网络信息过滤系统研究综述

全面阐述了信息过滤系统的类型、信息过滤方法、关键技术和评价标准,为进一步研究信息过滤系统在各个领域的实现奠定了基础.     

模糊集技术在网络信息过滤系统中的应用研究

本文将模糊模式识别引入到校园网信息过滤系统中，通过网页内容识别和分级技术将各种不同网站进行分类，过滤和禁止有害网络信息，从而达到校园网的信息“净化”目的。     

自适应谐振理论网络信息过滤

对遗传算法和ART1分类器在信息过滤中的应用进行了研究与探讨,提出了一种全新算法。利用用户的积极和负面反馈过滤信息,使用ART1网络分类器生成用户的动态配置,并通过遗传算法产生理想的查询。试验结果表明:根据该算法提取的搜索结果,提高了信息过滤的准确率。     

基于行为模式进行网络搜索信息过滤

在网络信息搜索过程中会经常出现大量垃圾信息,这些垃圾信息,提高了用户查询有效信息的难度,浪费了用户查询有效信息的时间。本文提出一种利用行为模式识别技术,对网络搜索引擎获得信息结果进行过滤的方式,通过这种方式来提高网络搜索信息的准确率。     

个性化信息过滤技术

本文分析了个性化信息过滤及其实现系统的体系结构,讨论了用户需求文档及其应用的机制,分析了当前主要的过滤算法,并总结了国内外信息过滤的研究进展情况,提出了个性化信息过滤研究的重点问题。     

互联网服务新趋势——信息过滤

通过对信息过滤的几个热点方向的讨论,系统介绍了信息过滤的含义、分类及信息过滤的技术,指出了运用信息过滤技术在当今时代的重要性和紧迫性。     

个性化信息过滤技术在数字电视中的应用

本文通过分析目前数字电视增值业务存在的问题,指出了个性化信息过滤技术在数字电视中应用的必要性,并且合理地选择了一种适用于数字电视的信息过滤算法.     

基于内容的网络不良文本信息动态过滤技术探析

该文探讨了基于内容的网络不良文本信息动态过滤方法的原理,评价了各方法特点、优势与不足,指出了的未来研究重点和难点.为有关管理者进行决策和研究者继续深入研究提供有益参考.     

人工神经网络在信息过滤中的应用

通过分析TextCNN和TextRNN等模型的特点，构建了卷积神经网络与循环神经网络相结合的文本分类模型.在“SMS Spam Collection v.1”数据集上对模型进行测试，选用AUC和Precision等评价指标来评价模型.结果表明，模型有良好的鲁棒性，能够准确识别垃圾邮件.     

面向主动信息服务的网络安全过滤技术研究

通过介绍主动信息服务存在的安全性问题,提出了将传统信息过滤技术应用于解决该问题的方法。在此基础上,通过介绍信息过滤技术的相关内容,定义了一种以过滤目的为标准的新的信息过滤分类形式——用户过滤和安全过滤,并对网络信息安全过滤技术的实现做了进一步研究。     

Adaptive filtering enhances information transmission in visual cortex

Sensory neuroscience seeks to understand how the brain encodes natural environments. However, neural coding has largely been studied using simplified stimuli. In order to assess whether the brain's coding strategy depends on the stimulus ensemble, we apply a new information-theoretic method that allows unbiased calculation of neural filters (receptive fields) from responses to natural scenes or other complex signals with strong multipoint correlations. In the cat primary visual cortex we compare responses to natural inputs with those to noise inputs matched for luminance and contrast. We find that neural filters adaptively change with the input ensemble so as to increase the information carried by the neural response about the filtered stimulus. Adaptation affects the spatial frequency composition of the filter, enhancing sensitivity to under-represented frequencies in agreement with optimal encoding arguments. Adaptation occurs over 40 s to many minutes, longer than most previously reported forms of adaptation.     

基于案例推理的过滤算法及智能信息推荐系统

智能信息推荐系统能够通过用户偏好,利用信息过滤算法主动剔除无关信息。该文提出了一个基于案例推理的职能信息推荐系统的架构,主要包含数据层、过滤层和结果展示层3个功能层次。设计了一个基于案例推理的过滤算法,将用户对文本的评价定义为案例;采用归一化的Euclidean距离,计算用户之间的相似度。在一个公共数据集上进行了不同过滤算法的reca ll值对比实验。结果表明,采用案例推理技术,对协同过滤的准确度有一定程度的改善。     

融合儿童成长信息的协同过滤推荐算法

在互联网母婴领域中,由于育婴网络自身的特殊性,推荐算法不仅与用户以及项目的信息有关还与儿童的数据信息有关,而传统的用户相似度计算并未考虑儿童的数据信息.针对此问题,重新定义用户相似度计算方法,将儿童的数据信息通过加权融合的方法融入用户相似度计算中,并提出一种融合儿童成长信息的协同过滤算法,实验结果表明,该算法的准确率与召回率都优于传统算法,推荐系统的推荐质量也有所提高.     

结合项目类别信息的协同过滤推荐算法

针对个性化推荐系统中协同过滤算法面临的数据稀疏问题以及用户相似性度量的不准确,提出了一种结合类别信息的协同过滤推荐算法。该算法利用用户评分数据计算用户之间对类别关注的相似性,并将用户对类别关注的相似性和用户评分相似性进行组合,得到用户综合相似性,从而提高了最近邻居搜索的准确度,缓解了数据稀疏性问题。实验结果表明,该方法能够有效地避免传统相似性度量方法存在的问题,使得数据稀疏性对最终推荐结果的负面影响变小,在一定程度上提高系统的推荐精度。     

结合项目类别信息的协同过滤推荐算法

针对个性化推荐系统中协同过滤算法面临的数据稀疏问题以及用户相似性度量的不准确,提出了一种结合类别信息的协同过滤推荐算法。该算法利用用户评分数据计算用户之间对类别关注的相似性,并将用户对类别关注的相似性和用户评分相似性进行组合,得到用户综合相似性,从而提高了最近邻居搜索的准确度,缓解了数据稀疏性问题。实验结果表明,该方法能够有效地避免传统相似性度量方法存在的问题,使得数据稀疏性对最终推荐结果的负面影响变小,在一定程度上提高系统的推荐精度。     

基于语境关联的Web信息过滤算法

设计一个文本过滤实验 ,首先从语料库的词频统计结果中挖掘出词频的二元关联度 ,然后用一个Hop field网络将词频的二元关联关系转化为语境关联关系 ,训练语言单位在整个上下文环境下的权重 ,并建立用户模板 .该算法改善了词频特征提取算法与文本上下文环境的匹配状况 ,实验结果表明 ,对专业性Web文档的过滤可达到更高的精确度     

融合位置信息和物品流行度的协同过滤算法

针对绝大多数用户消费习惯对地理位置的敏感性,以及推荐过程中的"长尾效应",提出融合位置信息和物品流行度的协同过滤算法。对传统的协同过滤算法作出2点改进:第一,将用户兴趣偏好与位置偏好相结合,提出一种新的基于地理位置的用户相似度计算方法;第二,在预测评分时,引入物品流行度权重,合理地调整流行物品和长尾物品的推荐期望值。使用Foursquare数据集作为实验数据集,与相关算法进行对比实验。结果表明,改进算法能有效提高推荐的精度和推荐结果的多样性。     

一种用于社交网站的云安全敏感信息过滤模型

分析了社交网站中敏感信息过滤的重要性及云安全在此领域的进展,提出了一种应用于社交网站中的敏感信息过滤的模型,用以解决网站中的敏感信息安全问题.首先利用PATRICIA tree建立分级的敏感词库,信息发布者发布信息时,模型首先读取此用户的审查级别;然后根据此审查级别以及预先建立的敏感词库对信息进行审查,得到最终审查结果后将其返回,并将反馈更新到系统的相应记录中,据此建立综合的审查过滤体系.实验结果表明:本模型对社交网站中的信息中包含的敏感词条达到了很好的匹配滤除效果,可以有效保障网站信息的健康性.     

基于双信息源的协同过滤算法研究

为了解决数据稀疏性,针对具有专门知识背景和交互性强的项目推荐,文章提出了基于双信息源模式的协同过滤算法,该方法判断活动用户对目标项目的兴趣程度建立在相似用户推荐组(最近邻居集合)与专家推荐组基础上,把2个推荐组的建议结合起来,形成可靠的信息源;并分析各自影响活动用户对目标项目的权重,计算活动用户的最终兴趣度,实现系统推荐。     

基于LU分解的增广信息滤波机器人协同定位

在增广信息滤波机器人协同定位算法中,通常对联合分布的信息矩阵采用Cholesky方法进行分解。基于Cholesky分解的增广信息滤波对联合分布的信息矩阵的正定对称性要求很高,在联合分布的信息矩阵不满足正定对称性的情况下,求逆产生异常,影响联合分布的信息恢复,系统的鲁棒性下降。本文提出了一种基于LU分解的增广信息滤波算法,保证了机器人协同定位算法精度的同时,有效解决了联合分布的信息矩阵分解异常问题,最后对机器人系统可观测性进行分析。利用MATLAB软件平台对算法进行仿真验证。结果表明,该算法保证了机器人协同定位精度,提高了机器人系统的鲁棒性。