基于限制性玻尔兹曼机的微博主题分类

智慧城市依赖于对大数据的充分利用。近年来,随着移动互联网的发展,在线微博平台,比如新浪微博、Twitter等,已经成为了大数据的主要来源之一。微博平台上产生的海量短文文本信息使用户很难找到自己感兴趣主题的相关信息。本文提出了一种基于限制性玻尔兹曼机的微博短文本的主题分类方法。通过对短文本进行主题建模,挖掘出潜在主题信息,根据短文本的潜在主题信息可实现对短文本的主题分类。

基于限制性玻尔兹曼机的叶片识别算法研究

叶片识别是最简单和直接的植物识别方法,采用机器学习算法是解决叶片识别的重要途径。为更有效的识别叶片,提出基于限制性玻尔兹曼机的叶片识别算法,并通过实验论证算法的可行性。

结合地理和社交因素影响的兴趣点推荐

深度学习是一种多层次的表征学习算法,用于发现内在特征,以便能更好地代表用户偏好.开发一种深度学习模型来整合地理和社会影响因素,用于个性化兴趣点推荐任务,并使用半限制性玻尔兹曼机来模拟地理相似性,且使用条件层来模拟社会影响.用真实世界中基于位置的社交网络进行的实验结果表明,此算法比其他算法有更好的表现,可以用来提高网站和应用个性化兴趣点推荐服务的质量.