基于P2P的混合过滤文章推荐系统

研究了在分布式的情况下的混合推荐机制,根据P2P环境下文档线性增长的特点,提出了用户兴趣模板的更新算法。实验表明,基于混合过滤的方法推荐效果要远远好于基于内容过滤或基于协作过滤的方法。     

自上而下的注意控制定势在注意捕获中的作用

采用经典前线索范式的变式, 通过100%有效的提示考察了自上而下的注意控制定势在注意捕获中的作用。实验1要求被试在整个实验中只搜索一个固定颜色的目标, 但是通过在每个试次前对目标进行提示加强注意控制定势的强度。实验2通过在每个试次中变化要搜索的目标颜色使被试必须建立两个更强的注意控制定势。实验结果一致表明和目标颜色相匹配的线索捕获了注意, 而和目标颜色无关的线索被抑制; 实验2的捕获效应和抑制效应都显著大于实验1; 对无关冲突线索和无关中性线索的注意抑制效应没有差异, 抑制效应显著小于捕获效应。研究表明自上而下的注意控制定势通过把注意从和目标不匹配的特征位置转移发挥作用, 支持注意转移假说; 对匹配线索的捕获和对无关线索的抑制运用了同一加工系统, 抑制作为捕获的附加产品出现, 两者都可以作为注意捕获的指标。     

视觉工作记忆的过滤效能

过滤效能反映了视觉工作记忆的干扰抑制功能, 研究者可基于储存容量或表征精度对其进行测量, 其神经加工过程主要分为觉察分心项目、过滤启动、实现过滤或储存, 涉及前额叶皮层和基底核、后顶叶皮层的协同作用。过滤效能的变化方向受到年龄、特殊障碍、情绪、认知特点等因素的影响。未来研究仍需解决的问题包括厘清过滤效能与工作记忆容量的关系, 辨明过滤效能的心理实现过程, 探索不同年龄、特殊障碍和职业等群体过滤效能的脑机制以及提升基础研究范式的生态学效度。     

基于P2P网络的自组织个性化推荐系统(英文)

个性化推荐系统可以帮助人们找到感兴趣的内容,这些系统正在全世界内被广泛使用着。混和式的P2P推荐系统通过将共享的项目和计算任务分布到各个用户,从而能够解决基于C/S的推荐系统中存在的一些问题。本文描述了我们最近研究的基于P2P网络的自组织文章推荐系统,它同时也是一个多Agent系统,该系统内将每个Agent作为一个对等点,能够保存文档,并自动向其他的用户共享和推荐这些文档。我们主要研究了如何将推荐系统改造成适合混和式的P2P网络,以及如何能够迎合用户的内子需求。我们提出了多个模型来提高我们系统的推荐性能,并通过仿真实验来评价和分析这些模型。实验结果显示使用推荐阈值代替Top-N阈值以及引入推荐权威度能够带来系统性能上的很大提高。     

李白没有暮年 杜甫没有青年

儿时,每到岁末,家乡屋顶上升腾袅袅的炊烟也就会由一日三次的单本剧变成首尾相连、不辍不停的连续剧——那是家乡人开始熬糖打豆腐了。这熬糖打豆腐有一道工序我是最喜欢的了,那就是过滤。     

视觉空间注意研究中的N2pc成分述评

N2pc与空间选择性注意密切相关, 反映了一种对当前任务相关刺激的注意分配过程。N2pc自我特性的研究主要涉及理论解释、测量方法、源定位以及影响因素等方面, 而其实验范式主要有视觉搜索和视觉短时记忆搜索两种范式。以N2pc为指标的研究主要分为与视觉空间注意相关的基础性研究和应用性扩展研究。今后N2pc的研究应该在不断深入细化自身特性研究、做好基础性研究的同时, 更多的向应用性扩展研究拓展。     

让自适应测验更知人善选——基于推荐系统的选题策略

基于推荐系统中协同过滤推荐的思想, 提出两种可以利用已有答题者数据的CAT选题策略：直接基于答题者推荐(DEBR)和间接基于答题者推荐(IEBR)。通过两个模拟研究, 在不同题库和不同长度的测验中, 比较了两种推荐选题策略与两种传统选题策略(FMI和BAS)在测量精度和对题目曝光率控制上的表现, 以及影响推荐选题策略表现的因素。结果发现：两种推荐选题策略对题目曝光率的控制优于两种传统选题策略, 测量精度不亚于BAS方法, 其中DEBR侧重选题精度, IEBR对题目曝光率控制最好。已有答题者数据的特点和质量是影响推荐选题策略表现的主要因素。