课程文献中心 更多>>

关键词： 电子商务   推荐算法   知识图谱   图注意力  

摘要： 随着大数据时代的发展,电子商务进入了新的发展阶段,推荐系统已成为提升用户体验和促进销售的关键技术。本文提出一种融合知识图谱(KG)与图注意力(GAT)的电子商务推荐算法(E-KGAT)。首先,将用户行为数据与商品属性相结合构建协同知识图谱并进行嵌入表示。然后,设计了一个基于注意力机制的嵌入传播层,捕获节点间的相互作用与依赖关系。此外,通过层聚合机制整合各层的节点表示,预测用户对商品的匹配得分,从而完成推荐任务。最后,采用BCE损失函数和Adam优化器优化模型性能,确保模型在训练过程中准确学习用户和商品的嵌入表示。实验结果表明,通过与其他算法结果比较和消融实验结果比较,证明本算法相比典型的推荐算法不仅能更深入理解用户偏好,还能准确捕获商品之间的关系,从而实现更高的准确性和可解释性。With the development of the big data era, e-commerce has entered a new stage of development, and recommender system has become a key technology to enhance user experience and promote sales. This paper proposes an e-commerce recommendation algorithm (E-KGAT) that integrates knowledge graph (KG) and graph attention (GAT). First, user behavior data and product attributes are combined to construct a collaborative knowledge graph and embedded representation. Then, an embedding propagation layer based on the attention mechanism is designed to capture the interactions and dependencies among nodes. In addition, the node representations of each layer are integrated through the layer aggregation mechanism to predict the user’s matching score for commodities, thus accomplishing the recommendation task. Finally, the binary cross-entropy loss function and Adam optimizer are used to optimize the model performance and ensure that the model accurately learns the embedded representations of users and commodities during training. The experimental results show that by comparing with other algorithms and comparing with the results of ablation experiments, it is proved that the present algorithm not only understands the user preferences more deeply than typical recommendation algorithms, but also accurately captures the complex relationship between commodities, thus realizing higher accuracy and interpretability.

关键词： 游戏沉迷算法   网络游戏   算法行政能力   法律治理  

摘要： 随着信息技术的智能化精进,智能算法逐步应用于包括解决人类娱乐问题在内的诸多领域。网络游戏沉迷问题在智能算法对社会生活的量级影响变化下,也进一步向更多娱乐内容、更广人员范围扩散。以具身理论对游戏关系的生存、娱乐与资本的脉络进行深入分析,可以发现,尽管数字时代人的身心的完全数字化契合了资本增值的逻辑,尽管已有立法和行政措施对未成年人网络游戏沉迷进行了治理,但问题并非限于此。现有规制机制仍面临算法知识鸿沟和监管罅隙的挑战,个人亦被蒙蔽于自主沉沦的论调中,运行在算法基础上的网络游戏沉迷机制对普遍个体与社会造成的侵害日益加剧。针对横亘于立法机关、执法部门与市场主体间的问题,互联网算法管理规定触发的整体算法监管已成趋势。为应对网络游戏沉迷算法对个人权益、家庭关系及社会秩序造成的持续性影响,要着眼于充分激发权利、权力与能力的系统法治思维,依托网瘾侵权损害责任的构建,以公益诉讼机制弥补个体认知缺陷,并以算法行政能力的规范提升来填补监管罅隙。

关键词： 图像处理   边缘检测   中智集   自适应阈值  

摘要： 为提升边缘检测的速度、精度及抗噪性,提出了一种基于中智集的自适应阈值边缘检测算法,该算法通过边窗滤波算法代替传统滤波算法进行去噪;改进中智集获取算法,将图像分割为T、F、I 3个子集,缩短处理时间;提出自适应阈值提取算法,缩短阈值提取时间;最后融合分割信息,获取边缘特征。试验表明,该算法在处理不同噪声时效果优于最新研究的基于最大熵的中智集边缘检测算法(NMNE),在保证精度的同时显著提升了检测速度。

关键词： 开关电容   多电平逆变器   非对称级联   特定谐波消除脉宽调制   改进型粒子群优化算法  

摘要： 针对粒子群优化PSO(particle swarm optimization)算法在应用到逆变器的特定谐波、消除脉宽调制SHEPWM(vselective harmonic elimination pulse-width modulation)所存在的全局搜索能力差、且容易陷入局部最优等问题,提出1种改进型PSO。通过在搜索过程中引入遗传算法中的垂直交叉运算,以及采用精英保留策略来提高算法的全局搜索能力、局部搜索能力和保留优秀的个体,由此提高开关角精确度,改善SHEPWM的性能。使用所提算法对新型非对称级联开关电容多电平逆变器的SHEPWM非线性超越方程进行求解,解决了传统数值法对初值依赖性高及传统PSO求解开关角精确度低等问题。仿真及实验结果验证了所提拓扑结构的可行性和所提算法应用到SHEPWM中的有效性。

关键词： MEMS传感器   土体滑坡   加速度积分   模型试验   位移监测  

摘要： 针对当前工程上土体滑坡位移监测稳定性与准确性差、覆盖难、成本高等难题,提出了一种基于微机电系统(micro-electro-mechanical system,简称MEMS)传感器技术的土体滑坡内部位移监测方法。考虑斜坡岩土体形变过程的运动特性,设计了消除MEMS传感器加速度数据随机偏差和固定偏差的时域加速度积分算法。为验证该位移监测方法的有效性和实用性,设计开展了2组室内牵引式滑坡模型试验及对应有限元仿真计算,利用MEMS技术进行试验边坡土体内部位移监测,结合有限元软件计算结果对试验MEMS数据结果进行对比分析,评估算法的准确性和可靠性。结果表明:基于该算法的MEMS土体滑坡监测位移值,在水平方向和竖向的平均相对误差最小值分别为0.09%和0.50%,具有较高的准确度,满足实际工程需要。研究成果为土体滑坡监测提供了新的思路,也为MEMS传感器在滑坡/边坡防护工程中应用提供理论基础。

关键词： 遗传规划   CatBoost算法   预测模型   决策树   最优化  

摘要： 遗传规划算法采用函数变换将原有变量张成的空间映射到新的特征空间,通过遗传算子操作实现目标函数的最优化。影响房价波动的因素有很多,各影响因素与房价之间呈现复杂的非线性关系。文中提出了一种基于演化CatBoost算法的房价预测模型,将影响房价波动的各因素变量编码为遗传规划算法的终端变量,采用CatBoost算法作为基学习器构建适应度函数,针对房价预测的特点设计合理的遗传算子,在函数映射后的特征空间上实现目标函数的最优化,以提升预测模型的性能。实验结果表明,基于演化CatBoost算法的房价预测模型的预测性能优于传统的基于随机森林算法、支持向量机算法、自适应增强算法、极致梯度提升算法等的预测模型,能够更好地实现房价的预测,在相同条件下具有更高的预测准确度。

关键词： 结构健康监测   参数识别   屈曲约束支撑   蜣螂优化算法   Bouc-Wen模型  

摘要： 为提升Bouc-Wen模型参数识别的鲁棒性及精度,提出了一种基于改进蜣螂优化算法(improved dung beetle optimizer,IDBO)的参数识别方法.首先,通过3种不同的策略对蜣螂优化算法进行改进,提高算法的全局寻优能力和局部探索能力;其次,通过合理限制参数的取值范围,采取较少的迭代次数即可得到各参数的最优解;最后,通过数值算例对屈曲约束支撑(BRB)的Bouc-Wen模型进行参数识别,验证所提方法的有效性和鲁棒性,并进一步开展BRB拟静力加载试验验证该方法的实用性.结果表明:该方法即使在20%噪声污染情况下仍能较好地重构出真实曲线,识别出参数的最大相对误差仅为4.86%;与蜣螂优化算法(DBO)、灰狼优化算法(GWO)、哈里斯鹰优化算法(HHO)、鲸鱼优化算法(WOA)和减法平均优化算法(SABO)相比,所提方法精度显著提升,均方根误差(RMSE)均值分别提高了30.68%、8.03%、43.26%、52.63%和49.25%.该方法可用于结构滞回模型识别和结构非线性行为模拟.

关键词： 多重遗传算法   中央空调   能效优化   BP神经网络  

摘要： 为研究中央空调制冷系统的能效优化问题,本文提出了一种基于多重遗传算法(MGA)和BP神经网络的节能优化方法。首先,分析中央空调系统的关键运行参数,并利用灰色关联分析(GRA)筛选出与能效比(EER)高度相关的参数。其次,通过BP神经网络建立能效预测模型,以精确预测能效比。多重遗传算法将BP神经网络作为适应度函数,动态调整系统运行参数,以使能效比最大化。试验数据显示,优化后系统的能效比在不同负荷率工况下均有显著提升,平均提升5.75%,证明了本文方法在中央空调系统能效优化中的有效性。

关键词： 人工智能算法   智能制造   质量控制   创新应用   案例分析  

摘要： 随着智能制造的快速发展,质量控制作为确保产品质量的关键环节,其重要性日益凸显。文章深入探讨了人工智能算法在智能制造、质量控制中的创新应用,通过结合理论分析与实际案例,展示了人工智能如何助力企业实现高效、精准的质量控制。首先,概述了人工智能算法与智能制造的基本概念及特点;其次,阐述了智能质量控制系统的构建、自动化检测技术、数据挖掘与分析技术以及异常检测技术等关键应用领域,同时通过具体案例分析,揭示了人工智能算法在提高产品质量、优化生产流程、降低不良率等方面的显著成效;最后,总结并展望了人工智能在智能制造、质量控制中的发展前景。

关键词： OpenStack   资源利用率   负载不均衡   优化调度   秃鹰搜索算法   混沌映射   t分布  

摘要： 针对OpenStack云计算平台默认调度算法存在资源利用率低和负载不均衡的问题,提出一种基于改进的秃鹰搜索的调度算法(PieceWise bald and t-distribution eagle search,PBES),旨在最大化云数据中心的资源利用率和负载均衡。采用PieceWise混沌映射提高搜索算法的收敛速度和精度,引入t分布避免算法陷入局部最优解。综合考虑CPU、内存、磁盘和带宽等4种资源指标,采集真实环境下的数据并进行实验,其结果表明,相较OpenStack默认调度算法和粒子群算法,PBES算法在资源利用率和负载均衡方面都有显著提升。