夏彬彬
- 作品数：3 被引量：27H指数：1
- 供职机构：桂林电子科技大学更多>>
- 发文基金：国家自然科学基金广西研究生教育创新计划广西研究生教育创新计划项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种提高推荐多样性的概率选择模型被引量：1
- 2016年
- 传统的推荐算法多以优化推荐列表的精确度为目标,而忽略了推荐算法的另一个重要指标——多样性。提出了一种新的提高推荐列表多样性的方法。该方法将列表生成步骤转换为N次概率选择过程,每次概率选择通过两个步骤完成:类型选择与项目选择。在类型选择中,引入项目的类型信息,根据用户对不同项目类型的喜好计算概率矩阵,并依照该概率矩阵选择一个类型;在项目选择中,根据项目的预测评分、项目的历史流行度、项目的推荐流行度3个因素重新计算项目的最终得分,选择得分最高的项目推荐给用户。通过阈值TR来调节多样性与精确度之间的折中。最后,通过对比实验证明了该方法的有效性。
- 张东蔡国永夏彬彬
- 关键词：推荐系统多样性
- 基于卷积神经网络的图文融合媒体情感预测被引量：25
- 2016年
- 近年来,用户在社交媒体上越来越多地使用多媒体内容来分享经历和表达情绪。相比单独的文本和图像,融合文本和图像的多媒体内容能够更为充分地揭示用户的真实情感。针对单一文本或图像的情感不明显问题,提出了一种基于卷积神经网络(CNN)的图文融合媒体的情感分析方法。该方法融合图像特征与三个不同级别(词语级、短语级和句子级)的文本特征构建CNN模型,以分析比较不同层次的语义特征对情感预测的影响。在真实数据集上的实验结果表明,通过捕捉文本情感特征和图像情感特征之间的内部联系,可以更准确地实现对图文融合媒体情感的预测。
- 蔡国永夏彬彬
- 关键词：社交媒体多媒体情感分析卷积神经网络
- 基于联合矩阵分解的图像情感分析研究被引量：1
- 2017年
- 训练具有良好泛化能力的分类模型不仅需要足够多的数据,而且需要保证数据应尽量不含或含有较少的噪声.社交网站为训练分类模型提供了大量的数据,但社交网站数据一般含有较多的噪声.针对用于图像情感分类的社交网站数据存在噪声的问题,提出一种基于联合矩阵分解的异构迁移学习图像情感分类算法.该算法将联合矩阵分解在参考领域的共现数据学得的知识(模型参数)迁移到图像情感分类领域,利用模型参数对图像进行重构,重构的图像去除了原数据中的噪声,因此其特征具有更强的情感分类能力.经过Flickr和Twitter图像数据集的实验表明,基于联合矩阵分解的异构迁移学习方法应用于图像情感分类领域的有效性.
- 蔡国永夏彬彬
- 关键词：社交媒体情感分析
