请选择 目标期刊

基于协同过滤Attention机制的情感分析模型 下载:47 浏览:437

赵冬梅1,2 李雅2 陶建华2 顾明亮1 《中文研究》 2018年1期

摘要:
该文主要研究在评论性数据中用户个性及产品信息对数据情感类别的影响。在影响数据情感类型的众多因素中,该文认为评价的主体即用户以及被评价的对象等信息对评论数据的情感至关重要。该文提出一种基于协同过滤Attention机制的情感分析方法(LSTM-CFA),使用协同过滤(CF)算法计算出用户兴趣分布矩阵,再将矩阵利用SVD分解后加入层次LSTM模型,作为模型注意力机制提取文档特征、实现情感分类。实验表明LSTMCFA方法能够高效提取用户个性与产品属性信息,显著提升了情感分类的准确率。

结合全局与局部视频表示的视频异常检测算法 下载:51 浏览:351

胡正平1,2 赵梦瑶1 辛丙一1 《人工智能研究》 2020年4期

摘要:
针对视频异常行为检测问题,提出结合全局与局部视频表示的视频异常检测算法.首先将输入视频连续多帧划分为视频块.再按空间位置将视频块划分为互不重叠的时空立方体,利用时空立方体运动特征构建基于空间位置的全局时空网格位置支持向量数据描述模型(SVDD).然后针对视频运动目标,提取局部纹理运动特征,采用SVDD获得围绕目标特征的超球体边界,构建运动目标正常行为模型.最后组合两部分以实现更全面的检测.公共数据集上的实验验证文中算法的有效性.

基于LU分解和交替最小二乘法的分布式奇异值分解推荐算法 下载:57 浏览:372

李琳 王培培 谷鹏 解庆 《人工智能研究》 2020年2期

摘要:
针对当前分布式潜在因子推荐算法存在时间复杂度较高、运行时间较长的问题,文中提出基于LU分解和交替最小二乘法(ALS)的分布式奇异值分解推荐算法,利用ALS利于分布式求解目标函数的特点,提出网格状分布式粒度分割策略,获取相互独立不相关的特征向量.在更新特征矩阵时,使用LU分解求逆矩阵,加快算法的运行速度.在KDD CUP 2012 Track1中的腾讯微博数据集上的实验表明,文中算法在确保一定推荐精度的前提下,大幅提升推荐速度和算法效率.

基于DNPE-SVDD的化工过程监控 下载:59 浏览:474

韩晓春 薄翠梅 易辉 《建模与系统仿真》 2018年7期

摘要:
针对化工过程中检测数据变量维数高、非线性与动态特性相结合的特点,而传统的线性降维算法不能提取局部结构信息和动态特性,提出了基于动态邻域保持嵌入–支持向量数据描述(DNPE-SVDD)算法的化工过程监控模型。结合DNPE在非线性降维和SVDD在异常点检测的优势,使用DNPE算法进行维数约减,对降维后的流形空间采用SVDD算法建立监控模型,通过Tennessee Eastman(TE)化工过程进行仿真研究,同时与DPCA、DNPE算法对比验证所提算法的性能,结果表明DNPE-SVDD能获得更高的故障检测准确率。
[1/1]
在线客服::点击联系客服
联系电话::400-188-5008
客服邮箱::service@ccnpub.com
投诉举报::feedback@ccnpub.com
人工客服

工作时间(9:00-18:00)
官方公众号

科技成果·全球共享