基于相对相似度关系的三角模糊数型不确定多属性决策法

针对属性权重未知的三角模糊数型不确定多属性决策问题,提出一种新的规范三角模糊数与决策方案的相对相似度定义和三角模糊数相对相似度关系理论;借鉴合作博弈中可能度最大化算法提出一种基于三角模糊数相对相似度关系的属性权重确定方法;利用备选方案对象在方案集中的总体相对相似度值大小选取最优对象并排序,以此给出三角模糊数型不确定多属性决策的相对相似度关系算法,最后通过算例分析表明了所提出算法的可行性和有效性.

基于α相同度相似关系的rough集模型

Rough集理论是一种处理不完备信息系统的数学工具,但是Pawlak的经典rough集理论似乎是不可行的,因为它要求论域中数据间有很强的等价关系。在产生基本集(相似类)时,一般相似关系的分类误差较大,集对分析会把两个对立度不为0的个体划分在一起。汲取两者的优点,给出相同度的概念,只有满足一般相似关系并且相同度大于或等于阈值α的两个对象才能划分在一个基本集中,在此基础上建立基于α相同度相似关系的rough集模型。通过实例验证效果要比基于集对分析或者一般相似关系的模型更好。

基于双向关系相似度函数学习的行人再识别

当前的行人再识别在度量学习上采用马氏距离相似度函数,该相似度函数只与特征差分空间有关,忽略了一对行人图像中每个个体的外观特征,针对上述问题,提出了通过学习一个双向关系相似度函数(Bidirectional Relationship Similarity Function,BRSF),来计算一对行人图像的相似度.BRSF不但描述了一对行人图像的互相关关系,而且关联了一对行人图像的自相关关系.该文利用KISSME(Keep It Simple and Straightforward Metric)算法的思想进行相似度函数学习,把一对样本特征的自相关关系和互相关关系用高斯分布来表示,通过把最终高斯分布的比值转换为BRSF的形式,得到一个对背景、视角、姿势的变化具有鲁棒性的相似度函数.在VIPe R,QMUL GRID两个行人再识别数据集上的实验结果表明,本文算法具有较高的识别率,其中在VIPe R数据集上,Rank1达到了53.21%.

基于用户属性—关系相似度的好友推荐模型研究

[目的/意义]挖掘潜在好友关系并进行精准的好友推荐服务,已成为社交网络领域研究的热点,基于用户属性-关系相似度的好友推荐模型研究旨在增强用户忠诚度以及在线社区活跃度,提升社区的信息服务准确性和效率。[方法/过程]通过融合用户链接关系与属性特征,提出用户属性-关系相似评价体系;采用因子分析法,计算得出各项目权重以及综合得分;据此构建社交网络相似度矩阵,基于派系划分方法,对用户进行划分分区,最终实现好友推荐服务。[结果/结论]实验结果表明,运用派系划分的基于用户属性-关系推荐模型在推荐列表长度受限情况下的整体表现较优,有效提高推荐精准度。

不完备信息系统下基于重要度相似关系的粗集模型

针对不完备信息系统下容差关系和集对α相似关系等模型的局限性,结合权值和联合概率的概念,建立了基于重要度相似关系的模型,这种模型更符合实际应用的需要.

基于语义依存关系匹配的汉语句子相似度计算

在中文信息处理中,句子相似度计算是一项基础而核心的研究课题,长期以来一直是人们研究的一个热点和难点。句子相似度计算在实际中有着广泛的应用,它的研究状况直接决定着其他一些相关领域的研究进展,如信息检索的相似句子匹配、自动问答的问题匹配与答案抽取等,句子相似度计算都是非常重要的环节。本文提出了一种基于依存关系匹配的句子相似度计算方法,利用词语内在概念和词语相互依存关系计算句子之间的相似度。结果表明,该算法能显著提高返回结果的准确率。

基于关系相似度计算的实体关系分类研究

实体关系抽取和实体关系分类是信息抽取中重要的研究领域,不仅要识别文本中的实体,还要确定这些实体之间的关系,能够辅助机器对文本语义的理解。提出了一种基于关系相似度计算的实体关系分类模型,并针对7种常见实体关系进行了分类实验。

基于奇异值分解的关系相似度计算方法

关系相似度计算在信息检索等领域有重要的应用。目前,关系相似度主要通过向量空间模型计算,但数据稀疏严重影响计算效果。为此提出以上下文模板表示特征,并通过对特征矩阵的奇异值分解降维消除噪声,再通过向量余弦夹角计算关系相似度。实验表明,该算法比传统的向量空间模型算法在分类准确率方面有明显提高。

融合标签关联关系与用户社交关系的微博推荐方法

通过分析微博特点及现有微博推荐算法的缺陷,提出一种融合了标签间关联关系与用户间社交关系的微博推荐方法.采用标签检索策略对未加标签和标签较少的用户进行加标,构建用户-标签矩阵,得到用户标签权重,为了解决该矩阵中稀疏的问题,通过挖掘标签间的关联关系,继而更新用户-标签矩阵.考虑到多用户之间社交关系对挖掘用户兴趣并进行微博推荐的重要性,构建用户-用户社交关系相似度矩阵,并与更新后的用户-标签矩阵进行迭代,得到最终的用户兴趣并进行相关推荐.实验证明了该算法针对微博信息推荐是有效的.

基于社交关系的问答系统及最佳回答者推荐技术

近年来,社区问答服务系统(CQA)越来越受到人们的欢迎,但随着提问规模的膨胀,获得回答的问题比重逐步降低,且答案质量无法得到保障.为了提高问答系统中问题被解答的概率,并提升答案可信度,文中提出了基于社交关系相似度的社交问答系统(SQA),主动寻找与提问者社交关系紧密且能够回答问题的用户,并提出了针对提问者与最佳回答者的推荐方法.实验结果表明,在主观性强或实时性强等问题集上,文中方法能更快地得到让提问者满意的答案.

基于信息熵与三角模糊数的信息安全风险评估研究

针对信息安全风险评估需要处理众多的模糊信息,为了增强信息处理的准确性,提出了基于信息熵与三角模糊数相结合的信息安全风险评估方法。该方法在对信息系统分析的前提下,首先建立三角模糊数形式的决策信息矩阵,运用信息熵理论确定各指标的权重;然后,运用相似度关系理论,计算各决策方案与理想决策方案相似性的相对比率值,并根据这些比率值排序选择出最佳决策方案,以及给出相应决策问题的相似度关系算法。最后,通过实例分析验证了所提出方法的可行性和有效性。

不完备区间值信息系统的粗糙集约简算法

探讨不完备区间值信息系统的属性约简问题。定义了一种相似联系度容差关系,基于此关系建立了拓展粗糙集模型。然后通过定义双参数分配约简和同异反可辨识矩阵,给出了基于同异反可辨识矩阵的双参数分配约简算法。所建模型可根据不同的用户需求和数据集的分布特点对参数进行动态调整,更符合实际。最后给出了数值例子,并分析了不同参数值对约简结果的影响。

不确定多属性决策在企业技术创新能力评价中的应用研究

针对属性评价值和权重均为三角模糊数的不确定多属性决策问题,提出了一种三角模糊数不确定多属性决策的相似规划模型。该模型结合相似度关系理论,计算各决策方案与理想决策方案之间相似度的相对比率,并根据该比率对全体决策方案进行排序和择优,给出了不确定多属性决策的相似度关系算法。最后,通过企业技术创新实例分析验证了所提出方法的可行性和有效性。

基于集对分析的多值信息系统粗糙集模型

鉴于多值信息系统下相似关系和容差关系存在的局限性,结合集对分析思想,给出一种集对联系度粗糙集模型,这种模型比以上两种模型更广.

基于联合概率矩阵分解的微博关注推荐算法

在传统的概率矩阵分解算法基础上,考虑交互行为的时效性建立用户影响力模型,并结合静态关注关系,提出了基于联合概率矩阵分解的微博关注推荐算法(UPMFF-L).在使用scrapy爬取新浪微博得到的数据集上的实验结果表明,与NMF、PMF和SoRec算法相比,UPMFF-L算法在不同数据密度下的F1-Measure平均提升了 11.82%.

一种有效的高属性维稀疏数据聚类算法

聚类分析是数据挖掘最常见的技术之一.数据的规模、维数和稀疏性都是制约聚类分析的不同方面.本文提出一种有效的高属性维稀疏数据聚类方法.给出稀疏相似度、等价关系的相似度、广义的等价关系的定义.基于对象间的稀疏相似度和等价关系原理形成初始等价类.通过等价关系的相似度修正初始等价关系.使得最终聚类结果更合理.该算法聚类过程不依赖于输入样本的排列顺序.高维稀疏数据的有效压缩提高算法在维数较高时的执行效率.适合于高维稀疏数据的聚类分析.

基于覆盖的区间概念格动态压缩原理与实现

针对区间概念格的复杂结构以及基于现有建格算法构建的区间概念格存在概念冗余问题,本文直接从形式背景出发,对区间概念格进行动态压缩的方法,减少了区间概念结点的冗余度。为了保证概念压缩后仍能体现概念之间的关联关系,首先给出了基于形式背景的二元关系对的相似度及关系上的覆盖近邻空间的定义;其次,通过定义区间概念压缩算子,得到了压缩概念,并证明了压缩后的概念集是压缩前概念集的子集;基于覆盖的近邻空间及压缩算子,进一步构建了区间概念格的动态压缩模型。可以根据相似类阈值大小控制区间概念格中的结点数量,实现区间概念格的动态压缩,最后通过实例验证了模型的正确性以及压缩的高效性。