基于属性提升与局部采样的推荐评分预测

评分预测问题是推荐系统研究的一个分支.在上下文感知推荐(Context-Aware Recommendation,CAR)中,常常需要考虑上下文因子(或称属性)对评分预测效果的影响.现有模型大多是捕捉单个属性的特征并加上多个属性间的相互作用(简称属性交互)实现评分预测.然而,有些算法在捕捉属性间的相互作用时没有针对性,使一些属性交互对预测结果没有帮助,甚至降低模型性能;而且,在实现属性交互时,很多算法只是单纯地使用固定的属性值,没有从某个方面挖掘出它们的潜在特征.为了解决这些问题,文中提出了属性提升(Attribute Boosting,AB)框架,从用户、物品与属性类型3个方面分别与属性进行交互.这种更精细的建模方式使属性能够自动地适应用户偏好、物品关联与类型特征,并能在评分预测中充分地发挥作用.在此基础上,文中结合概率图模型的低秩近似能力和随机梯度下降(Stochastic Gradient Descent,SGD)的快速训练优势,在算法性能和训练效率上进行权衡,设计了局部采样(Partial Sampling,PS)方法学习属性提升框架的参数,最终构成完整的属性提升与局部采样(Attribute Boosting with Partial Sampling,ABPS)模型.实验证明,ABPS模型通过有针对性的属性交互,能有效地挖掘出属性有用的隐含特征,从而减少盲目交互带来的消极影响;利用局部采样,该模型能使用更低的特征维度描述个性化信息,取得比其他模型更好的效果.

代谢工程改造解脂耶氏酵母高效合成赤藓糖醇研究进展

赤藓糖醇是一种由微生物在高渗胁迫条件下生产的新型四碳糖醇,是良好的代糖产品,同时也是合成多种C4化合物(1,3-丁二烯、1,4-丁二醇、2,5-二氢呋喃等)的平台化合物。与其他多元醇相比,其主要通过生物发酵法生产,因此更具挑战性。解脂耶氏酵母(Yarrowia lipolytica)是合成赤藓糖醇的首选底盘,成为发酵法生产赤藓糖醇的研究热点。目前解脂耶氏酵母工业化生产赤藓糖醇的过程中还存在着亟需突破的瓶颈问题,如合成代谢弱、副产物多以及工业属性不高等。近年来,根据产业化需求定制高版本底盘菌株取得了一定进展,如以葡萄糖和甘油为底物,利用代谢工程改造的解脂耶氏酵母合成赤藓糖醇的最高水平分别达196 g/L和150 g/L,但难以进一步突破菌株生产上限。本文综述了解脂耶氏酵母代谢工程改造合成赤藓糖醇的研究进展,从代谢合成途径、模块化代谢工程改造以及辅助策略提升工业属性等方面,系统分析了解脂耶氏酵母发酵法生产赤藓糖醇的代谢路径及改造策略,为增强解脂耶氏酵母生产赤藓糖醇的研究工作提供一定的研究思路。