核K-Means聚类在Folksonomy标签模糊和冗余中的应用

现有的Folksonomy标签推荐系统中,标签模糊会导致系统推荐不准确,并且影响用户建模的准确性,而标签冗余妨碍了对系统的评估。利用K-Means聚类结果抽取模糊和冗余标签时,聚类效果较差导致抽取不准确。提出使用核K-Means聚类处理标签模糊和冗余,通过非线性映射能够较好地分辨、提取并放大样本中有用的特征,提高抽取模糊标签和冗余标签的准确度。实验结果表明:核K-Means聚类对标签和资源的聚类效果更好,抽取的模糊标签和冗余标签也更准确。

标签模糊和冗余在标签推荐中的研究及应用

现有的Folksonomy标签推荐系统使用的推荐算法没有考虑标签模糊和冗余问题,影响了用户建模和对推荐系统评估的准确性,并且降低了系统的推荐质量,增加了用户选择喜好项目时的负担。通过对标签推荐系统的研究,将标签模糊和冗余应用到标签推荐算法当中,有助于提高系统的推荐质量,并且能提供更合理的评价方法。实验结果表明:经过标签模糊和冗余处理的标签推荐算法显著地提高了推荐系统的推荐质量。

中国英语学习者口语中模糊标签语使用情况分析——基于语料库的对比研究

模糊标签语在英语本族语者口语中出现频率极高,在话语中具有多种功能,是一类重要的程式表达语。利用语料库从对比的角度研究中国英语学习者在该类词上的使用情况,发现他们对这类词的使用总体上偏少,对个别表达又使用过多;使用功能单一,且出现不少使用不当或错误使用的情况。这些发现暴露出目前中国英语教学中的一些问题,为改进词汇教学提供了一些启示。

模糊标签语研究回顾

本文回顾了国外众多学者对模糊标签语从不同角度所做的研究。这些研究涵盖了该类表达的方方面面,如形式特征、功能特征、搭配特征等。语料库语言学的兴起极大地促进了该领域的研究。

英语模糊标签语功能研究

模糊标签语模式大致固化,形式丰富,功能多样。恰当使用标签语可提高语言地道程度和口语流畅程度,增进表达效果。英语标签语具有指称意义和表情意义,同时体现主体意义和主体间性意义。标签语宜作为社会变量和文体标记。本文在合取型和析取型分类基础上揭示其功能异同,以提高其语用的地道性和灵活性。

基于语料库的英语口语中模糊标签语研究

本文采用语料库语言学的研究方法,考察了英语本族语者对模糊标签语的使用情况,并重点分析了模糊标签语的出现位置、模糊标签语的用词特点及其变化特点以及该类表达在会话中具有的多种语用功能。

基于模糊标签和深度学习的TOF-MRA影像脑动脉瘤自动检测

脑动脉瘤破裂造成的蛛网膜下腔出血致死致残率极高,借助深度学习网络辅助医生实现高效筛查具有重要意义.为提高基于时间飞跃法磁共振血管造影(Time of Flight-Magnetic Resonance Angiography,TOF-MRA)的脑动脉瘤自动检测的精度,本文基于模糊标签方式,提出一种基于变体3D U-Net和双分支通道注意力(Dual-branch Channel Attention,DCA)的深度神经网络DCAU-Net,DCA模块可以自适应地调整通道特征的响应,提高特征提取能力.首先对260例病例的TOF-MRA影像预处理,将数据集分为174例训练集、43例验证集和43例测试集,然后使用处理后的数据训练和验证DCAU-Net,测试集实验结果表明DCAU-Net可以达到90.69%的敏感度,0.83个/例的假阳性计数和0.52的阳性预测值,有望为动脉瘤筛查提供参考.

基于项目学习(PBL)视阈下模糊标签语习得方法构建初探

模糊标签语是英语本族语者中的一类常用表达,中国英语学习者使用相对较少。适当使用可改进表达的准确性。以基于项目学习(PBL)理论重项目分类为框架,分析模糊标签语教学途径,旨在提高中国英语学习者使用模糊标签语的频率。

结合社会化标签的基于内容的推荐算法

在高校图书馆场景下,受限于图书特征信息的稀少,很难运用基于内容的推荐算法。本文针对图书馆推荐场景提出了一种结合社会化标签的基于内容的推荐算法。通过将图书的社会化标签与实体图书相结合的方式来补充图书的特征项。对于社会化标签中存在的标签模糊问题,本文在信息熵思想的基础上提出了一种模糊标签识别方法。对于识别的模糊标签,本文采用标签去除的方式来处理,以增加标签信息的可靠性。最后通过基于内容的推荐算法来测试模糊标签去除前后推荐的准确率,以此来判定模糊标签识别方法的准确性。实验结果证明,该模糊标签识别方法具有较好的准确性,可以较好的识别模糊标签。

基于项目模糊相似度的协同过滤推荐算法

针对传统协同过滤算法中评分和标签存在的模糊性问题进行了研究,利用梯形模糊数描述评分与满意度的映射关系,在考虑评分稀疏性的基础上构建了一种新的梯形模糊评分模型以判断基于模糊评分的相似度,分析标签与项目的隶属度,构建模糊项目标签矩阵以衡量基于标签隶属度的相似度,最终采用改进的评分预测策略进行评分估计。在MovieLens数据集上的实验结果显示,所提算法在抑制项目冷启动、缓解模糊性和稀疏性问题的同时,提高了预测精度,表明了该算法的有效性。

基于标签分层延深建模的企业画像构建方法

标签建模是标签体系建设和画像构建的基本任务。而传统标签建模方法存在模糊标签处理难、标签提取不合理,以及无法有效融合多模实体和多维关系等问题。针对以上问题提出了一种基于标签分层延深建模的企业画像构建方法EPLLD。首先,通过多源信息融合获取多特征信息,并对企业模糊标签(如批发、零售等行业中的不能完整概括企业特点的标签)进行统计和筛选;然后,建立专业领域词库进行特征拓展,并结合BERT语言模型进行多特征提取;其次,利用双向长短期记忆(BiLSTM)网络获取模糊标签延深结果;最后,通过TF-IDF、TextRank、隐含狄利克雷分布(LDA)模型提取关键词,从而实现标签的分层延深建模。在同一企业数据集上进行实验分析,结果表明在模糊标签延深任务中EPLLD的精确率达到91.11%,高于BiLSTM+Attention、BERT+Deep CNN等8种标签处理方法。

基于模糊隶属度函数的脑图像分割方法

为提高医学图像在组织边界不清晰以及灰度不均匀下的分割性能,提出一种基于多类样本间模糊距离的隶属度函数分割方法。通过磁共振序列测量确定反映磁共振图像脑部组织特性的映射图,经预处理后得到样本模糊标签;设计基于多样本类间模糊距离的隶属度函数确定各样本的隶属度,该隶属度的确定综合考虑了同类样本与不同类样本之间的空间距离,降低了同类样本之间的隶属度依赖;训练模糊支持向量机对三种主要脑组织进行分割。在脑图像公开数据集上的分割实验表明,改进算法可有效提高分割精度。

基于故障风险标尺的复杂装备健康状态分类模型

针对复杂装备故障呈现出多重性、相关性及模糊性的特点,本文分析了装备健康状态演化规律,利用自适应模糊神经网络、故障模式、影响及危害性分析构建故障风险标尺,实现了对复杂装备故障风险程度的定量化描述及装备健康状态的分类。通过实验分析,本文提出的模型相比于传统的故障预测以及故障风险程度定量方法具有显著优势,实现了对装备从设计生产、部署使用以及退役报废全寿命周期的动态反馈,对提高复杂装备综合保障能力具有重要意义。