融合偏置深度学习的距离分解Top-N推荐算法

针对传统矩阵分解算法大多是浅层的线性模型,难以学习到深层次的用户和物品的隐特征向量,且在数据稀疏的情况下容易产生过拟合的问题,文中提出一种融合偏置深度学习的矩阵分解算法,在解决数据稀疏问题的同时,还能学习到表征能力更强的距离特征向量。首先,通过用户与物品的显式和隐式数据构建用户与物品的交互矩阵,并将交互矩阵转化为相应的距离矩阵;其次,将距离矩阵分别按行和按列输入加入偏置层的深度神经网络,学习得到具有非线性特征的用户和物品的距离特征向量;最后,根据用户和物品的距离特征向量计算用户和物品之间的距离,用距离值对物品按升序排列,生成Top-N的推荐列表。在4个真实数据集上进行实验,采用Precision,Recall,MAP,MRR和NDCG指标进行评估,结果表明所提算法在上述指标方面相比其他主流推荐算法有明显提升。

基于深度距离分解的推荐算法研究

针对推荐系统中的矩阵分解算法只根据用户和物品的特征向量进行点积运算,无法准确衡量不同用户对物品偏好的弊端,该文提出了一种基于深度距离分解模型的推荐算法。首先,改变传统矩阵分解直接对评分值进行分解的模式,将用户与物品的评分矩阵转化为距离矩阵;然后,将距离矩阵分别按行和按列输入两个深度神经网络进行训练,得到用户和物品的距离特征向量;接下来,用距离特征向量计算用户和物品之间的距离值,通过设计的损失函数使预测距离值与真实距离值的误差达到最小;最后,将用户与物品的预测距离值转化为预测评分。实验结果表明,在不同数据集中,该文提出的基于深度距离分解模型的推荐算法在RMSE和MAE指标上均优于基线推荐算法。

基于深度距离分解的在线图书资源个性化推荐研究

【目的/意义】利用距离分解改进矩阵分解方法的限制,优化图书个性化推荐的效果。【方法/过程】将传统用户-项目评分矩阵转换为用户-项目距离矩阵;利用距离分解方法获得用户-项目间的距离关系以替代原有方法中的相似度关系;利用深度学习框架实现该方法并进行图书个性化推荐。【结果/结论】利用豆瓣图书评分数据作为数据源分别对本文所用方法以及对照方法进行实验对比。结果表明,本文所用方法相较于对照方法在RMSE和MAE上均有提升,从而证明该方法能够提高图书个性化推荐的效果。【创新/局限】将深度距离分解方法应用到图书个性化推荐,从而优化了图书个性化推荐的效果。但方法仅在一个真实数据集上进行实验,在接下来还需要在更多数据集上进行验证。

非正式制度与数字服务出口效率——基于文化距离的实证研究

数字服务贸易是中国数字产业化的一个重要分支。基于贸易距离分解思路和时变随机前沿引力模型,从非正式制度视角讨论双边文化差异对中国数字服务出口效率的影响。研究发现,国家间动态文化距离对中国2005—2019年数字服务出口具有稳健促进作用,且近5年正向作用呈增强趋势;样本期内中国数字服务出口效率均值为0.753,预示集约边际扩展潜力较大,尤其是亚欧地区高收入国家。当前是中国数字服务贸易发展的重要机遇期,积极落实已有区域数字贸易便利化措施,协调诸边数字贸易规制自由化谈判,将有利于进一步提升多元文化背景下的中国数字服务出口效率。

有给定半径的自中心图的最大边数

运用组合递归技巧证明了半径为 T 的 n 阶自中心图的最大边数满足某一关系,给出了几个有关的猜想.

深水井开采制度对天然气水合物分解的影响

深水井生产过程中,当地层高温流体流向井口时,由于温差的存在,会通过井筒向地层传递热量,破坏水合物地层的原始温度和压力环境,诱发水合物分解并产生大量甲烷气,导致突增的附加高压直接作用于水泥环,甚至会引发地层失稳、海底滑坡等灾害,严重威胁深水井的井筒完整性。鉴于此,基于传热学理论建立了井筒温度场模型,计算水泥环第二胶结面温度,同时结合渗流理论、能量和物质守恒定律及水合物分解动力学建立了水合物分解热传递方程,分析了水合物分解的产气量及分解距离的变化规律和影响因素,为水合物分解诱发的附加高压研究提供理论依据,进而提出深水井井筒完整性的管理措施。研究结果表明:随着天然气水合物地层不断吸收热量,与水泥环第二胶结面之间温差逐渐减小,水合物分解产气量和分解距离逐渐达到最大值;天然气水合物初始饱和度越大,水合物分解产气总量越大,但最终分解距离越小;深水井日产量越高,水合物分解产气总量与最终分解距离越大。生产中可以通过调控深水井开采制度来控制水合物分解,降低深水井生产阶段的风险。