此,提出了一种基于社交关系的兴趣挖掘模型。结合矩阵分解和标签传播算法,将用户分为内容发布者和普通用户两类,并分别提取和计算兴趣话题,实现了在大规模异构网络中发现、挖掘用户兴趣。基于知乎数据集上设计的对比实验,验证了模型的有效性以及算法的性能优势。与基线方法相比,这种算法在查全率上最大提升约42%,F1值最大提升约33%。
展开更多
关键词
异构网络
社交网络
兴趣模型
非负矩阵分解
标签传播
下载PDF
职称材料
青州地区0-7岁儿童遗传病与先天畸形的流行病学调查分析
被引量:
4
3
作者
谢佩莲
闫洲
+3 位作者
李桂香
刘福芳
徐东香
李拥军
《中国优生与遗传杂志》
2001年第1期98-99,共2页
本文采用分层系统整群抽样方法对青州市 8个乡镇 1个办事处 0 - 7岁 2 30 5 2例儿童进行了遗传病 (含先天畸形 )调查 ,发现疾病 6 3种 ,总数 2 19例 ,占 0 - 7岁儿童的 9.5 0‰。其中单基因病 3.42‰ ,多基因病 5 .2 4‰ ,染色体病 0 ....
本文采用分层系统整群抽样方法对青州市 8个乡镇 1个办事处 0 - 7岁 2 30 5 2例儿童进行了遗传病 (含先天畸形 )调查 ,发现疾病 6 3种 ,总数 2 19例 ,占 0 - 7岁儿童的 9.5 0‰。其中单基因病 3.42‰ ,多基因病 5 .2 4‰ ,染色体病 0 .2 1‰ ,其它与遗传无关的疾病 0 .6 0‰ ,并采用相应的干预措施 ,以达到提高人口素质的目的。
展开更多
关键词
儿童
遗传病
先天畸形
发病率
流行病学
下载PDF
职称材料
青州地区1659例围产儿出生缺陷监测分析
4
作者
谢佩莲
闫洲
《中国优生与遗传杂志》
2000年第S1期99-100,共2页
本文监测对象为 2000年8月份、9月份在本市医院内住院分娩的孕28周至产后 7天的围产儿(包括活产、死胎、死产)共 1659例。监测发现出生缺陷16例,占 9.6‰。其中,多基因病 12例,占 7.29‰;染色体病4例,占 2.4%。,并采取了相应的预防措...
本文监测对象为 2000年8月份、9月份在本市医院内住院分娩的孕28周至产后 7天的围产儿(包括活产、死胎、死产)共 1659例。监测发现出生缺陷16例,占 9.6‰。其中,多基因病 12例,占 7.29‰;染色体病4例,占 2.4%。,并采取了相应的预防措施和干预措施,以达到提高人口素质,降低出生缺陷率。
展开更多
关键词
围产儿
出生缺陷
发生率
下载PDF
职称材料
题名
基于用户和项目组合的协同过滤推荐算法
1
作者
闫洲
石刘红
机构
上海海事大学计算机信息工程学院
出处
《电脑知识与技术》
2011年第6期3969-3971,共3页
文摘
协同过滤算法是电子商务系统中一种重要的个性化推荐技术之一。但是随着电子商务规模的扩大,评分矩阵的稀疏性问题严重的影响了协同过滤算法的推荐效果。该文通过分析并研究了传统的协同过滤算法的不足,提出了一种新的基于用户和项目组合的协同过滤算法,在对稀疏矩阵进行填充时,不仅考虑到了项目之间的相关性,还考虑到了用户之间的相关性,然后在此基础上,构造虚拟的评分矩阵,最后再进行综合推荐。实验结果表明,在评分矩阵极其稀疏的情况下,该算法能有效的提高预测精度。
关键词
协同过滤:数据稀疏性:个性化推荐
Keywords
collaborative filtering
data sparsity
personalized recommendation
分类号
TP393 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
异构社交网络用户兴趣挖掘方法
被引量:
4
2
作者
屠守中
闫洲
卫玲蔚
朱小燕
机构
清华大学计算机科学与技术系
中国科学院信息工程研究所
出处
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2019年第2期83-88,共6页
基金
国家自然科学基金(61332007)
文摘
由于当前各类主流网络平台的发展呈现出"社交平台内容化、内容平台社交化"的趋势,用户分化也日趋明显,出现了拥有大规模粉丝的超级节点,因此,提出了一种基于社交关系的兴趣挖掘模型。结合矩阵分解和标签传播算法,将用户分为内容发布者和普通用户两类,并分别提取和计算兴趣话题,实现了在大规模异构网络中发现、挖掘用户兴趣。基于知乎数据集上设计的对比实验,验证了模型的有效性以及算法的性能优势。与基线方法相比,这种算法在查全率上最大提升约42%,F1值最大提升约33%。
关键词
异构网络
社交网络
兴趣模型
非负矩阵分解
标签传播
Keywords
heterogeneous network
social networks
interest model
non-negative matrix factorization
label Propagation
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
青州地区0-7岁儿童遗传病与先天畸形的流行病学调查分析
被引量:
4
3
作者
谢佩莲
闫洲
李桂香
刘福芳
徐东香
李拥军
机构
山东省青州市计划生育服务站
出处
《中国优生与遗传杂志》
2001年第1期98-99,共2页
文摘
本文采用分层系统整群抽样方法对青州市 8个乡镇 1个办事处 0 - 7岁 2 30 5 2例儿童进行了遗传病 (含先天畸形 )调查 ,发现疾病 6 3种 ,总数 2 19例 ,占 0 - 7岁儿童的 9.5 0‰。其中单基因病 3.42‰ ,多基因病 5 .2 4‰ ,染色体病 0 .2 1‰ ,其它与遗传无关的疾病 0 .6 0‰ ,并采用相应的干预措施 ,以达到提高人口素质的目的。
关键词
儿童
遗传病
先天畸形
发病率
流行病学
分类号
R715 [医药卫生—妇产科学]
下载PDF
职称材料
题名
青州地区1659例围产儿出生缺陷监测分析
4
作者
谢佩莲
闫洲
机构
山东省青州市计划生育服务站
出处
《中国优生与遗传杂志》
2000年第S1期99-100,共2页
文摘
本文监测对象为 2000年8月份、9月份在本市医院内住院分娩的孕28周至产后 7天的围产儿(包括活产、死胎、死产)共 1659例。监测发现出生缺陷16例,占 9.6‰。其中,多基因病 12例,占 7.29‰;染色体病4例,占 2.4%。,并采取了相应的预防措施和干预措施,以达到提高人口素质,降低出生缺陷率。
关键词
围产儿
出生缺陷
发生率
分类号
R714.7 [医药卫生—妇产科学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于用户和项目组合的协同过滤推荐算法
闫洲
石刘红
《电脑知识与技术》
2011
0
下载PDF
职称材料
2
异构社交网络用户兴趣挖掘方法
屠守中
闫洲
卫玲蔚
朱小燕
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2019
4
下载PDF
职称材料
3
青州地区0-7岁儿童遗传病与先天畸形的流行病学调查分析
谢佩莲
闫洲
李桂香
刘福芳
徐东香
李拥军
《中国优生与遗传杂志》
2001
4
下载PDF
职称材料
4
青州地区1659例围产儿出生缺陷监测分析
谢佩莲
闫洲
《中国优生与遗传杂志》
2000
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部