简介:LDA主题模型是文本挖掘领域的重要算法,同时在推荐系统当中也有不错的表现.通过LDA主题模型挖掘用户感兴趣的主题,是目前最常用的用户兴趣主题挖掘方法之一.为了提高LDA主题模型应用在推荐系统时的推荐质量,我们提出了一种基于负样本进行学习的方法negLDA.通过创造出负样本来学习用户对物品的负面预测评分,同时结合正样本学习得到的正面预测评分,从正反两个方面进行综合评测,从而更加精确地衡量出用户对物品的预测评分.通过在MoviesLens-100k、MovieLens-1M、FilmTrust这三个数据集上的实验,表明所提出的算法在精确率、召回率、AUC三个指标上相比传统算法均有一定改进.
简介:通过构建人体有限元模型,研究交通事故中儿童胸腹部生物力学响应及损伤机理,对提高汽车安全性设计具有重要意义。基于CT医学图像构建了包括胸骨、肋骨和内脏等软硬组织在内的具有详细解剖学结构的6岁儿童乘员胸腹部有限元模型,并构建了具有真实几何形状的斜方肌、外斜肌、冈下肌、肩胛下肌等肌肉组织。利用所构建的模型重构了儿童胸部碰撞尸体试验,仿真得到的胸部撞击力-变形量曲线、粘性准则(ViscousCriterion,VC)值与尸体试验结果呈现一致性,表明了该模型的有效性。对碰撞中肋骨、心脏和肺等胸部组织器官的应力应变进行了分析,结合损伤准则讨论了其损伤状况及损伤机理。