党晓婉
- 作品数：3 被引量：33H指数：2
- 供职机构：辽宁大学信息学院更多>>
- 发文基金：辽宁省自然科学基金辽宁省“百千万人才工程”资助项目教育部人文社会科学研究基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于BP神经网络的Deep Web实体识别方法被引量：5
- 2013年
- 针对现有实体识别方法自动化水平不高、适应性差等不足,提出一种基于反向传播(BP)神经网络的Deep Web实体识别方法。该方法将实体分块后利用反向传播神经网络的自主学习特性,将语义块相似度值作为反向传播神经网络的输入,通过训练得到正确的实体识别模型,从而实现对异构数据源的自动化实体识别。实验结果表明,所提方法的应用不仅能够减少实体识别中的人工干预,而且能够提高实体识别的效率和准确率。
- 徐红艳党晓婉冯勇李军平
- 关键词：DEEPWEB反向传播神经网络语义块
- Deep Web环境下实体的信息抽取与识别研究
- 随着互联网的广泛应用和Web信息的快速增加，Deep Web方面的研究也引起了越来越多学者的关注。通过Deep Web获取信息已成为当前用户获取专业需求信息的主要途径，但在查询所需信息的过程中，返回的详细结果页面中往往存...
- 党晓婉
- 关键词：BP神经网络
- 文献传递
- 基于社会网络分析的协同推荐方法改进被引量：28
- 2013年
- 协同推荐是电子商务中被广泛使用的个性化服务技术,但由于数据稀疏、冷启动等原因,导致现有协同推荐方法的个性化服务水平不高。为提高协同推荐的准确性,利用社会网络分析对协同推荐方法加以改进,提出一种基于社会网络分析改进的协同推荐方法。该方法利用社会网络分析技术分析用户间的关系,将其量化为信任度以填充用户-项矩阵,并将信任度融入到用户相似性计算中。通过实验分析验证了所提方法的有效性。以信任度扩充用户-项矩阵不仅可以较好地解决协同推荐中数据稀疏和冷启动问题,而且能够提高协同推荐的准确性。
- 冯勇李军平徐红艳党晓婉
- 关键词：电子商务社会网络分析信任度
