期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
改进FMEA模型在智慧城市信息安全风险评估的应用 被引量：2
1
作者 张文德 蔡均益 +1 位作者 卫西宁 李婵 《情报探索》 2021年第7期1-8,共8页
[目的/意义]考虑到现实中风险偏好对智慧城市信息安全风险评估的影响,为了更加合理地量化风险,改进失效模式与影响分析(FMEA)模型并应用于智慧城市信息安全风险评估。[方法/过程]首先,分析智慧城市信息安全风险事件并构建二元语义评估矩... [目的/意义]考虑到现实中风险偏好对智慧城市信息安全风险评估的影响,为了更加合理地量化风险,改进失效模式与影响分析(FMEA)模型并应用于智慧城市信息安全风险评估。[方法/过程]首先,分析智慧城市信息安全风险事件并构建二元语义评估矩阵,其次,以最大熵方法及加权有序加权平均(WOWA)算子的参数加权函数描述评估者与决策者风险偏好对属性权重影响,并确定风险因素的位置权重和自身权重,最后,利用二元语义加权有序加权几何平均(2TWOWGA)算子集结评估信息。[结果/结论]结果表明基于现实环境中不同风险偏好的影响下,改进的FMEA模型能够较好地处理传统FMEA模型风险因素相对重要性问题,从而更加合理地量化风险。 展开更多
关键词 智慧城市 信息安全风险 失效模式与影响分析 风险态度 心理行为偏好
下载PDF
基于BiLSTM-CRF的MOOC课程评论抽取研究 被引量：4
2
作者 张文德 李学超 何珑 《电子设计工程》 2021年第2期34-37,42,共5页
文中主要研究从MOOC课程评论中抽取评价对象和评价词的方法。将MOOC课程评论评价对象和评价词的抽取问题看作序列标注问题,利用BiLSTM模型获取MOOC课程评论中评价对象和评价词的上下文信息,利用CRF模型获取MOOC课程评论中评价对象和评... 文中主要研究从MOOC课程评论中抽取评价对象和评价词的方法。将MOOC课程评论评价对象和评价词的抽取问题看作序列标注问题,利用BiLSTM模型获取MOOC课程评论中评价对象和评价词的上下文信息,利用CRF模型获取MOOC课程评论中评价对象和评价词的整体信息,从而标注出MOOC课程评论中评价对象和评价词。提出的MOOC课程评论评价对象和评价词抽取方法的准确率为82.62%,召回率为84.10%,F1值为83.35%。实验结果表明,文中提出的BiLSTMCRF模型可以有效地从MOOC课程评论中抽取评价对象和评价词。 展开更多
关键词 BiLSTM-CRF MOOC 课程评论 评价对象 评价词
下载PDF
基于单值中智集的组推荐偏好融合方法
3
作者 张文德 张诗雨 卫西宁 《情报探索》 2021年第6期19-23,共5页
[目的/意义]旨在提出一种能有效解决组推荐中存在的不确定性问题的组成员偏好融合方法。[方法/过程]利用单值中智数来获取组成员的偏好,并用偏好融合策略融合组成员偏好,进而通过计算各组之间的相似度和近邻评分对未评分项进行评分预测... [目的/意义]旨在提出一种能有效解决组推荐中存在的不确定性问题的组成员偏好融合方法。[方法/过程]利用单值中智数来获取组成员的偏好,并用偏好融合策略融合组成员偏好,进而通过计算各组之间的相似度和近邻评分对未评分项进行评分预测。[结果/结论]所用的基于单值中智集的组推荐偏好融合方法能有效处理组推荐中存在的不确定性问题,从而提升了组推荐的评分预测准确性,但准确率仍受偏好融合策略以及组近邻数的影响。 展开更多
关键词 单值中智集 组推荐 偏好融合
下载PDF
基于均衡接近度增强时间的兴趣点推荐模型 被引量：3
4
作者 陈江美 张岐山 +1 位作者 张文德 何珑 《小型微型计算机系统》 CSCD 北大核心 2020年第10期2075-2081,共7页
针对现有的兴趣点推荐算法存在用户签到数据稀疏的问题和用户兴趣的动态变化问题,提出了基于均衡接近度增强时间的兴趣点推荐模型.首先,采用均衡接近度方法计算时间相似度,获得时间影响模型.然后,结合融入兴趣点流行度的空间影响模型,... 针对现有的兴趣点推荐算法存在用户签到数据稀疏的问题和用户兴趣的动态变化问题,提出了基于均衡接近度增强时间的兴趣点推荐模型.首先,采用均衡接近度方法计算时间相似度,获得时间影响模型.然后,结合融入兴趣点流行度的空间影响模型,建立矩阵填充模型,将得分最高的前s个兴趣点填充进矩阵.最后,将时间因素融入到矩阵分解模型中,进行优化求解.实验结果表明,该模型更有效地缓解数据稀疏性和用户兴趣动态变化的问题,推荐性能明显优于其他的基准模型. 展开更多
关键词 兴趣点推荐 均衡接近度 时间影响 空间影响 矩阵填充 矩阵分解
下载PDF
融合潜在兴趣和多类型情景信息的兴趣点推荐模型 被引量：2
5
作者 陈江美 张岐山 +1 位作者 张文德 何珑 《情报科学》 CSSCI 北大核心 2021年第3期143-149,160,共8页
【目的/意义】在现有的兴趣点推荐工作普遍存在数据稀疏和低精确率问题的基础上,提出了一种融合潜在兴趣和多类型情景信息的兴趣点推荐模型。【方法/过程】该模型分为矩阵填充和矩阵分解两个阶段。首先利用社交和地理信息建立矩阵填充模... 【目的/意义】在现有的兴趣点推荐工作普遍存在数据稀疏和低精确率问题的基础上,提出了一种融合潜在兴趣和多类型情景信息的兴趣点推荐模型。【方法/过程】该模型分为矩阵填充和矩阵分解两个阶段。首先利用社交和地理信息建立矩阵填充模型,为每个用户学习一组待填充兴趣点。其次,将分类信息嵌入加权矩阵分解模型来学习用户偏好。最后,采用自适应核密度估计对地理影响建模,结合矩阵分解的结果得到GSC-WMF模型。【结果/结论】实验结果表明,该模型在推荐的准确率和召回率上相较其他主流模型取得了更好的结果。【创新/局限】提出了矩阵填充模型来发掘用户的潜在兴趣,并有效地将融合分类信息来解决用户隐式信息反馈问题。在未来的研究工作中,将考虑利用深度学习技术来改善推荐性能。 展开更多
关键词 兴趣点推荐 社交关系 分类信息 加权矩阵分解 核密度估计 地理信息
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部