针对网络视频元数据信息缺失严重和多媒体数据本身特征难以提取等问题，提出了融合评论分析和隐语义模型的网络视频推荐算法。从视频评论入手，通过分析用户对不同视频的评论内容以判断其情感倾向并加以量化，继而构建用户对项目的虚拟评分矩阵，弥补了显式评分数据稀疏性问题。考虑到网络视频的多元性和高维度特性，为了深度挖掘用户对网络视频的潜在兴趣，针对虚拟评分矩阵采用隐语义模型( LFM) 对网络视频分类，在传统的用户—项目二元推荐系统基础之上添加虚拟类目信息以进一步发掘用户—类目—项目关联关系。实验在多重标准下进行，对 YouTube 评论集的实验表明，所提推荐方法获得了较高的推荐精度。
2023-03-04 22:04:27
431KB
1
[ 协同过滤与隐语义模型推荐系统实例1: 数据处理 ]
[ 协同过滤与隐语义模型推荐系统实例2: 基于相似度的推荐 ]
隐语义模型推荐
基于矩阵分解（SVD）的推荐
# 先计算歌曲被当前用户播放量/用户播放总量 当做分值
triplet_dataset_sub_song_merged_sum_df = triplet_dataset_sub_song_merged[['user', 'listen_count']].groupby('user').sum().reset_index()
triplet_dataset_sub_song_merged_sum_df.rename(columns
2022-08-03 16:58:31
82KB
1
通过对传统CAD系统装配设计方法进行系统分析，提出一种基于虚拟装配的多层次装配语义模型，并在此基础上重点分析了装配语义信息的分析提取过程，其中包括空间位置关系、配合特征、装配特征、装配工程关系的提取。并根据此模型基于Protégé本体工具进行建模，导入三维虚拟装配工艺规划（3D Virtual Assembly ProcessPlanning，3DVAPP）系统中进行验证，实现了装配工艺规划中的智能零件识别等应用，为智能虚拟装配提供了理论与实践基础。
2022-03-10 12:59:30
84KB
1
NC6系列UAP语义模型技术红皮书
第一章 前言 4
1.1 概念 5
1.2 定位 5
第二章 结构 6
2.1 应用模型 7
2.2 语义模型 7
2.2.1 定义形态 7
2.2.2 执行流程 9
2.2.3 数据形态 10
2.3 语义提供者 10
2.3.1 接口 11
2.3.2 扩展 14
2.4 函数 17
2.4.1 函数解析 17
2.4.2 函数扩展 17
2.5 参数 20
2.5.1 参数定义 20
2.5.2 参数引用 20
2.5.3 参数设置 20
2.5.4 参照依赖 21
2.5.5 自定义参照 21
2.6 宏变量 22
2.7 描述器 23
2.8 数据加工 24
2.8.1 概念 24
2.8.2 定位 24
2.8.3 执行原理 25
2.8.4 使用 25
2.8.5 常见问题 27
2.9 物化策略 27
2.10 复合语义模型 27
2.10.1 设计向导方式 28
2.10.2 语义脚本方式 29
2.11 语义上下文 31
2.12 脚本规则 31
2.12.1 实现规则类 32
2.12.2 配置文件注册 32
2.12.3 操作使用 33
第三章 语义模型管理 35
3.1 对象管理 36
3.1.1 目录管理 36
3.1.2 语义模型管理 37
3.1.3 监控 37
3.1.4 权限 38
3.1.5 全局变量配置 38
3.2 环境配置 39
3.3 导入导出 41
3.3.1 导出逻辑 41
3.3.2 导入逻辑 43
第四章 功能扩展 47
4.1 扩展语义提供者 48
4.2 扩展业务函数 48
4.3 使用数据加工 48
4.4 自定义执行策略 48
4.5 业务规则扩展 49
4.6 元定义驱动扩展 49
4.6.1 接口 50
4.6.2 实现 50
4.6.3 配置文件 50
4.6.4 使用 51
第五章 范例 52
5.1 脚本中引用参数范例 53
第六章 附录 57
6.1 入门 58
6.2 语义模型API 63
6.3 语义函数 65
6.4 其他函数 65
6.5 脚本引擎 66
6.6 针对查询引擎的改进 67
6.7 性能监控 67
6.8 多语言支持 68
2022-02-17 14:02:44
3.96MB
1