基于人工智能的船舶故障检测结果智能推荐系统

为全面整合船舶故障相关的各种知识,为检修人员智能推荐便于理解的故障检测结果,设计基于人工智能的船舶故障检测结果智能推荐系统。知识图谱模块依据船舶故障维修日志建立船舶故障知识图谱;实体抽取模块利用人工智能的长短时记忆网络,在船舶故障描述文本内抽取故障实体;实体识别匹配模块,利用基于实体识别的文本匹配技术,计算抽取的故障实体与知识图谱内故障实体间的匹配得分,以最高匹配得分对应的故障实体为船舶故障检测智能推荐结果。实验证明,该系统可有效构建检查故障知识图谱;该系统可有效抽取船舶故障实体,完成船舶故障检测结果智能推荐。

基于文本相似度的医疗器械分类推荐系统

目的基于最新修订的2017版《医疗器械分类目录》,设计一种可实时交互的医疗器械分类推荐系统,实现医疗器械分类界定数据的高效匹配和搜索。方法提取2017版《医疗器械分类目录》中的结构化数据,制作关联数据库表。采用基于TF-IDF的文本相似度匹配算法,将用户输入与举例产品名称逐一进行相似度计算,筛选出最匹配的内容。同时,结合数据库表的关联关系,借助Flask框架搭建的交互式网站,向用户展示医疗器械分类推荐结果。结果分类推荐系统可根据用户输入的产品名称自动采用TF-IDF模型计算文本相似度,并根据数据库表的关联关系,通过网页返回匹配度最高的三级分类推荐编码、子目录(主序号、主名称)、一级产品类别(一级序号、一级名称)、二级产品类别(二级序号、二级名称)、产品描述、预期用途和管理类别等关键分类信息。结论基于文本相似度的医疗器械分类推荐系统可为医疗器械分类编码工作提供便捷、精确和高效的指导,减少因缺乏专业知识和经验而造成的分类混淆、分类失效问题,具有较好的实际应用价值。

面向大规模社交网络的潜在好友推荐方法

有效的潜在好友推荐是促进社交网络不断增长的重要途径,对于大规模社交网络环境下的复杂计算问题,文章提出了一种适用于大规模社交网络的潜在好友推荐方法,该方法首先将用户的潜在好友划分为"可能认识的"和"可能感兴趣的"2类,然后分别基于用户共同好友关系拓扑图和Profile文本相似性计算模型进行描述,最后基于MapReduce云计算模型对相关方法进行了设计实现。探讨了云计算环境下的潜在好友推荐系统框架设计、大规模用户共同好友关系拓扑图以及Profile文本相似性计算的方法,并通过实验以及应用实例验证了该方法的有效性以及可扩展性。

一种融合文本语义和情感分析的好友推荐方法

在现实生活中用户的兴趣和情绪波动很大,而其他的微博特征(如注册信息等)一般变动较少,不能很好地表征用户。提出了一种融合用户文本语义和情感分析的好友推荐方法,根据用户的微博文本内容提取出语义特征,通过语义分析技术来计算特征词的相似度,同时引入了时间因素。在获得语义特征相似的用户之后,又进一步考虑用户的情感特征,根据微博文本中表述用户情感的词汇对用户的情感特点进行分析,进而对上一步产生的结果做优化筛选,得出最终的结果。通过实验表明,加入文本语义和情感分析的好友推荐模型更能够有效地提高推荐的准确度和接受率。

基于医患交互数据的在线医生推荐研究

[目的/意义]对医患交互过程中产生的文本数据进行挖掘分析,构建基于医患交互数据的医生推荐模型。[方法/过程]对患者咨询文本,利用word2vec模型和余弦相似度计算患者与患者间相似度,形成基于相似患者的医生推荐集;对医生被咨询文本,利用TF-IDF+word2vec模型和余弦相似度计算医生与医生间被咨询文本相似度,对医生积累的临床经验,利用文本相似度计算方法计算医生与医生间经验相似度,两部分医生相似度求和取平均形成基于相似医生的医生推荐集。融合基于相似患者的推荐集和基于相似医生的推荐集实现医生推荐。[结果/结论]以"好大夫在线"为例对模型进行验证,并随机选择11位患者进行模型测试,结果表明本文提出的模型推荐效果较好,能够帮助患者在所选医生没有可用资源时选择合适的医生,减少患者时间和医生资源的浪费。[局限]主要选取的是文本型数据,对于网站其他类型的数据并未涉及。

个性化推荐系统的研究和实现

探索Internet的搜索技术和处理针对搜索产生的大量网络信息的个性化推荐技术。在应用中元搜索引擎能充分利用现有的网络技术和资源但需要解决各成员搜索的接口和负载均衡问题;推荐引擎需要解决分词技术、索引词权重、向量空间的相似度计算等几个关键技术。就上述问题进行了分析、评估并寻求解决的办法。在此基础上实现的一个应用于高校教学和科研工作的个性化推荐系统RCSYS,从而促使搜索和推荐技术得到广泛的应用。

基于外卖数据的社区团购选品系统研究与应用

新零售时代下,社区团购开创了一种全新的团购模式,正确的选品能够帮助社区团购平台提升客户留存,并且通过商品的差异化特点裂变出更多客户。通过对不同社区外卖数据的分析,找出社区对商品需求的差异性,并将外卖菜品名与常见大众菜谱进行关联,同时围绕菜谱推荐,将菜谱主料与竞品单品进行关联,为不同社区的团购选品提供有价值的数据支撑。所提方法在宁波某团购平台试用一个月后,31个不同社区的平均销售额增长率为85.71%,平均有效订单数增长率为70.45%,平均总销售件数增长率为39.69%。

基于动态参考书目推荐的英语创意写作辅助教学系统的设计与实现

近年来,国内不少高校英语专业开设创意写作(creative writing)课程,旨在提高学生的英语写作水平,培养学生的创想和才思。该课程中,学生将利用大量的英文文献,提高英语运用能力。然而,基于教师水平、阅读量和经验的参差不齐,参考文献的推荐不可能贴合所有学生的写作需求。因此,设计一个服务于英语创意写作课程的动态参考书目推荐辅助教学系统。该系统基于内容的推荐算法和基于物品的协同过滤算法进行推荐:分析学生写作样本中词频特性和易读性等写作风格的特征;根据用户行为挖掘文献之间的关联性。测试结果表明,该系统能够很好地满足用户需求,并且快速准确地为用户推荐参考书目。

基于主题模型和文本相似度计算的专利推荐研究

如何利用数量庞大的专利并从中找到用户感兴趣的专利进行推荐是很多专利数据库迫切需要解决的问题。文中从专利文本的标题和摘要入手,提出一种基于文本挖掘的专利推荐方法。首先,利用词袋模型将专利文本转化成计算机能够识别的数据;其次,利用文本聚类算法完成专利数据集进行领域划分;再次,结合词频-逆文档频率特征权重计算和余弦相似度来选择合适的发明人进行专利的推荐;最后,以我国物流产业下的专利数据作为数据集完成文中所提方法的验证与分析。实验结果表明,基于文本挖掘的专利推荐研究能够实现对发明人的个性化推荐。

基于用户评论文本情感分类的推荐算法ABFR

大数据时代,数据负载使得人们从互联网中获取有效信息的难度越来越大,单维度用户与系统的交互行为已经无法进行精确地推荐,而用户在系统中对物品的评论信息常常能够表达用户的情感倾向和兴趣偏好.利用自然语言处理的ALBERT模型结合BiLSTM神经网络来挖掘用户对物品评论文本中的情感倾向,将用户的情感倾向进行二分类并数值化代入到用户评分矩阵中,此方法解决了用户评分矩阵数据稀疏的问题,最后利用相似度计算和对物品预测评分来为邻域用户提供个性化推荐.在豆瓣电影评论数据集上进行了对比实验,结果表明:所提出算法的精确率达到25.36%,优于近期提出的加权正则的矩阵分解方法和稀疏线性模型推荐方法,具有更好的推荐效果.

多属性推荐算法在企业研发服务系统中的应用

为满足企业的技术服务及研发需求,各地陆续建设线上供需服务平台.线上技术供需匹配难的主要原因在于文本相似度计算的准确性以及多元数据对于成交结果的影响.为解决上述问题,本文提出一种融合多属性的供需推荐模型,针对“陕西省中小企业研发服务平台”数据进行供需推荐,其中包括论文、专利、成果、项目等多属性特征,采用基于Bert(Bidirectional Encoder Representation from Transformers)的句向量表示方法计算供需文本的相似得分,并结合熵值法确定各属性权重,对各属性数据得分加权变换后实现推荐.实验表明,所提出的相似度计算模型在真实数据集上,各项评价指标优于词向量的表示方法.结合权值矩阵的多属性推荐模型,可较好的实现企业科技研发的供需推荐.

基于服务相似度的移动用户近似邻居选取方法

现有近似邻居集选取方法存在分类较粗、标签缺失等问题,在移动服务方面无法取得较好的效果。为此,提出一种有效的近似邻居集选取方法。通过改进短文本相似度计算方法,基于服务介绍内容,求出移动服务之间的相似度,根据服务相似度,改进用户相似度计算方法,得到用户之间非对称的有向相似度,给出分步筛选法,解决由于冷启动等原因引起的目标用户近似邻居集数量庞大的问题。实验结果表明,该方法的准确率高于关键词重叠法和余弦法。

基于异构图嵌入学习的相似病案推荐

患者病案是医生在临床诊疗中的重要依据,准确的相似病案推荐可以很好地辅助医生进行临床决策.本文提出一种新的面向真实诊疗场景的患者病案表示模型,通过异构图嵌入对诊疗过程产生的患者病案中的医疗实体及其关系进行建模,服务于更好的病案推荐.基于某三甲医院乳腺诊疗病案数据表明该模型相较于现有的表示方法推荐准确率提升2%.

基于文本相似度的简历匹配推荐算法研究

为了能够更好的帮助求职者选择合适的岗位信息,提出了基于文本相似度的简历匹配推荐算法。通过对简历和岗位信息进行特征提取及特征处理,将数据文本划分为两类。在结构化文本中,利用偏好权重因子α消除求职者与企业之间由于不同因素带来的相似度计算偏差。对于非结构化文本,利用机器学习模型doc2vec训练,并计算两者之间的相似度,提出修正参数χ来解决doc2vec缺乏考虑段落长度差异性的问题。实验结果表明,上述方法具有更高的准确率、召回率以及F1值。

基于文本相似度的评审专家推荐方法研究

在科研项目申报过程中,当前多采用人工方式进行评审专家遴选,由于人工对领域知识的理解有限,且具有一定的主观性倾向,随着项目申报数量的增加,人工选择的效率和准确率逐渐降低.为解决此问题,该文提出一种基于文本相似度的评审专家推荐方法.通过对项目论文信息进行数据挖掘,利用编辑距离模糊匹配和Wordnet语义扩展方法改进文本相似度计算,设计对比实验分别说明方法的可行性,并对推荐结果给出解释.实验结果表明,该文方法能够有效解决评审专家遴选问题.

基于Vague相似性的藏文文本推荐方法

随着数字信息技术的发展,藏文在移动终端和互联网中得到广泛的应用。文章收集了豆瓣网上的藏文书籍,利用藏文内容属性特征按重要性对书籍进行排序,再对特征排序进行模糊隶属度转换,并对模糊隶属度进行Vague函数值转换,求出藏文内容的Vague相似性;在相似性基础上利用推荐值和推荐度对待推荐藏文文本内容进行了推荐排序。经过实验验证文章提出的算法对藏文文本内容推荐效果较好。

双通道深度主题特征提取的文章推荐模型

针对传统的文章推荐方法存在的冷启动、用户反馈稀疏以及相似度衡量准确性欠佳等问题,本文提出了融合主题模型和预训练模型BERT的文章相似度计算模型(contextualized topic BERT,ctBERT).给定查询,该算法会计算查询与相关文章之间的相似度分数,文章经过预处理分别输入独立的子模块进行特征抽取并计算相似度得分,相似度得分与支撑集的个性化得分相结合以获得最终分数,该方法将单样本学习整合进推荐框架中,进一步取得了显著的改进.本文在3个不同的数据集上的实验结果表明,所提出方法在3个数据集上的NDCG标准均有提升,例如在Aminer数据集上NDCG@3和NDCG@5标准比对比方法分别提高了6.1%和7.2%,验证了该方法的有效性.

AC-Rec:基于多维特征的科研合作者推荐方法

社交网络平台科研工作者数量的急剧增多使得寻找与自己兴趣相近的科研合作者变得十分困难。本文提出一种在ResearchGate平台下基于多维特征的科研合作者推荐方法。该方法结合科研工作者之间论文的文本相似度、社交关联度和自身活跃度3个维度来度量关联关系,并利用多层感知机构建推荐模型进行Top-N推荐。其中文本相似度利用Doc2Vec文本深度表示模型来计算,社交关联度利用基于图的随机游走算法来计算。实验结果显示AC-Rec优于已有的基于ResearchGate的科研合作者推荐方法,当N为30时命中率达到53.90%,能够有效地推荐潜在的科研合作者。

融合长短时序与文本分类的新闻推荐模型

为了更好地向用户准确推荐兴趣新闻,构建一种融合长短时序与文本分类的新闻推荐模型。根据用户兴趣随时间变化的特点,分别获取用户长短时序偏好。将用户长序时间聚类为时间簇,融合Bert模型和文档主题生成模型进行文本自动分类捕捉用户兴趣分布,提取各时间簇兴趣分布获得长时序偏好。对用户短时序中的单个时间点兴趣进行词频分析,获得用户短时序偏好。最后融合长短时序偏好,使用余弦相似度算法获得近似偏好用户并推荐新闻。实验结果表明,所提模型相比基于增量协同过滤和潜在语义分析的混合推荐算法与基于用户行为的新闻推荐算法在精准率、召回率和和F值等方面均有提高,在一定程度上提升了推荐效果。

基于语义的雷达软件测试推荐技术研究

根据推荐技术的分析和研究,利用雷达软件历史测试数据,提出了一种基于语义的雷达软件测试推荐方法,结合雷达领域因素、人员因素和软件质量风险因素对推荐方法进行了优化,并在雷达软件系统测试和配置项测试项目中进行了应用,有效地提升了雷达软件测试设计的效率,增强了软件缺陷的发现能力。