-
题名基于深度学习的个性化新闻推荐
被引量：7
- 1
-
-
作者
吴方照
武楚涵
安鸣霄
谢幸
-
机构
微软亚洲研究院
清华大学信息科学技术学院
中国科学技术大学计算机科学与技术学院
-
出处
《南京信息工程大学学报（自然科学版）》
CAS
2019年第3期278-285,共8页
-
文摘
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.
-
关键词
推荐系统
新闻推荐
用户建模
深度神经网络
-
Keywords
recommender system
news recommendation
user modeling
deep neural network
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进YOLOv4的口罩佩戴检测算法
被引量：5
- 2
-
-
作者
金鑫
曾思轲
刘阳
武楚涵
-
机构
辽宁石油化工大学信息与控制工程学院
辽宁石油化工大学创新创业学院
-
出处
《计算机与现代化》
2022年第1期85-90,共6页
-
基金
国家自然科学基金资助项目(62073158)
辽宁石油化工大学引进人才科研启动基金资助项目(2016XJJ-102)。
-
文摘
为解决YOLOv4在目标检测任务中检测速度低、模型参数多等问题,提出一种改进YOLOv4的目标检测算法。将YOLOv4主干网络中的CSPDarknet53替换成Mobilenet用以增强YOLOv4的特征提取网络,PANet原有的3×3标准卷积被深度可分离卷积取代,以降低计算负荷,从而提高识别速度,减少模型参数。然后使用K-means++算法对由8565张图像组成的数据集进行anchor维度聚类,以提升算法精度。同时,搭建行人口罩佩戴及人体测温拍摄系统用以在人群密集场所中执行疫情防控任务。在保证YOLOv4-Mobilenet网络精度的前提下,相较于原算法FPS提升200%、模型参数减少82%。改进后的模型平均每秒可检测67张图片,可以胜任实际应用中的口罩佩戴检测任务,结果表明该模型检测效果好、鲁棒性较强。
-
关键词
YOLOv4
Mobilenet
深度可分离卷积
K-means++
口罩佩戴检测
-
Keywords
YOLOV4
Mobilenet
depth seperable convolution
K-means++
mask wearing test
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
