您的位置: 专家智库 > >

李雅美

作品数:3 被引量:28H指数:1
供职机构:中山大学更多>>
发文基金:中央高校基本科研业务费专项资金国家自然科学基金广东省自然科学基金更多>>
相关领域:自动化与计算机技术文化科学更多>>

文献类型

  • 2篇专利
  • 1篇期刊文章

领域

  • 1篇自动化与计算...
  • 1篇文化科学

主题

  • 2篇语言处理
  • 2篇似然
  • 2篇自然语言
  • 2篇自然语言处理
  • 2篇最大似然
  • 2篇网络
  • 2篇网络参数
  • 2篇文本
  • 2篇解码
  • 2篇解码器
  • 2篇加权
  • 2篇加权平均
  • 1篇数据挖掘
  • 1篇推荐系统
  • 1篇协同过滤
  • 1篇旅游
  • 1篇基于标签
  • 1篇个性化旅游
  • 1篇标签

机构

  • 3篇中山大学

作者

  • 3篇李雅美
  • 2篇潘嵘
  • 1篇王昌栋

传媒

  • 1篇中国科学技术...

年份

  • 1篇2023
  • 1篇2019
  • 1篇2017
3 条 记 录,以下是 1-3
排序方式:
基于强化学习的生成式文本摘要方法
本发明涉及人工智能自然语言处理的技术领域,更具体地,涉及基于强化学习的生成式文本摘要方法。基于强化学习的生成式文本摘要方法,包括Actor部分与Critic部分,其中,包括以下步骤:S1.Actor部分用Seq2Seq方...
李雅美潘嵘
文献传递
基于标签的个性化旅游推荐被引量:28
2017年
旅游景点数量庞大,而用户本身旅游次数有限,所以用户旅游数据非常稀疏,进而影响了推荐结果的准确度.为了解决这一问题,从海量游记中提取与旅游景点密切相关的4个因素——地域、时间、主题、类型相关的特征标签,来丰富数据信息.一方面通过基于标签内容的方法为用户推荐感兴趣的景点;另一方面,用景点特征标签描述用户兴趣特征,根据用户兴趣标签找到相似用户群,通过协同过滤的方法为用户推荐感兴趣的景点.实验结果表明,基于标签的协同过滤算法较传统的协同过滤算法推荐准确率提高了63.7%,比基于景点热度的推荐算法提高了22.5%;基于标签内容的推荐算法比基于景点热度的推荐算准确率提高了27.6%.进一步,通过线性加权的方式混合两种算法,使两种算法优势互补,从而得到更好的推荐效果.最终使得基于标签的混合算法的准确率,比基于标签的协同过滤算法提高了61.3%,比基于标签内容的推荐算法提高了54.7%.旅游景点推荐准确度的提高,将带来更好的用户体验,使在线旅游网站更加具有竞争力.
李雅美王昌栋
关键词:推荐系统数据挖掘基于标签协同过滤
基于强化学习的生成式文本摘要方法
本发明涉及人工智能自然语言处理的技术领域,更具体地,涉及基于强化学习的生成式文本摘要方法。基于强化学习的生成式文本摘要方法,包括Actor部分与Critic部分,其中,包括以下步骤:S1.Actor部分用Seq2Seq方...
李雅美潘嵘
共1页<1>
聚类工具0