基于信任随机游走模型的微博粉丝推荐

利用微博关注关系和社交行为构建微博信任网络,通过引入基于信任的随机游走模型,结合用户间兴趣相似度,建立了微博粉丝推荐模型。为提高粉丝推荐系统的覆盖率,将用户间的社交行为引入信任的计算,实现了TopN推荐。利用KDD Cup 2012腾讯微博数据进行了实证研究。实验结果表明:在混合多种社交行为的信任网络中,推荐算法的整体性能最优;推荐长度对推荐结果影响较大,当长度为40时算法获得最好的推荐性能;与主流的推荐算法相比,改进后的基于信任的随机游走推荐模型在推荐准确率和覆盖率等多种评价指标上都取得了更好的结果。研究结论为微博粉丝推荐研究提供了新的方法,为微博网络社会化推荐提供了新的视角。     

一种基于推荐证据理论的仿真网格信任模型

在仿真网格环境中,信任机制是解决网格服务安全问题的一种有效方法.参考社会学的人际关系信任模型,建立了仿真网格节点信任推荐机制,并利用推荐证据推理理论,提出了将推荐证据组合为间接信任的一种线形时间递归算法.将直接信任和间接信任组合为综合信任,从而构建了一个计算仿真网格节点信任度的信任模型,并分析了模型中的几个关键问题.仿真试验和结果分析表明,提出的信任模型具有合理性、有效性及工程可行性.     

基于第三方认证的云服务信任模型

基于云服务的特征, 按照存在或不存在第三方认证机构建立两种云服务信任博弈模型, 建立基于第三方认证的云服务交易机制与信任管理机制, 最后构建云服务信任评价模型, 并与电子商务的信任系统做了对比研究, 进一步完善现有的云提供商信用水平评价方法, 为云用户提供了更完善可信的决策信息. 通过上述模型和机制的建立, 得出结论: 成立第三方认证机构是控制云计算环境下服务信任风险的有效措施.     

基于交易信息和推荐证书的P2P网络信任模型

由于P2P网络中存在大量欺诈行为、攻击和不可靠的服务,使服务质量无法得以较好的保证。建立节点间的信任评价机制是一个可行的解决方案,但传统网络中集中式的信任机制并不能适应P2P网络。而现有典型基于全局信任模型不能很好地解决迭代不收敛,计算开销大,存在安全隐患甚至可能出现悖论的问题。以人际网中基于个人信任资信和信任推荐构建信任关系为基础,将直接信任度推荐证书和节点的全局信任资信具有时间衰减性引入构建P2P网络的全局信任链中,提出了一种基于历史交易信息和推荐证书的P2P环境下的信任模型,根据交易的历史信息和推荐度来计算节点的全局信任度。给出了模型的数学分析和构造信任链的实现方法,同时给出了抑制恶意节点协同攻击的策略。仿真结果表明,该模型能较好的解决现有模型存在的问题,模型合理有效且工程上易实现。     

融合多关系的矩阵分解社会化推荐算法

在现实的社交网络中,用户之间往往存在多种关系,而现有的社会化推荐算法都只考虑一种关系对推荐结果的影响。基于多子网复合复杂网络模型,将用户间的多种社交关系引入用户特征矩阵,提出了基于多关系的矩阵分解社会化推荐算法。通过对2个真实数据集上的实验结果分析,发现加入多种社交关系的矩阵分解社会化推荐方法比传统的矩阵分解算法在推荐准确率方面有显著提高。     

基于信任和推荐关系的可信服务发现

随着基于开放Web的服务网络中服务数量的急剧增长, 快速、准确地发现可信服务是面向服务计算的一个关键问题. 针对开放网络环境下可信服务发现工作量大、效率低等问题, 基于模拟现实世界的网络小世界特性, 设计了基于信任和推荐关系的可信服务发现方法. 首先, 提出一种开放的具有信任和推荐关系的服务网络模型, 给出该模型的形式化定义和两种关系的计算策略; 接着, 在具有信任和推荐关系的服务网络模型之上, 给出一种动态的可信服务发现算法, 该算法能有效减少服务的搜索路径, 在较短的时间搜索到可信服务; 最后, 仿真实验表明, 该方法能快速返回可信服务, 具有较高的效率和满意度.     

网格环境下基于云模型的信任评估与决策方法研究

针对目前网格环境下信任评估模型普遍存在未充分考虑信任关系的模糊性、信任信息的描述不完整等问题,提出了信任云的概念及其模型.该模型可从网格实体间相互协作满意度中提取信任信息,能精确描述信任期望值.通过熵和超熵刻画信任的不确定性,使评估过程更贴近于信任的语意特点.还提出了一种信任云的相似性度量方法和信任决策算法,实验表明了由信任云表述的信任关系可以作为网格环境下安全决策的依据.     

基于多种社交关系的概率矩阵分解推荐算法

随着社交网络的发展,社会化推荐算法得到普遍应用,现有的推荐算法往往只是将一种社交关系引入到推荐系统,但在现实社交网络中用户之间往往存在多种社交关系。基于多子网复合复杂网络模型,利用共享用户特征矩阵,提出了基于多关系社交网络的矩阵分解推荐算法。通过在Epinions数据集上的实验结果分析,准确率评价指标MAE、RMSE和NMAE分别提高了34%、27%和7%,由此可以证明,多关系社交网络的矩阵分解推荐算法能有效提高推荐准确率。     

基于水军信任惩罚的多维用户影响力度量模型

社交网络用户影响力度量是意见领袖识别的必要前提,然而目前的度量模型忽略了多维影响因素以及水军群体对度量模型真实性的影响.为此本文从网络结构、交互行为和交互信息三个维度来分析整合相关的影响因素,基于LeaderRank模型构建多维用户影响力度量-MUI模型,并在水军识别的基础上构建信任惩罚模型,以修正MUI模型建立MUISTP模型,实现社交网络用户影响力的真实性度量.以新浪微博平台大规模实际数据进行实验分析结果表明,与FBI,LeaderRank和Generative Graphical模型相比,MUI模型识别出的意见领袖更为准确,且可以实现更为有效的信息扩散.此外,经过水军信任惩罚后MUISTP模型较MUI能够实现更为有效的意见领袖识别.     

合作型企业间电子商务中信任机制设计研究

合作型企业间电子商务中参与合作的企业追逐私利的行为可能给合作关系带来损害,针对实施合作型企业间电子商务的上下游企业分别具有同等的获取市场需求信息能力和不具有同等的获取市场需求信息能力两种情形,从下游企业的角度提出了两种构造上下游企业间合作信任机制的策略,以避免下游企业夸大市场需求预测量的倾向,从而赢得上游企业的信任,建立起双方合作信任的伙伴关系.     

一种新的混合分类器及其人脸识别的应用研究

随着互联网的发展,人脸识别在安全领域得到越来越广泛的应用.传统的人脸识别方法泛化能力较差,无法有效处理特别复杂的函数关系而使其在安全领域发展比较缓慢.为了提高人脸识别的正确率,本文提出了一种新的深度玻尔兹曼机神经网络(deep Boltzmann machine,DBM)和差异受限玻尔兹曼机神经网络(discriminative restricted Boltzmann machine,DRBM)的混合模型,在人脸数据集上与传统的人脸识别模型做了对比,为了进一步验证有效性,本文还选取在公共CMU-PIE人脸图像数据集上作了对比试验.实验发现:在两个数据集上,新的混合模型相对传统模型都有更好的识别效果,将产生直接的社会效益和管理意义.     

LBSN中考虑用户交友偏好的好友推荐方法研究

基于位置的社交网络(location-based social networks,LBSN)大为流行之余,也带来了信息过载问题.好友推荐是所有社交网络必须面临的问题,为了改进LBSN中好友推荐的效果,构建了考虑用户交友偏好的好友推荐模型(friends recommendation considering users'preference,UPFR).从兴趣相似性、距离和熟识度三个属性刻画LBSN中的用户,兴趣相似性属性基于信息熵理论计算、距离属性通过朴素贝叶斯推导、熟识度属性建立在共同好友的基础上.在对三个属性进行集成时,考虑了用户的交友偏好,通过目标用户的好友列表确定各属性的权重,建立了自适应用户交友偏好的好友推荐算法.通过Foursquare上的数据实验证明该算法能取得较优的综合推荐效果.     

考虑工人参与意愿影响因素的竞争式众包任务推荐方法

竞争式众包中,有效的任务推荐成为亟欲解决的问题.传统任务推荐仅依据工人对任务的投标记录构建任务推荐方法,但工人对任务的投标与否本质上是由工人的参与意愿决定.针对竞争式众包特性,本文提出一种考虑工人参与意愿影响因素的竞争式众包任务推荐方法.该方法基于工人参与意愿影响因素研究,从工人维度和发包方维度将工人的参与意愿影响因素表示为工人的收益偏好、素质能力以及对发包方的信任,并结合工人历史行为记录以及相关描述信息对各维度影响因素进行衡量.在此基础上构建工人模型,并综合各维度影响因素相似度借助协同过滤算法生成推荐列表.通过一品威客众包平台中真实数据的实验表明,本文提出的推荐方法能够更有效地对竞争式众包任务做出推荐.     

高管团队内部社会资本、交互记忆系统与决策绩效的关系

社会资本为信息提供了渠道，提高了管理者发现新机遇的能力。现有文献表明，高管团队内部社会资本对团队绩效具有积极的影响, 然而，高管团队内部社会资本影响决策绩效的内在作用机理尚未明晰。基于高阶理论和社会资本理论，从认知过程视角提出了高管团队内部社会资本、交互记忆系统和决策绩效关系间的理论模型。基于392份样本数据的结构方程模型表明：高管团队内部社会资本关系维度的信任、认知维度的共同愿景对决策质量和满意度均具有积极影响，但结构维度的网络关系直接影响效应并不显著；高管团队内部社会资本各维度对交互记忆系统的影响强度依次为认知维的共同愿景、关系维的信任和结构维的网络关系；高管团队交互记忆系统对决策质量和满意度具有显著正向影响；交互记忆系统在高管团队内部社会资本与决策质量和满意度之间起中介作用。     

普遍信任视角下城市居民绿色住宅支付意愿的影响因素:中国部分一线城市的证据

绿色住宅的推广和使用是降低建筑能耗、实现减排目标的重要途径.基于普遍信任视角,从居民内在心理因素与外在情境因素入手,系统构建城市居民绿色住宅支付意愿影响因素的研究模型,并探求普遍信任的一阶及高阶调节效应及影响该效应发挥作用的边界条件.结果显示,对于内在心理因素,普遍信任对居民绿色住宅认知与支付意愿的关系有显著的正向调节作用,但易受到居民损失规避心理的负向影响;普遍信任对居民环境关心与支付意愿的关系有显著的正向调节作用,且易受到居民广告诉求(来源可靠性诉求和利已诉求)的正向影响;普遍信任对居民道德认同与支付意愿的关系有显著的正向调节作用,且易受到居民高解释水平的正向影响.对于外在情境因素,普遍信任对社会风气/群体压力与支付意愿的关系有显著的正向调节作用,且权威认证标识有助于增加居民对绿色住宅的"初始信任",助推居民主动购买绿色住宅社会风气的形成.基于实证研究结论,在政府、开发商及居民个体层面提出相应建议.     

协同过滤推荐算法研究: 考虑在线评论情感倾向

协同过滤推荐算法通常是基于兴趣相似的用户行为来实现个性化推荐, 其核心义用户之间的兴趣相似度. 本文在传统的协同过滤推荐算法基础上, 考虑在线评论对用似度识别的影响. 在混合商品推荐中, 粗粒度识别评论情感极性; 而在同类商品推荐中, 细粒别每个商品特征的情感极性. 如果用户对产品的某个特征评价次数大于平均次数, 表明用户对征较关注; 如果对产品的某个特征评价低于平均评价, 表明用户对该特征较挑剔. 进而根据用户评论来建立用户偏好模型, 用户在评论中反映出来的相似度越高, 表明用户之间的偏好越. 实验表明, 同传统的协同过滤算法相比, 基于在线评论情感分析的用户协同过滤算法在率和召回率指标上有显著提升.     

Boltzmann Machine Method forSolving Mixed Integer Bilevel Programming Problem

ＢｏｌｔｚｍａｎｎＭａｃｈｉｎｅＭｅｔｈｏｄｆｏｒＳｏｌｖｉｎｇＭｉｘｅｄＩｎｔｅｇｅｒＢｉｌｅｖｅｌＰｒｏｇｒａｍｍｉｎｇＰｒｏｂｌｅｍＺＨＯＮＧＷｅｉｊｕｎ；ＸＵＮａｎｒｏｎｇ；ＳＥＮＨｏｕｃａｉ（ＩｎｓｔｉｔｕｔｅｏｆＳｙｓｔｅｍｓＥｎｇｉｎｅ...