排序方式: 共有9条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
4.
5.
6.
7.
[目的/意义]通过分析图书馆的图书流通数据,本文提出一种基于时间兴趣因子融合网络学习的图书推荐模型—TIF_N2V_CF。[方法/过程]评估用户借阅图书的时间间隔并定义兴趣因子权重,根据流通数据构建同质关系网络;网络表示学习将得到的特征矩阵输入融合推荐模型并得到推荐结果。[结果/结论]实验表明,TIF_N2V_CF模型的召回率在top z=10和z=20时分别为0.1302、0.2031,高于未引入时间兴趣因子的N2V_CF模型。TIF_N2V_CF模型将时间兴趣因子引入到网络表示学习,对融合用户和图书的特征矩阵进行相似度计算,解决图书借阅流通数据中同一时间包含多本图书借阅记录造成的难以序列化的问题,缓解数据稀疏和冷启动对模型性能的影响,提高了推荐精度。 相似文献
8.
【目的/意义】解决自动问答系统构建过程中数据集构建成本高的问题,以及自动问答过程中仅考虑问题或
答案本身相关性的局限。【方法/过程】提出了一种融合标注问答库和社区问答数据的数据集构建方法,构建问题关
键词-问题-答案-答案簇多层异构网络模型,并给出了基于该模型的自动问答算法。获取图书馆语料进行处理作
为实验数据,将BERT-Cos、AINN、BiMPM模型作为对比对象进行了实验与分析。【结果/结论】通过实验得到了各
模型在图书馆自动问答任务上的效果,本文所提模型在各评价指标上均优于其他模型,模型准确率达87.85%。【创
新/局限】本文提出的多数据源融合数据集构建方法和自动问答模型在问答任务中相对于已有方法具有更好的表
现,同时根据模型效果分析给出用户提问词长建议。 相似文献
9.
1