基于深度学习推荐系统的研究

针对深度学习的研究,仅运用单一的传统算法在数据稀疏的情况下,不能得到隐式的反馈。所以提出了推荐系统,在机器学习上有一定的影响,并在社会上的应用也非常广泛,在最近几年在图像处理、会话识别、对象侦探以及药物发现和基因组学等方面取得了一定的发展。将深度学习应用到推荐系统中,探究怎样将大量的数据转变成多源异构数据,它能够让我们对用户在使用过程中得到整合数据,得出用户的偏好。优化推荐系统,了解用户喜好,是我们主要研究目的。在推荐系统系统中,我们主要针对协同过滤进行研究。     

一种针对不良主题的文本过滤方法

针对不良文本的过滤问题,文章提出了一种基于SVM分类器改进的文本过滤方法。该方法将传统的基于词语的分类方法改为基于词语元组的分类,增强了特征项的分辨率,实验表明该方法同传统的过滤方法相比具有较高的准确率和召回率。     

浅谈反垃圾邮件系统在网络中的应用

本简要地分析和概括了垃圾邮件的种类和内容：从技术的角度上介绍了垃圾邮件的制造是如何获得邮件用户的邮件地址，发送垃圾邮件；还介绍了反垃圾邮件系统之一——邮件网关的种类以及及其处理垃圾邮件的方法。     

基于上下文相似度和社会网络的移动服务推荐方法

针对传统的基于协同过滤的移动服务推荐方法存在的数据稀疏性和用户冷启动问题,提出一种基于上下文相似度和社会网络的移动服务推荐方法(Context-similarity and Social-network based Mobile Service Recommendation,CSMSR).该方法将基于用户的上下文相似度引入个性化服务推荐过程,并挖掘由移动用户虚拟交互构成的社会关系网络,按照信任度选取信任用户;然后结合基于用户评分相似度计算发现的近邻,分别从相似用户和信任用户中选择相应的邻居用户,对目标用户进行偏好预测和推荐.实验表明,与已有的服务推荐方法TNCF、SRMTC及CF-DNC相比,CSMSR方法有效地缓解数据稀疏性并提高推荐准确率,有利于发现用户感兴趣的服务,提升用户个性化服务体验.     

一种基于知识图谱的电气设备推荐搜索技术研究

随着信息技术的飞速发展,信息数据呈指数爆炸型增长趋势,知识图谱的出现有效地帮助用户快速有效地搜索得到所需信息。为此,本文对知识图谱的基本特征、实现流程以及当下的应用特性进行分析,提出了一种基于知识图谱的电气维修设备推荐搜索技术。通过将知识图谱中物品的向量化表示方法与协同过滤算法结合,充分应用知识图谱中电气设备的语义信息以及操作用户对电气设备的行为数据,搭建了基于知识图谱的协同过滤算法模型,并对算法的计算过程进行详细描述。最后,应用交叉验证法对所提模型的有效性进行验证,结果表明本文所提算法模型能够显著提升检索结果的有效性。     

基于用户相似度的协同过滤推荐算法简

协同过滤推荐算法通过研究用户的喜好,实现从海量数据资源中为用户推荐其感兴趣的内容,在电子商务中得到了广泛的应用。然而,当此类算法应用到社交网络时,传统的评价指标与相似度计算的重点发生了变化,从而出现推荐算法效率偏低,推荐准确度下降问题,导致社交网络中用户交友推荐满意度偏低。针对这一问题,引入用户相似度概念,定义社交网络中属性相似度,相似度构成与计算方法,提出一种改进的协同过滤推荐算法,并给出推荐质量与用户满意度评价方法。实验结果表明：改进算法能有效改善社交网络中的推荐准确性并提高推荐效率,全面提高用户满意度。     

求解非对称特征值问题的过滤类Krylov序列方法（英文）

将标准Krylov子空间方法及多项式加速技术整合起来的过滤类Krylov序列方法对求解对称矩阵的多个端部特征值极为高效.本文将该方法推广,以求解非对称矩阵的实部最大的特征值及其对应的特征向量.与标准Krylov子空间方法相比,过滤类Krylov序列方法具有极大的优越性和鲁棒性.数值实验表明了新方法的有效性.     

Internet安全和防火墙技术:安全体系结构

根据防火墙技术的发展现状,分析了防火墙的功能需求,提出了五种防火墙的安全体系结构,对于防火墙设计和实现中的一些问题以及今后的发展方向提出了我们的看法。     

基于Logistic函数的贝叶斯概率矩阵分解算法

在协同过滤推荐系统中,矩阵分解是一种非常有效的工具。贝叶斯概率矩阵分解模型具有预测精度高的优点,但不能表示潜在因子之间的非线性关系。针对该问题,该文提出一种基于Logistic函数的改进贝叶斯概率矩阵分解模型,并使用马尔科夫链蒙特卡罗方法进行训练。在两组真实数据集合上的实验表明,基于Logistic函数的贝叶斯概率矩阵分解算法能够明显提高预测准确性,有效缓解数据稀疏性问题。     

防御拒绝服务攻击

Internet上的DDoS攻击对网络和系统安全产生了新的挑战,近年来针对这一问题出现了很多应对机制。论文对防范DDoS攻击的多种方法进行了分析比较。