-
题名基于信任关系的非线性表征潜在因子模型
- 1
-
-
作者
潘天艺
宋燕
-
机构
上海理工大学光电信息与计算机工程学院
-
出处
《电子科技》
2025年第2期53-61,共9页
-
基金
国家自然科学基金(62073223)
上海市自然科学基金(22ZR1443400)。
-
文摘
针对高维稀疏无向网络挖掘实体间潜在关联信息的表征能力较弱和计算效率较低的问题,文中在社交推荐模型框架下提出了一种基于信任关系的非负非线性表征潜在因子模型。该模型通过非线性映射塑造潜在矩阵的特征空间,既保证了目标矩阵的非负性,又提高了模型的表征能力。通过在模型训练的目标函数中引入图拉普拉斯正则化项保证了信任关系映射前后的结构一致性。基于6个公开数据集的对比实验结果表明,所提模型较其他模型具有明显的优越性。
-
关键词
高维稀疏无向网络
社交推荐模型
信任关系
非负非线性
特征空间
图拉普拉斯正则化
潜在因子模型
小批量梯度下降法
-
Keywords
high-dimensional sparse undirected networks
social recommendation model
trust relationship
non-negative nonlinear
feature space
graph Laplacian regularization
latent factor model
mini-batch gradient descent
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名两两关系马尔科夫网的自适应组稀疏化学习
- 2
-
-
作者
刘建伟
任正平
刘泽宇
黎海恩
罗雄麟
-
机构
中国石油大学自动化研究所
中国科学院软件研究所基础软件国家工程研究中心
-
出处
《自动化学报》
EI
CSCD
北大核心
2015年第8期1419-1437,共19页
-
基金
中国石油大学(北京)基础学科研究基金项目(JCXK-2011-07)资助~~
-
文摘
稀疏化学习能显著降低无向图模型的参数学习与结构学习的复杂性,有效地处理无向图模型的学习问题.两两关系马尔科夫网在多值变量情况下,每条边具有多个参数,本文对此给出边参数向量的组稀疏化学习,提出自适应组稀疏化,根据参数向量的模大小自适应调整惩罚程度.本文不仅对比了不同边势情况下的稀疏化学习性能,为了加速模型在复杂网络中的训练过程,还对目标函数进行伪似然近似、平均场自由能近似和Bethe自由能近似.本文还给出自适应组稀疏化目标函数分别使用谱投影梯度算法和投影拟牛顿算法时的最优解,并对比了两种优化算法进行稀疏化学习的性能.实验表明自适应组稀疏化具有良好的性能.
-
关键词
无向图模型
两两马尔科夫网
稀疏化学习
自适应组稀疏化
-
Keywords
undirected graphical models, pairwise Markov network, sparse learning, adaptive group sparsity
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
