-
题名融合情境感知与随机森林的旅游景点推荐模型
- 1
-
-
作者
吴霞
杨晓霞
朱锋
-
机构
成都理工大学地球科学学院
-
出处
《现代电子技术》
2023年第6期154-160,共7页
-
基金
国家自然科学基金项目:上下文感知的旅游信息智能推荐方法(41771444)。
-
文摘
情境是指一切可以用来描述某个对象情形和特征的信息,包括时间、位置、社会关系、自然状况以及项目特征等。旅游景点的选择受多种类型情境要素的影响,而传统的旅游景点推荐模型中未考虑或只考虑单一的情境要素,忽略了多方面情境要素对用户在选择出行目的地的综合影响。为此,文中通过归纳11种情境要素对景点推荐的影响并探讨它们影响程度的差异,提出一种融合情境感知和随机森林算法的旅游景点推荐模型,将情境要素作为随机森林中决策树分裂时要考虑的特征属性进行建模。实验结果表明:在众多情境要素中,相比于温度、季节等其他情境要素,景点自身的情境要素对旅游景点的选择影响更大,在进行推荐时,对各类情境要素按照重要性程度赋予相应的权重能够提高推荐的准确率;与逻辑回归模型相比,随机森林模型在不同数据抽样比下的预测精度更高,当训练数据集与测试数据集的比值为7∶3时精度最高。
-
关键词
情境感知
随机森林
决策树
逻辑回归
情境要素
旅游景点预测
模型构建
实验验证
-
Keywords
context⁃awareness
random forest
decision tree
logistic regression
contextual elements
tourist attractions prediction
model construction
experiment verification
-
分类号
TN911-34
[电子电信—通信与信息系统]
TP391
[电子电信—信息与通信工程]
-
-
题名基于上下文感知自适应卷积网络的实验室文本分类
被引量：1
- 2
-
-
作者
郑文丽
熊贝贝
林燕奎
蔡伊娜
包先雨
王歆
-
机构
深圳市检验检疫科学研究院
-
出处
《现代电子技术》
2023年第13期85-90,共6页
-
基金
国家重点研发计划课题(2019YFC1605504)
深圳市科技计划项目(JSGG20220606140201003)。
-
文摘
当前卷积神经网络模型运用在实验室长文本分类时,存在着特征提取不恰当、语义信息表示不完全而导致的分类不准确的问题。为了解决这一问题,文中通过构建上下文感知自适应卷积网络(CACN),采用多尺度卷积核对潜在特征进行融合,从而更好地提取单词特征的上下文信息。为验证该方法的有效性,在三个公开长文本数据集上对改进后的CACN文本分类方法进行了性能评估,在AG News、Yelp_F、Yelp_P三个长文本数据集上分类准确率分别达到了92.6%、65.5%、95.8%。
-
关键词
文本分类
上下文感知
自适应卷积网络
特征融合
信息提取
性能评估
-
Keywords
text classification
context⁃aware
adaptive convolutional network
feature fusion
information extraction
performance assessment
-
分类号
TN711-34
[电子电信—电路与系统]
-
