公共文化服务平台

搜索到149篇“ CP-NETS“的相关文章

一种基于CP-Nets的Skyline查询方法: 本发明涉及一种基于CP‑Nets的Skyline查询方法，属于数据管理和多属性数据查询技术领域。本发明针对用户在进行数据库查询时偏好具有依赖关系的情况，设计了一种利用CP‑Nets表达用户条件偏好，进而进行Skyline...; 付晓东柯森福丁家满刘骊贾连印彭玮刘利军

基于TCP和CP-nets的数据流偏好查询研究: 人工智能和大数据等领域的迅速发展,产生了巨量的数据,使人们获取所需信息变得越来越具有挑战性,尤其是在数据流中获取用户偏好需求信息。在大数据专业领域的发展中,实时数据处理的进展迅速,比如在推荐系统中处理用户偏好数据流的能力...; 田金灿

基于偏好优先级进行CP-nets一致性序列求解: 2023年; 首先,设计CP-nets一致排序生成算法,该方法通过量化用户的每个结果属性的偏好,获取结果属性的偏好优先级,这些值能准确地反映出用户的偏好,从而得出任意结构CP-nets的一致排序。最后通过实验验证,与其他方法相比,该方法获得一致性序列所需的运行时间少,推理速度快,得到结果的效率更高。; 李润泽孙雪姣; 关键词：一致性

CP-nets及TCP上的偏好查询研究及实现: 随着互联网技术的快速发展,“信息过载”现象成为人们得到需求信息的最大障碍。偏好查询是偏好推理学习中的重要类型,它能够根据用户需求为用户提供个性化服务,更便捷、更高效地向用户返回与其需求相对应的结果,在推荐系统、多标准决策...; 李润泽; 关键词：CP-NETS

基于Dandelion编码生成有界树宽CP-nets: 2021年; 针对条件偏好网络(CP-nets)图模型在进行推理运算时的高时间复杂度的问题,提出了一种基于Dandelion编码生成有界树宽的CP-nets(BTW-CP-nets Gen)算法。首先,通过Dandelion编码与树宽为k的树结构(ktree)之间的双向映射原理推导出Dandelion编码与k-tree之间的解码与编码算法,实现编码与树结构的一对一映射;其次,利用k-tree来约束CP-nets结构的树宽,并利用k-tree的特征树得到了CP-nets的有向无环图结构;最后,利用离散多值函数的双射计算出各CP-nets结构节点的条件偏好表,然后针对生成的有界树宽CP-nets进行占优查询检测。理论分析和实验数据表明,与Pruffer编码生成k-tree(Pruffer code)算法相比,BTW-CP-nets Gen算法的运行时间在生成简单结构和复杂结构时的下降幅度分别为21.1%和30.5%;而BTW-CP-nets Gen算法所生成的图模型在进行占优查询时的节点遍历比在简单结构和复杂结构上分别提高了18.48%和29.03%。BTW-CP-nets Gen算法在更短的时间内,占优查询时遍历的节点率更高。可见,BTW-CP-nets Gen算法在图模型的推理中能够有效提高算法效率。; 李丛丛刘惊雷; 关键词：K-TREE

结合反向矩阵和频繁模式树方法的CP-nets结构学习: 2021年; 提出一种基于反向矩阵结构在数据流上挖掘条件偏好和学习CP-nets的方法。利用反向矩阵的事务布局,减少了扫描数据库的次数,并且通过随机访问,在不到一次完整扫描的情况下得到频繁的偏好项。此外,通过建立频繁模式树FP-Tree,减少了候选项的生成。实验结果表明,与其他学习CP-nets结构的方法相比,该方法可以较快获得准确的CP-nets,在大型事务数据库方面表现出良好的性能,减少了内存需求。; 王卫星刘兆伟; 关键词：CP-NETS 数据流频繁项集 FP-TREE

流式数据的CP-nets结构学习研究: 偏好是决策理论、运筹学和现代计算机科学理论等诸多领域的重要研究内容。条件偏好网络（Conditional Preference networks，CP-nets）作为一种定性偏好直观表达工具，已经成为人工智能研究的热点问...; 王卫星; 关键词：流式数据频繁模式树

基于约束的启发式CP-nets结构学习研究: CP-nets（Conditional Preferencenets条件偏好网）是用于描述偏好的直观图模型，是研究不确定关系的有力工具之一，其学习问题已成为研究热点。然而当数据规模变大、事务属性数量增加时，其得到的CP-...; 朱阳

基于滑动窗口的CP-nets增量式学习研究被引量：1: 2020年; 偏好信息挖掘是人工智能领域数据挖掘中一个重要的研究内容,近年来得到了广泛的研究.随着当前社会发展和数字数据的急剧增长,实时应用中的偏好数据是以数据流的形式快速生成。然而,挖掘偏好的动态特性越来越需要适应流式数据变化的解决方案。造成这种情况的主要原因是用户的偏好不是静态的,可以随着时间的推移发生变化,而传统的偏好求取方法大多集中应用在静态数据集中,不能高效地处理数据流。本文主要采用基于窗口的CP-nets增量式学习算法处理偏好数据流。该算法在合成数据集和真实数据集上的实验结果表明本文提出的算法能够根据用户的上下文偏好信息得到与传统学习算法大体一致的较准确的用户CP-nets模型,并且与传统算法比较,该算法的时间复杂度低,算法效率更高。; 何新新朱阳; 关键词：数据挖掘数据流增量式算法 CP-NETS

基于时间敏感滑动窗口的CP-nets结构学习被引量：2: 2020年; 随着人工智能的发展,条件偏好网(Conditional Preference networks,CP-nets)的学习和表示被广泛研究.此前的研究工作主要集中于从静态数据库中挖掘用户的条件偏好,而在许多新兴应用中,数据通过互联网或传感器网络流动,偏好也会随之发生变化.将挖掘偏好的方法扩展到动态环境是一个挑战,遇到的问题主要包括对连续数据进行的快速处理、庞大的数据量以及有限的内存资源等.针对偏好数据流,提出一种基于时间敏感的滑动窗口模型来挖掘条件偏好关系和学习CP-nets结构的方法,该方法包括一个用来获取所有可能偏好关系的存储结构以及一个对偏好关系进行累积计数的数据结构,并提出基于时间敏感滑动窗口的条件偏好关系挖掘算法,根据输入的偏好数据流比较基本块与滑动窗口的大小对条件偏好关系进行插入和更新.实验结果表明,与其他学习CP-nets结构的方法相比,该方法所需的运行时间少,得到的CP-nets的结构更准确.; 王卫星刘兆伟石敬华; 关键词：CP-NETS 数据流频繁项集

相关作者