排序方式： 共有18条查询结果，搜索用时 500 毫秒
1.
基于本体构建的协同推荐研究 总被引：2，自引：0，他引：2
通过构建领域本体,利用用户兴趣与领域本体中概念的映射关系,构建用户兴趣本体,发掘用户兴趣模式。研究用户兴趣本体相似度的计算方法,并通过用户兴趣相似度进行垂直加权,通过时间新颖度进行水平加权,从而利用改进的加权关联规则挖掘算法对用户感兴趣的领域本体中的概念进行挖掘,实现面向内容的协同推荐。 相似文献
2.
研究利用数据挖掘中的关联规则挖掘分析及论文数据库，进行相关文献推荐，提出适用于进行相关文献推荐的改进的混合加权关联规则挖掘算法，并通过用户行为分析确定相关文献集和垂直权重，采用Google搜索引擎的PageRank算法确定水平权重，获得一些有意义的分析结果。 相似文献
3.
文章对新闻传播学科发表的期刊论文被引情况和引文情况进行统计分析,通过学科文献被引半衰期和引用半衰期指标及其相关影响因素的分析,发现:新闻传播学科期刊文献规范程度不够,适用时间相对较短,缺乏对国内外前沿问题的关注,大量研究还停留在工作方法和操作技巧的介绍上,低水平重复劳动盛行。这些结论与该学科著名教授陈韬文先生的评价基本一致,证明了用文献计量的方法判断该学科特征具有可行性。 相似文献
4.
5.
7.
8.
[目的/意义]网络新闻是获取突发事件情报的重要来源之一,提高海量网络新闻中突发事件的识别准确率和分类效果,并减少非突发事件新闻造成的开放集识别问题和降低人工标注非突发事件新闻的成本,这是当前突发事件识别与分类研究的重要课题。[方法/过程]选择BERT预训练模型获得文本的特征表示,融合不同层级之间的语义信息增强文本表示的质量,采用自适应决策边界模型,学习各突发事件类别在高维语义表示空间上的球形最佳决策边界,根据新闻样本的文本表示和各突发事件类别的球形最佳决策边界的欧几里得距离,检测出突发事件新闻并判断突发事件的类别,并在CEC公开数据集和实时爬取的中文新闻数据集CEN上对模型的有效性进行验证。[结果/结论]实验结果表明,本文模型在CEC数据集和CEN数据集上的宏F1值分别为98.46%和95.80%,与基准模型相比,本文模型的宏F1值分别提升了5.15%和19.69%。模型应用展示了提出方法在解决实际问题时的有效性。[局限]未考虑突发事件新闻可能存在多标签的情况。 相似文献
9.
基于情景划分的突发事件应急响应策略库构建方法 总被引：1，自引：0，他引：1
针对突发事件的复杂性及相似案例的稀缺性,提出基于情景划分构建突发事件应急响应策略库的方法。有别于已有“情景—应对”研究关注突发事件情景全过程的相似性,该模型将突发事件情景拆分为由若干情景点组成的情景链,并把情景点信息标注到对应的策略上,利用策略对应的情景点的相似度对策略进行聚类,并划分策略模式,再对同一模式下的策略进行评价、优化,形成每个策略类下的最优策略,以供新发生的适用该策略模式的突发事件复用。最后,利用示例分析对模型的功能进行演示。 相似文献
10.