论文部分内容阅读
基于改进粒子群聚类的电影推荐系统设计与实现
【摘 要】
：
互联网的高速发展使得我们早已步入“大数据”时代。但是海量数据也让人们面临严峻的“信息过载”问题,推荐系统作为有效的应对手段之一应用在现实生活中的众多场景中。因此,研究推荐系统十分有价值和意义。推荐系统的目的在于有效地挖掘用户兴趣并缓解信息过载的问题。目前主流的推荐系统倾向于从用户和商品的历史交互行为中挖掘出用户的兴趣爱好并形成推荐。但当交互数据比较稀疏时,这类推荐系统的性能会下降。目前常用的众多推
【出 处】
：
黑龙江大学
【发表日期】
：
2021年09期
其他文献
轮廓检测是计算机视觉研究领域中最基础、最重要、最具挑战的问题之一。虽然深度学习等在各个方向不断的深入研究,但大多仍然致力于边缘检测,且与目标检测、语义分割和实例分割研究相比而言,对目标轮廓检测的探索较少。在数据方面,目前最先进水平的算法也要通过大量的监督数据训练,而且大多数任务需要特定的标注数据,如轮廓检测数据集。随着数据爆炸式增长,人工标注的成本升高,且正确性不能保证。针对目标轮廓检测存在的以上
学位
频繁项集挖掘是数据挖掘领域的一个基础性问题,算法需要在海量数据中寻找频繁出现项或项的组合,为关联规则挖掘提供前期的数据支持。在挖掘过程中,必须在保证准确率的情况下,如何尽可能快地找到所有频繁项是现在频繁项集挖掘算法的挑战。本论文提出基于线性表的频繁项集挖掘算法FMLT算法(Frequent mining algorithm based on linear table),该算法首先对原始数据集进行预
学位
计算机视觉是人工智能领域的一个重要分支,催生了许多实际应用,例如视频安全监控、交通违章车牌识别、人脸检测、自动驾驶等。然而雾对这些应用产生了严重的干扰。雾是一种常见的气象,它能够遮挡视频图像中的物体,从而影响机器对图片内容的解析。因此,如何将图像中的雾去除,把有雾图像还原成无雾图像,成为计算机视觉领域中被广泛讨论的问题。相比于其它的神经网络,卷积神经网络(Convolutional Neural
学位
深度学习的发展使得人工智能取得了很大的进步,伴随着人工智能技术走进我们的生活,具有良好人机交互性的聊天机器人也在不断发展。因此研究将深度学习技术应用于智能聊天机器人系统是很有价值和前景的。智能聊天机器人由文本预处理模块和自然语言生成模块两部分组成。文本预处理模块帮助模型理解自然语言,自然语言生成模块帮助模型学习人类对话的方式,两个模块均使用深度学习模型进行搭建。文本预处理模块包括获取数据、数据清洗
学位
为了更好地规制网络服务提供者怠于履行信息网络安全管理义务的行为,《刑法修正案(九)》中新增了一项罪名——拒不履行信息网络安全管理义务罪。但由于本罪主体类型认定模糊、义务界限不清晰、兜底性条款不明确、罪过形式有争议等问题,造成本罪在司法实践中陷入“适用难”的困境。本文在对拒不履行信息网络安全义务罪的基本理论进行探究的基础上,以朱某非法开展VPN业务一案引出的四个争议焦点为切入点,深入探讨本罪的构成要
学位
BERT是一种基于深度双向transformer的语言预训练模型。经过微调后,BERT能在不同任务中实现最先进的性能。BERT具有数亿个参数,训练和推理的时间长,限制了其在计算资源不充足的场景下的应用。最近的研究使用知识蒸馏(Knowledge Distillation)将BERT压缩成更小,更轻,推理更快的BERT模型。然而,通常模型尺寸减小也意味着性能降低。本论文的研究目的为:在蒸馏压缩BER
学位