丁浩
- 作品数：11 被引量：13H指数：2
- 供职机构：南京大学更多>>
- 发文基金：国家社会科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术医药卫生文化科学艺术更多>>
- 一种融合用户兴趣时序波动的个性化推荐方法及系统
- 一种融合用户兴趣时序波动的个性化推荐方法及系统，该方法包括采集用户与商品的交互数据，融合时序波动变化，对用户兴趣时序波动进行识别分类，得到小幅和大幅兴趣两种波动序列，分别使用小幅兴趣波动序列以及大幅兴趣波动序列有针对性地...
- 胡广伟丁浩
- 文献传递
- 域名纠纷法律救济研究
- 互联网的出现和发展，不但极大地改变了人们的生活，而且对包括法律制度在内的社会运作模式产生了深刻影响。伴随着互联网在商业领域运用的逐步深入，各类域名纠纷得以产生并日益加剧。如何解决域名这一新兴客体与传统民事权利客体之间的矛...
- 丁浩
- 关键词：域名纠纷权利冲突法律救济司法实践
- 基于CNN-Transformer的DAS去噪方法
- 本发明公开了一种基于CNN‑Transformer的DAS去噪方法，将DAS系统采集的含噪声原始数据图像建立数据集，交由CNN模块经过卷积层与池化层后提取图像局部特征；同时将相同的图像传递给Transformer模块，提...
- 张益昕王若凡张旭苹丁浩姚媛媛邹宁睦王顺王峰
- 空心加压螺钉内固定治疗股骨颈骨折疗效分析
- 目的:评估空心加压螺钉内固定治疗股骨颈骨折的临床疗效，并探讨术后骨折不愈合和股骨头缺血坏死的相关影响因素。 方法:收集2001年1月至2010年1月期间在我院行空心加压螺钉内固定治疗的119例股骨颈骨折患者的临床和影像...
- 丁浩
- 关键词：股骨颈骨折临床疗效
- 基于时序漂移的潜在因子模型推荐方法被引量：2
- 2022年
- 【目的】提出一种基于时序漂移的潜在因子分解模型,捕捉用户兴趣趋势特征以提升推荐准确度。【方法】结合用户偏好的时序动态演化以及用户过去行为对当前行为的影响关系进行建模,通过构建辅助矩阵捕捉用户两个时期之间演变关系,引入时间影响因子平衡当前和过去行为的影响。【结果】在三个实验数据集中和基线方法对比测试,精确度最大提高40.02个百分点,最少提高3.75个百分点,平均提高19.81个百分点,证明了本算法的有效性。【局限】由于兴趣漂移演变分析依赖用户历史数据,当历史数据量过于稀疏时需采用用户其他信息进行冷启动。【结论】本文模型对兴趣波动特征的泛化能力更强、用户兴趣演变趋势分析和推荐更准确,能够有效提升企业推荐性能。
- 丁浩丁浩胡广伟王婷
- 关键词：时间序列兴趣漂移推荐系统矩阵分解
- 纪贡＆古耶建筑设计中的表皮策略研究
- 当今对表皮的处理手法决不是对过去的重复，而是充满了时代性。新的设计手法、新技术、新材料的运用，使建筑表皮获得了前所未有的丰富性和表现力。而表皮的图像化与技术化趋势也日趋火热。安妮特·纪贡与迈克·古耶作为瑞士新一代建筑师，...
- 丁浩
- 关键词：建筑设计
- 融合多重特征词嵌入的农业实体命名识别研究
- 2023年
- [目的/意义]本文针对农业领域提出一种基于融合多重特征词嵌入模型的农业命名实体识别方法,以提高识别准确度。[方法/过程]通过使用结合字符、位置语义、领域知识字典特征等多重特征向量作为嵌入层,充分考虑字符的位置信息和上下文语义信息,并根据农业领域的中文实体的特点改进了单一字符向量嵌入,获得更多的农业实体特征,同时采用双向长短时记忆网络BiLSTM和多头注意力机制来学习文本的长距离依赖信息,再利用条件随机场CRF获得全局最优标注序列。[结果/结论]本文在农业领域中文实体语料数据集中与9种基于基线方法进行对比实验,模型的Precision为92.2%,Recall为92.0%,F1值为92.11%,均优于其他基线模型,说明本文模型对于中文农业命名实体识别更精确。
- 丁浩丁浩刘清胡广伟
- 关键词：自然语言处理命名实体识别信息抽取CRF
- 基于时序漂移的潜在因子模型对项目的推荐方法
- 基于时序漂移的潜在因子模型对项目的推荐方法，通过采集所需要推荐项目的历史信息，构建时序漂移矩阵分解模型以及时序漂移联合目标函数后，对联合目标函数进行求解后得到基于时序漂移矩阵分解模型，输入的用户信息后可进行项目推荐。本发...
- 胡广伟丁浩
- 文献传递
- 基于随机森林和关键词查询扩展的医学文献推荐方法被引量：2
- 2022年
- 【目的】从大量医学文献中发现有价值的内容以帮助临床医生做出诊断,提高医学文献推荐效果。【方法】基于随机森林模型与关键词查询扩展相结合的新方法,利用MeSH词典和自动构建的首字母缩略词词典,在句子、段落、文档三个层次上建立关键词与相应文章的完整关系,计算主题与文章之间的多重相似度,对于每篇文章通过文献集合中的引文网络计算HITS的PageRank权重和Authority权重。【结果】与TREC临床决策支持跟踪评价结果中NDCG@100最高的10个值的平均值相比,本文方法 NDCG@100的总体平均值差距在0.9%以内,差距极小。【局限】由于某些新文献或“睡美人”文献前期引用较低,可能会出现检索排名靠后,在此类情况下,本文方法无法进行精准推荐。【结论】通过计算主题与文章之间相似点和引文关系的权重,利用随机森林方法对查询扩展结果进行重新排序,可以有效提高医学文献推荐的效果。
- 丁浩丁浩胡广伟庄光光
- 关键词：临床决策支持
- 融合用户兴趣波动时序的个性化推荐模型被引量：5
- 2021年
- 【目的】构建基于项目类别的神经网络与模糊聚类混合时序预测模型,结合用户兴趣波动幅度的趋势以提升推荐准确度。【方法】对不同幅度的兴趣波动分别采用神经网络和模糊聚类的方法构建趋势预测模型。本文采用神经网络对小幅波动序列数据进行滑动特征提取并预测,而大幅波动序列数据则通过模糊聚类的隶属度划分模糊关系。【结果】通过4组数据的仿真实验,结果表明针对不同幅度兴趣波动的数据特征提取可以获得更准确的预测效果,较其他时序推荐对比算法,RMSE最大降低了19.18%,Hit Ratio最大提高了45.78%。【局限】由于兴趣波动的趋势分析依赖用户历史数据,当历史数据量过于稀疏时需采用额外的冷启动算法对数据进行预处理。【结论】本文方法对兴趣波动特征的泛化能力更强、运行速度快、波动分析和推荐预测更准确,有助于优化个性化信息服务。
- 丁浩丁浩胡广伟胡广伟李树青
- 关键词：时间序列神经网络模糊聚类个性化推荐
