导读:本文包含了向量化论文开题报告文献综述、选题提纲参考文献，主要关键词:神经网络,向量,矩阵,在线,卷积,表情,自然语言。
向量化论文文献综述写法
郭旭,朱敬华[1]（2019）在《基于用户向量化表示和注意力机制的深度神经网络推荐模型》一文中研究指出随着互联网应用的蓬勃发展,推荐系统作为解决信息过载的有效手段,成为了工业界与学术界的研究热点。面向用户隐式反馈的传统推荐算法主要基于协同过滤和排序学习等方法,但这些方法未充分利用用户行为中的隐式反馈特征。文中提出了一种基于神经网络的用户向量化表示模型,其能够充分利用用户的异构的隐式反馈行为特征。同时,借鉴机器翻译中的self-attention机制,设计了一种神经注意力推荐模型,其融合用户向量化表示和用户-项目交互的动态时序特征以提高推荐系统的性能。在公开数据集上进行对比实验,通过召回率、准确率、NDCG 3个指标评价推荐性能。结果表明,与其他面向隐式反馈的推荐模型相比,所提推荐模型具有更好的推荐性能,并且对用户行为特征具有很好的泛化能力。(本文来源于《计算机科学》期刊2019年08期）
邢志斌,李姗姗,范雕,张驰,马越原[2]（2019）在《结合向量化和FFT技术的模型扰动引力快速计算》一文中研究指出用地球重力场模型计算扰动引力矢量时,随着模型阶次的提高,计算效率会迅速降低。针对此问题,研究了扰动引力矢量计算的矩阵表示形式、计算过程的向量化技术以及顾及起始计算点坐标的快速傅里叶变换(FFT)计算表达式。利用EGM2008地球重力场模型进行数值实验,结果表明:结合向量化和FFT技术可实现快速计算区域和全球格网模型扰动引力矢量,计算全球扰动引力矢量时,当重力场模型展开至2160阶次对应5′×5′的分辨率,计算效率可提高5倍,展开至360阶次对应30′×30′的分辨率,计算效率可提高近10倍。所提出的方法对于快速计算模型重力场元具有一定的参考作用。(本文来源于《中国惯性技术学报》期刊2019年03期）
吴晨茜,陈锻生[3]（2019）在《表情符向量化算法》一文中研究指出为了更加客观准确地判断微博的情感倾向,提出表情符向量化算法.首先,该算法将初始化表情符向量从随机产生改进为包含表情符语义信息的向量;然后,用随机产生的负向样本提高泛化能力.通过定性和定量分析可知:该算法能够保留表情符的语义信息;相对于忽略表情符的纯文本情感分析,在微博文本中融入表情符信息的微博情感分析能够提高微博情感分类的精度.(本文来源于《华侨大学学报(自然科学版)》期刊2019年03期）
陈雷慧[4]（2019）在《用户在线行为向量化模型及其应用》一文中研究指出随着互联网与各行各业的进一步融合,互联网渗透到人们日常生活的速度逐步加快。这些应用和服务的发展,在加快互联网普惠化进程的同时,也带来了“信息迷航”、“信息过载”等十分棘手的问题,使得用户在面对海量信息时无法高效便捷地找到真正满足自己需求的内容。值得庆幸的是,用户在参与互联网信息创造、传播和消费的过程中,积累了大量的个人行为数据,为平台对用户行为的建模,以及提供个性化、智能化和定制化的服务带来了契机。向量化用户的兴趣偏好是目前应用最为广泛的在线行为建模方案。但是,用户历史行为数据的爆炸式增长,导致现有的建模方案在应对数据的海量性、稀疏性、异构性和低质性等方面还有很大的提升空间。为此,本文主要从二分网络表示学习和跨领域迁移学习两个角度展开研究,提出了叁种用户在线行为向量化算法。主要贡献如下:·基于二分网络表示学习的用户行为向量化由于用户、项目的交互行为天然地构成了一张二分网络,所以设计并实现了一种可用于用户行为向量化的二分网络表示学习算法——Bi NE,旨在利用网络拓扑结构挖掘出顶点间的显式和隐式关系来缓解数据稀疏问题。Bi NE算法设计了变长的自适应的随机路径生成器,不但能够捕获二分网络的高阶隐式关系,而且很好地保留住了二分网络中节点度的长尾分布特征;进一步基于结构感知的负采样方法优化了算法效率。·基于联合矩阵分解的用户行为向量化为了解决Bi NE方法捕获顶点间隐式关系时需要生成海量随机路径的局限,通过理论分析,近似地给出了Bi NE算法对应的矩阵形式。从而能够在不生成随机路径的情况下就能获得充分的顶点间隐式关系。并通过设计与实现一种联合矩阵分解算法,将其应用于用户行为的向量化。·基于迁移学习的用户行为向量化利用成熟领域的信息向目标领域进行迁移,设计并实现了一种基于跨领域迁移学习的用户行为向量化模型——TLUM。该模型以领域间共同的用户、项目为桥梁,利用用户、项目相似度和基于最近邻的迁移方法将成熟领域的用户行为特征迁移进目标领域,有效的缓解了由数据稀疏和低质带来的问题。此外,还建立TLUM与二分网络顶点向量化的关系。(本文来源于《华东师范大学》期刊2019-05-12）
彭湃[5]（2019）在《自然语言处理—中文词和短文本向量化的研究》一文中研究指出近年来计算科学飞速发展,尤其是计算机的计算能力大幅提升,机器学习和深度学习的应用越来越广泛,因此我们在自然语言处理领域的研究越来越多的运用了机器学习和深度学习的方法作为工具,在这样的情况下,自然语言处理也得到了大幅度的发展。在自然语言处理中,如何将词转换为计算机能够识别的语言是一项基础性的研究,因此词向量化和文本向量化方法的研究就显得尤为重要。传统针对文本数据的分析,往往基于词频、词频逆文本统计量作为文本的表示特征。这类方法往往只反映了文本的部分信息,忽略了文本的内在语义特征。尤其是对于短文本数据而言,关键词出现的频率通常较低,这给基于词频原理的统计模型带来了巨大的挑战。因而,本文提出了中文词语衔接的概率语言模型,其基本思想在于根据文本中词语出现的先后顺序进行建模分析,该模型在短文本数据挖掘中能够很好地针对文本语义进行量化分析。主要解决两类问题:一、如何合理地将中文词转化为数字向量,并且保证中文近义词在数字空间特征上的相似性;二、如何建立恰当的向量空间,将中文文本的语义和结构特征等信息保留在向量空间中。最后结合金庸小说人物验证中文词向量化的合理性;另一方面应用某城市房屋管理部门留言板的实际留言文本数据,借助BP神经网络和循环神经网络(RNN)两种算法,实现概率语言模型的求解。与传统文本处理方法的对比说明,本文的模型方法针对短文本语义挖掘问题具有一定的优势性。(本文来源于《华中师范大学》期刊2019-05-01）
周梦颖,金涛,王瀛,王建民[6]（2019）在《诊疗活动向量化表示研究》一文中研究指出诊疗活动是诊疗过程的基本元素,诊疗活动向量可以应用于诊疗活动聚类、患者聚类等任务。以把握和利用诊疗活动"局部无序,全局有序"的数据特点为出发点,结合医学先验知识,提出了诊疗活动向量化表示方法CA2Vec。提出了诊疗活动向量化学习的数据处理过程框架;加入了下一个诊疗日的诊疗活动和诊断结果信息,使得所提诊疗活动向量化学习模型相比于经典模型,获得了更丰富的上下文信息;提出了基于诊断结果约束的诊疗活动负采样方法。以SNOMED-CT本体和ICD-10编码医学知识为依据设计了评估实验,并在基于特定诊疗活动的聚类、基于本体的相似性度量、基于诊疗活动类型的相关度度量、基于特定病种的分类准确度度量、基于患者向量的聚类准确度度量这几个任务上进行了对比实验。实验证明,相比其他已有的先进的词向量化学习模型,CA2Vec方法有效把握了诊疗活动的相关关系,总体上有更高的准确度。(本文来源于《计算机集成制造系统》期刊2019年04期）
郎波,樊一娜[7]（2019）在《利用学习向量化样本分类的在线学习成绩预测》一文中研究指出对网络在线学习者产生的数据进行记录和分析,并为其提供精准化的个性化服务是在线教育发展的重要方面.本文以学习者在平台上产生的日常学习数据为样本,综合其最具代表性的五种影响因子,通过学习向量化神经网络对样本进行分类,得到基于BP神经网络的在线学习成绩预测数据.在模型中采用遗传算法有效优化BP神经网络的权重和阈值,在提高预测精度的同时加快模型的收敛速度.最后与其他两种模型进行对比分析,结果表明:该模型进行预测的结果与真实的成绩分布基本一致,具有很高的可信度,能够为有效的预测学习状态提供决策依据,具有一定的工程应用价值.(本文来源于《计算机系统应用》期刊2019年03期）
谭楚丹[8]（2019）在《交易接口向量化私募恢复倒计时 众机构严阵以待龙头券商或先行》一文中研究指出如果监管层放开交易接口，可能会对券商和私募提出较高要求，比如让风控能力更强的券商先行放开，对量化私募进行更严格的审核。为进一步提振市场交易活跃度，监管层或将“松绑”以往限制。近日多家券商PB人士向记者表示，监管有意向允许证券公司将股票(本文来源于《21世纪经济报道》期刊2019-01-17）
刘通,徐久强,朱宏博,孟昭岩,窦圣昶[9]（2019）在《肺结节球表面网格向量化特征分类》一文中研究指出目的基于球谐函数与容斥映射算法向量化球面表面纹理与结节形状用以进行胸部CT图像肺结节良恶性判定。区别于基于深度学习解决肺结节良恶性筛查的方法,目前方法多集中于框架改进而忽略了数据预处理,文中所提方法旨在对球面纹理与结节形状进行向量表达,使其可以输入深度森林进行特征分类训练。方法首先采用辽宁中医药大学附属医院数据,通过3维重构获得3维肺结节图像。其次使用球谐函数与容斥映射算法在保留空间信息的同时将纹理以网格方式映射到标准球面上。再次使用网格-LBP与映射形变能量分别完成对球面纹理与结节形状信息的构建。最后提出一种基于网格的多粒度扫描方法对深度森林训练框架进行改进,并将向量化后的纹理和形状特征加入到改进的深度森林训练框架中进行实验验证。结果通过大量的实验结果验证,在准确率(ACC)、特异度(SPE)、敏感度(SEN)和受试者工作特征曲线下的面积(AUC)4个衡量指标下,本文方法具有优于现存先进方法的表现,其中ACC、SPE、SEN和AUC分别达到76. 06%、69. 46%、88. 46%和0. 84。结论基于球谐函数与容斥映射算法可成功地对肺结节表面和形状两个特征进行向量化并训练,不仅考虑了数据预处理,而且通过两个特征对肺结节良恶性检测的准确率要高于传统1个特征检测的结果,同时也为3维模型中特征的提取及向量化提供了一个有效的方法。(本文来源于《中国图象图形学报》期刊2019年01期）
周蓓,黄永忠,许瑾晨,郭绍忠[10]（2019）在《向量数学库的向量化方法研究》一文中研究指出SIMD技术的出现使得基础数学库扩展到向量数学库成为必然趋势。基础数学库中多数函数存在代码实现复杂、分支判断多的特点,增加了向量化的难度,同时SIMD指令的不完备导致函数中的部分功能无法直接向量化,频繁的拆分和拼接操作降低了函数的性能。针对这些问题,提出了向量数学库的向量化方法,通过确定核心代码段、数据预处理过程向量化及指令向量化3个步骤,可以快速有效地对基础数学库进行向量化。实验表明,运用该方法,exp,pow,log10等典型函数的性能平均提高了24.2%。(本文来源于《计算机科学》期刊2019年01期）
向量化论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
用地球重力场模型计算扰动引力矢量时,随着模型阶次的提高,计算效率会迅速降低。针对此问题,研究了扰动引力矢量计算的矩阵表示形式、计算过程的向量化技术以及顾及起始计算点坐标的快速傅里叶变换(FFT)计算表达式。利用EGM2008地球重力场模型进行数值实验,结果表明:结合向量化和FFT技术可实现快速计算区域和全球格网模型扰动引力矢量,计算全球扰动引力矢量时,当重力场模型展开至2160阶次对应5′×5′的分辨率,计算效率可提高5倍,展开至360阶次对应30′×30′的分辨率,计算效率可提高近10倍。所提出的方法对于快速计算模型重力场元具有一定的参考作用。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
向量化论文参考文献
[1].郭旭,朱敬华.基于用户向量化表示和注意力机制的深度神经网络推荐模型[J].计算机科学.2019
[2].邢志斌,李姗姗,范雕,张驰,马越原.结合向量化和FFT技术的模型扰动引力快速计算[J].中国惯性技术学报.2019
[3].吴晨茜,陈锻生.表情符向量化算法[J].华侨大学学报(自然科学版).2019
[4].陈雷慧.用户在线行为向量化模型及其应用[D].华东师范大学.2019
[5].彭湃.自然语言处理—中文词和短文本向量化的研究[D].华中师范大学.2019
[6].周梦颖,金涛,王瀛,王建民.诊疗活动向量化表示研究[J].计算机集成制造系统.2019
[7].郎波,樊一娜.利用学习向量化样本分类的在线学习成绩预测[J].计算机系统应用.2019
[8].谭楚丹.交易接口向量化私募恢复倒计时众机构严阵以待龙头券商或先行[N].21世纪经济报道.2019
[9].刘通,徐久强,朱宏博,孟昭岩,窦圣昶.肺结节球表面网格向量化特征分类[J].中国图象图形学报.2019
[10].周蓓,黄永忠,许瑾晨,郭绍忠.向量数学库的向量化方法研究[J].计算机科学.2019