通过评分特征优化基于K近邻的协同过滤算法

个性化推荐系统通常以用户兴趣为标准,为用户提供个性化的推荐信息。K-最近邻模型(KNN)是在推荐系统算法中使用频率最高的一个以相似度计算为核心的模型,然而在用户评分数据稀疏的情况下,很难准确计算出用户相似度,容易出现将实际相似度过分放大或缩小的问题,从而影响推荐算法的运行。针对上述问题,文中基于用户与用户之间的"共同特征"与"不同特征",构建新的相似度计算方法,并把这种方法应用在基于K近邻的协同过滤算法中。实验结果表明,通过评分特征优化的K近邻协同过滤算法比传统的K近邻协同过滤算法的MAE与RMSE值更低,具有更高的准确度。

全面二孩政策下人口结构对经济发展影响研究

自2016年起,我国正式实施全面二孩政策。为了评估在二孩政策下人口结构对经济发展的影响。本文首先基于Leslie模型和灰色GM(1,1)模型,进行人口数量及结构预测。其次对人口结构和人均GDP进行单位根检验以及协整检验,再进行因果分析。最后将2017-2030年实施全面二孩政策下的人口结构与不实施全面二孩政策下的人口结构对比,并使用因果分析进行综合评价。实验结果表明,劳动力人口与城镇人口比重对经济发展影响可信度分别为0.68和0.60,结果可信度较高。实施二孩政策之后劳动力人口与城镇人口比重均大于实施二孩政策之前的比重。得出结论:在二孩政策的影响下,2017-2030年,我国经济会有所提升。

基于K-means聚类算法优化方法的研究

针对传统K-means聚类中存在的一系列问题,文中提出了一种基于K-means聚类的改进算法。该算法首先利用K-means++聚类从数据中选择K个距离尽可能远的对象作为初始聚类中心,然后利用K-mediods聚类选择数据样本的中位数作为聚类中心的对象,最后与两步聚类结合。通过对几个常用UCI标准数据集进行仿真实验,结果表明该算法比传统算法更优。

一种基于少量训练数据的口语语义理解技术

随着人工智能的发展,语音交互技术在智能家居、智能助理等领域得到长足的发展,口语化短文本的语义理解技术成为研究重点。口语文本中存在句法不规范、关键信息少、句子间差异小等特点,影响语义识别准确率,模型需不断更新迭代。本文将层次化理论与智能家居领域语音交互应用相结合,形成多层语义解析架构,实现文本数据到结构化知识的转变,在少量文本数据的基础上,实现训练耗时10秒以内,平均准确率96%以上,并设计了分布式模型训练系统,满足工业级应用需求。