基于多阈连续条件随机场的标签推荐

标签推荐系统的推荐结果质量不高,会影响和误导用户对资源的查找与定位,甚至引发信息迷航的现象。为了提高推荐结果的准确度和覆盖度,提出的多阈连续条件随机场模型,不仅保持了条件随机场无须对数据作独立性假设且能避免标注偏执问题的优势,同时还使用标签间共现率、语义相似度和用户相似度三重阈提取特征,一并挖掘出显性和隐性标签,充分结合用户差异性,通过最大似然估计法迭代计算模型参数,建立模型来推荐标签。在BibSonomy数据集上测试表明该方法可行,实验效果与基于连续条件随机场模型、最大熵模型方法对比显示了本模型推荐的标签更精准、更全面;本模型在标签推荐中表现出了良好的稳定性。

基于条件随机场的连续手势识别算法

近年来,随着计算机技术的飞速发展,基于非接触手势控制的人机交互方式在不同领域都得以广泛应用。由于连续手势之间的相互依赖性,而传统的HMM手势识别方法必须先假设动作序列相互独立,对手势识别效果会造成一定的影响。为了有更精确的识别率,在连续手势识别过程中采用CRF算法。实验证明,该方法提高连续手势运动轨迹的识别率,优于传统的HMM算法。