基于多模态的音乐推荐系统

使用传统协同过滤的方式进行推荐往往会忽视音乐底层特征.通过将音乐的音频特征与歌词信息进行多模态融合,并将融合后的特征信息作为协同过滤推荐的补充,提出了一种基于多模态的音乐推荐系统.主要探讨了音频特征与歌词信息的提取,并在提取歌词信息时利用LDA主题模型进行特征降维.针对多模态融合问题,使用一种特征级联早融合法（EFFC）融合方式,并将多模态融合后的结果与单模态结果进行了比较.对于结果的推荐,以多模态特征信息为依据建立用户兴趣模型,并将该模型通过LSTM神经网络,以过滤与优化协同推荐的用户组.结果表明,基于多模态的音乐推荐系统将推荐结果的误差项平方和（SSE）由传统的2.009降至0.388 6,验证了该方法的有效性.     

基于情境感知和序列模式挖掘的气象学习资源推荐算法

随着互联网的快速发展,气象部门职工作为学习者可以获得的学习资源得到极大丰富。信息超载导致检索合适的在线学习资源时遇到了困难;学习者在不同学习环境和序列访问模式上也有不同的学习需求。但是,现有的推荐系统,如基于内容的推荐和协同过滤,没有结合学习者的情境和序列访问模式,推荐结果准确度不高。本文提出了一种结合情境感知、序列模式挖掘和协同过滤算法的混合推荐算法来为学习者推荐学习资源。混合推荐算法中,情境感知被用来整合学习者的情境信息,如知识水平和学习目标;序列模式挖掘被用来对网络日志进行挖掘,发现学习者的序列访问模式;协同过滤被用来根据学习者的情境数据和序列访问模式为目标学习者计算预测并生成建议。实验和应用效果表明,该混合推荐算法推荐的质量和准确性方面优于其他推荐算法。     

推荐系统中物品召回技术的研究进展

信息技术的快速发展导致信息过载.推荐系统是解决信息过载最有效的方式之一.近年来,深度学习的快速发展也带动了推荐系统的进步,各种深度推荐算法层出不穷.然而由于候选物品数量巨大且用户兴趣动态变化,深度推荐算法的推荐复杂度巨大,难以在实际系统中单独使用.在深度推荐技术发展的同时,物品召回技术（也称近似搜索技术）也有了较大的发展与进步.本文先介绍基于距离最小化的物品召回的研究进展,再从向量索引、局部敏感哈希、哈希学习、向量量化四个方面来深入探讨基于内积最大化的物品召回技术的研究进展.     

基于深度学习的个性化新闻推荐

由于网络上每天有海量的新闻报道产生,新闻推荐已经成为减轻用户信息负载、实现个性化新闻信息获取的重要途径,并被广泛用于新闻网站和新闻APP中以提升用户体验.不同于传统的商品推荐,在新闻推荐中新的新闻文章产生速度很快,而且新闻的语义信息需要结合整体新闻文本去理解,给传统的基于ID和基于特征的推荐算法带来了很大的挑战.此外,用户的新闻阅读兴趣存在高度多样性和动态性的特点,使得准确的用户建模变得非常困难.本文介绍了一些基于深度学习的个性化新闻推荐算法,并探讨了新闻推荐未来的一些可行的方向.     

一种基于三部图网络的协同过滤算法

推荐系统是电子商务领域最重要的技术之一,而协同过滤算法又是推荐系统用得最广泛的.提出了一种基于加权三部图网络的协同过滤算法,用户、产品及标签都被考虑到算法中,并且研究了标签结点的度对用户相似性计算的影响.实验结果表明,此算法在解决用户冷启动问题的同时,还具有较高的推荐准确性.     

多重对级贝叶斯个性化排序算法

为解决隐式反馈推荐问题,贝叶斯个性化排序（BPR）模型已经成为最具有代表性的对级（Pairwise）排序算法之一.在BPR模型中,存在一个严格的偏序假设：相较于未标记的物品而言,用户更喜欢已经有过标记行为的物品.本文提出了一种多重对级贝叶斯个性化排序（MBPR）推荐算法来进一步提升用户对物品的偏好预测能力.首先,基于BPR模型的排序关系设计了一种改进的多重对级偏序假设.具体地,对于每一用户,本文提出将未标记的反馈集细分为潜在的负反馈集和不确定性反馈集,并基于改进的对级偏序假设,提出了一种新的多重对级排序的优化目标来学习用户与物品之间的相关性.为实现MBPR模型的采样任务,本文设计了一种自适应采样策略来为模型更新动态地选取训练样本.最后,在公开数据集上开展了仿真推荐实验,并与基线算法对比.实验结果表明,MBPR算法能够取得更好的推荐效果.     

数据挖掘和数据融合技术在天气预报和气象服务中的应用研究

从数据挖掘和数据融合技术应用的角度,结合天气预报和决策气象服务的实际工作特点,探讨了数据挖掘和数据融合在新一代天气预报和决策气象服务平台应用的系统框架。在面向主题应用的天气预报和决策气象服务方面,数据挖掘和数据融合技术是提高信息准确快捷的重要手段。     

基于人工神经网络的区域滑坡预测研究

区域滑坡是自然灾害的重要类型,严重威胁人们的生命财产安全。采用数据挖掘技术充分挖掘资源环境数据库的信息,进而对滑坡的空间易发区域作出科学的评估和预测,对区域滑坡的预防和治理提前进行部署,可以大大减小区域滑坡带来的危害。为此,以区域空间环境数据库为基础,选取资源环境遥感数据,在滑坡灾害成因分析的基础上,提取地形地貌、土壤及植被覆盖等环境变量数据,采用基于人工神经网络的数据挖掘方法,通过对滑坡空间预测模型的构建过程和结果的评价分析训练出一个置信度较高的神经网络模型。最终采用训练好的神经网络模型,结合山西平陆县的资源环境遥感数据,对平陆县研究区网格进行分类,得出研究区基于神经网络的滑坡易发性分区图,为平陆县区域滑坡的预防和治理作业决策提供一定参考。     

基于C5.0算法的胃癌生存预测模型研究

我国的胃癌发病率高,每年新增胃癌患者占全世界每年新增数量的42％,胃癌成为我国恶性肿瘤防控的重点.本文针对胃癌数据的特征,给出数据预处理和集成方法;采用C5.0分类算法,构建了胃癌生存预测模型,并首次采用美国癌症研究所的SEER数据库进行预测实验.实验结果表明：C5.0预测的精确度、特异性均高于BP-神经网络算法;胃癌患者的出生地点与最终的存活状态之间存在较强的相关性.该研究是数据挖掘技术在医学领域的一个实际应用,对胃癌的临床诊断具有一定的参考价值,可为医生制定合理的治疗和预防方案提供一定参考.     

基于改进混合蛙跳算法的个性化旅游路线推荐

大众在旅游途中期望获得开销低、行程方便、舒适度高的旅游体验,同时还具有历史人文、自然景观、美食购物等不同游览需求.因此,本文提出了一种基于改进混合蛙跳算法的个性化旅游路线推荐方法.首先建立个性化旅游路线推荐问题的优化模型,并针对该模型的特点,设计改进混合蛙跳算法.通过调整可控精度,增加筛选准则和及时处理异常解等策略增强群体的多样性,降低遗漏最优解的风险,强化局部搜索能力,并提高算法的求解精度.以南京三日游个性化旅游路线推荐问题作为实例,收集南京市内知名景点的门票价格、开放时间、不同出行方式所需的时间和花费情况以及食宿费用等相关数据,基于改进混合蛙跳算法进行求解.实验结果表明,与改进前的方法相比,所提改进方法能够获取更优的路径解,推荐的路线能够更好地满足用户的个性需求.     

基于数据挖掘CART算法的区域夏季降水日数分类与预测模型研究

夏季降水日数的准确预测,对于保障农业、运输业、电力等行业的有序进行具有重要现实意义.利用连云港市气象局提供的1951—2012年夏季降水数据对连云港地区的降水日数特征进行分析,难以直观地发现夏季降水日数随时间分布的规律.为进一步探索降水日数的发生规律,结合国家气候中心网站提供的多种气候因子数据,基于CART决策树算法构建了连云港地区夏季降水日数是否偏多与是否偏少的分类与预测模型.该模型可以发现在多种气候因子不同条件下,夏季降水日数是否偏多（偏少）的规律,模型的分类与预测都具有良好的效果.利用52 a的数据样本训练模型,模型的训练准确率为90.38%（86.54%）,再用剩余10 a数据样本检验模型,测试准确率为80%（80%）,并且得到规则集,方便气象业务人员使用以及决策服务人员参考.同时,为降水日数的预测提供了数据挖掘的新思路.     

基于Fabric区块链的智能合约协同开发系统

针对传统协同开发系统普遍采用"中心化"存储架构带来的单点故障、数据不可信、故障难以追责等安全问题,以及传统协同办公系统仅支持单一企业内部办公的问题,本文借助超级账本Fabric区块链技术以及业务流程管理和服务组合技术实现了一款基于Fabric区块链的智能合约协同开发系统.系统架构中首先结合传统中心化存储技术和区块链去中心化存储技术,通过将系统核心业务数据信息存储在区块链分布式账本中而把业务流程管理等不重要的数据存储在传统数据库中解决了"中心化"存储管理带来的安全信任问题.其次系统通过结合超级账本联盟链技术提供的企业联盟的特点使得系统可以应用于企业联盟办公中,解决了单一办公的问题.     

新一代数值预报系统GRAPES研究进展

中国气象科学研究院 (灾害天气国家重点实验室) 自2000年起, 先后在科技部“973”重大基础项目“我国重大天气灾害形成机理和预测理论研究”和“十五”重点攻关项目“中国气象数值预报系统技术创新研究”支持下, 主持承担了中国气象局新一代全球/区域多尺度通用同化与数值预报系统GRAPES (Global/Regional Assimilation and PrEdiction System) 的研究开发, 围绕着资料同化、模式动力框架、物理过程、大型软件工程等核心技术开展了自主创新研究, 取得了非静力中尺度模式、三维变分资料同化、标准化、模块化、并行化模式程序软件等方面的突出成果, 部分成果已在业务上得到了应用, 显示了良好的技术性能和业务发展潜力。GRAPES系统是完全依靠中国科学家的力量自主研究发展的、先进的新一代数值预报系统。该文简要介绍GRAPES的研究内容、主要研究进展和初步应用, 以及未来发展的初步计划。