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:为了探究原子光刻中基片与会聚激光场间距对沉积纳米光栅质量的影响,我们基于VirtualLabFusion(VLF)平台实现了基片定位控制方案中光学系统的建模和仿真.结果显示:基片在切割会聚激光时将产生直边衍射图像,其轮廓形状和最大值都会随着基片切割激光截面区域大小的变化而变化:虚拟光电探测器上所得到的反射光强度值将随着基片-会聚激光间距的变化给出了倒置的高斯线型,其最低点出现在基片中心和会聚激光场轴线重合时的位置上.当会聚激光场截面恰好被基片阻挡一半时,探测处的强度值降至45.5%.这种光强随基片位置的变化情况为精确地定位基片位置提供了理论支撑.