一种基于节点路径信息相似性的预测方法

链路预测计算是在复杂网络分析任务中最重要和最具挑战性的任务之一,能根据网络中现有的链接预测缺失的链接并广泛应用于多种学科领域,包括社会网络分析、推荐系统和生物网络等.文中提出一种基于路径节点信息相似性的预测方法,该预测方法是利用节点共有的特征信息来推测下一个相关的路径节点信息,从而优化现有的基于路径预测方法.首先,由于...     

基于评论主题的个性化评分预测模型

针对现有基于评论分析的推荐算法没有充分考虑个性化的问题, 通过对评论进行主题分析, 挖掘用户的喜好, 分别建立基于用户和物品的个性化评分预测模型。在真实数据集上进行实验验证, 结果表明该模型有效地提高了推荐系统的评分预测性能。     

一种基于评分信息熵的融合协同过滤算法

相似度计算是协同过滤推荐算法的基础,但由于用户之间共同评价项目数量稀少,导致传统的协同过滤算法无法准确计算用户之间的相似度,从而造成推荐质量不佳.通过在Pearson相似度计算公式中加入用户之间联系的惩罚因子,并在此基础上与评分信息熵进行融合,提出一种新的用户之间相似度计算方法.实验结果表明,该算法能够更准确地计算用户...     

基于杰卡德相似性的推荐系统研究

协同过滤推荐系统的核心是用户的相似性度量.在杰卡德相似性度量基础上,提出一种修正的杰卡德相似性度量.该方法将用户评分差异的数目融入相似度计算,并综合杰卡德相似度建立神经网络学习模型,选取Movielens数据作为训练集,得到合适的权重.实验结果表明,与pearson相似性度量相比,该方法在用户评价较少时给出相对可靠的推荐,在推荐的精度、平均绝对误差等方面具有一定的优越性.     

基于路径搜索的相似度计算的协同过滤推荐方法

协同过滤被广泛的应用在推荐系统中,传统计算相似度使用皮尔森相关系数,余弦相似度、Jaccard相似度等方法,但在处理稀疏数据时,其准确度不理想。针对这一问题,提出一种基于路径搜索的相似度计算方法,能够反映用户或项目之间间接关系。实验结果表明,相比传统的相似度计算方法,该方法在准确度上有较好的提升。     

基于相似度组合的主观题评分方法研究

针对文本、语义、关键词等方法计算主观题相似度的不足,提出一种基于相似度组合的方式构建主观题评分模型。该模型可根据评分逻辑,灵活地调整阀值,综合Word2vec算法、Doc2vec算法和TF_IDF算法的优势,提高主观题的相似度。实验表明,与人工评分对比,提出的评分模型得到的评分方差及偏差率都较小,稳定性较好,更贴近人工评分结果。     

基于相似性模块度最大约束标记传播的网络社团发现算法

提出一种基于相似性模块度最大约束标记传播的快速网络社团发现算法(MLPA)。该方法采用结构相似度计算, 通过最大约束标记传播模型更新节点标记, 使社团的划分结果更加符合社团内部结构相对紧密、 社团之间结构相对稀疏的特点, 提高社团划分的精确度。结合标记传播5次循环迭代可以完成95%或者更多节点标记过程的实验结果, 判定标记更新过程趋于稳定, 从而在稳定时停止更新, 降低了运行时间。MLPA避免了传统的邻接矩阵计算方法, 适合大规模网络的社团发现。     

改进的编辑距离计算及其在自动评分中的应用

在计算机无纸化考试中,自动评分的设计与实现是最重要也是最难的一个环节．编辑距离算法通过统计替换、删除、插入、交换操作来计算两文本间相似程度,应用到文本匹配类的自动评分中具有较高的信度．在分析默写题评分需求的基础上,对编辑距离算法做出了相应的改进,提高了相似度计算的精度,并通过回溯的方法,实现了评分过程的反馈．实际应用的数据表明,该方法在汉字评分中具有普适性．     

基于改进随机云滴法的云相似性计算

现有随机云滴法得出的相似度随云滴数目的增加而存在趋势性变化,以致无法给出较为稳定、合理的计算结果。为此提出了一种改进方法,对随机云滴法出现的趋势性变化现象进行了分析和讨论,给出了相关定理及证明过程。通过探讨问题产生的实质,忽略云滴数目,将相似度统一建立在云滴距离这一物理概念上,重新定义了相似度表达式。仿真实验的结果表明,改进方法能够获得相对稳定的相似度计算结果,有效解决了原算法相似度的趋势性变化问题,具有较好的适用性。     

拓扑结构对互联网舆论传播的影响

为研究拓扑结构对网络宏观舆论的影响作用,构建了两类观点交换规则,并以此为基础在随机网络、小世界网络和无标度网络3种拓扑上进行了舆论演化的数值仿真.结果表明,充分的观点交换有利于宏观舆论的统一;网络的异构性可以促进少数群体在舆论的演化过程中最终取胜;降低个体间的连接程度和加强网络的异构性都会增加宏观舆论观点的极化或分裂的可能性.     

基于余切相似度和BP神经网络的相似度快速计算

相似性度量在大数据相关应用中具有重要的意义,然而传统余弦相似度遍历计算方法的准确性和时效性较差,具有较大局限性,无法为海量高维数据的质量评估提供有效依据。针对上述问题,利用余切三角函数和数据维度差值构造2种余切相似度公式,提高相似度计算的准确性;借助后向传播(BP)神经网络建立一个能够逼近数据集相似度映射关系的网络模型,降低相似度计算的时间复杂度。实验表明,改进的相似度快速计算方法具有良好的准确性和时效性,而且应用在大规模数据集时的性能提升更显著。     

社会化标签语义相似度的协同过滤算法

为解决传统的协同过滤算法不能准确理解用户的喜好,影响推荐准确率和推荐效果,提出基于社会化标签语义相似度的协同过滤算法.算法以标签语义相似度为基础,将项目资源和相关标签的语义信息纳入,显著提高了推荐系统的预测性能.研究结果表明:与以具体评分数据为基础的算法相比,该算法较好地解决了词相似度和句子相似度计算问题,推荐准确度和性能较以往的协同过滤算法有明显提高,改善了推荐效果.     

一种考虑双重相似度的协同过滤推荐算法

协同过滤算法为推荐系统提供了一种方法,但传统的协同过滤方法推荐精度低.提出一种考虑用户评分相似性的协同过滤算法,通过在皮尔逊相关系数中加入项目数量相似度和用户评分相似度两个因素来计算用户间的相似度,以产生更合理的邻居用户,提高推荐精度,完成对用户的推荐,同时邻居用户的选取采用动态阈值设定方法.实验结果表明,所提出的算法相比传统方法选择出的邻居更为精确,推荐质量更高.     

基于流行度制衡的微博用户相似度计算方法

以微博用户推荐算法中相似度计算为研究对象,根据微博用户关注信息的特点,分析了关注用户的流行度的不同程度,以及这种程度差异对相似度计算产生的影响,在此基础之上提出了一种加入流行度制衡因子的相似度计算方法.可通过流行度制衡因子,在计算用户相似度时,适度减少(增加)流行度偏高(偏低)的用户对计算结果的影响.实验结果表明:加入流行度制衡因子的用户相似度计算具有更好的推荐效果.     

基于综合相似度与任务紧要度的个性化任务推荐

研究了如何将协同过滤推荐应用于IT项目外包平台,实现个性化任务推荐,提出了1种融合用户Profile文本相似度、任务选择相似度及任务紧要度的协同推荐方法． 该方法将用户对任务的选择行为转换为用户-任务类选择矩阵,并以此计算用户间的选择相似性;用户profile文本相似性用于平衡用户选择相似性并形成用户综合相似性,算法中任务紧要度用于度量任务的时限性与经济性,设置合适的阈值来构建待推荐任务集． 在真实数据集上的实验结果表明,提出的个性化推荐方法具有较高的推荐准确度,并在一定程度上缓解冷启动与数据稀疏性问题．     

基于阶段递进的综合本体相似度计算方法

针对传统的语义相似度计算方法计算量过大、 计算过程较复杂等问题, 提出了一种基于阶段递进的综合本体相似度计算方法。该方法把计算相似度的过程分为4个阶段, 每个阶段根据实际情况设定一个阈值, 如果此阶段计算的相似度大于阈值, 则计算下一阶段的相似度; 如果小于阈值, 则认为该对概念间不相似, 不必再计算以下各阶段的相似度, 可大大减少相似度的计算量, 使计算过程清晰可控。通过实验数据可知, 该算法与Glue算法相比, 其查全率、 查准率分别提高4.78%和3.05%, 而计算效率提高50%以上。     

社会系统中舆情动力学的统计物理研究

近年来,许多物理学家开始关注利用统计物理思想和方法来研究社会系统中群体行为的涌现现象,例如疾病的雪崩、舆情的传播以及同步现象.实证研究表明:真实社会系统具有其特有的性质,例如小世界特性和节点度分布的无标度特性等.一个显而易见的问题:这些特性如何影响社会系统中群体行为的涌现.本文关注复杂网络拓扑结构对舆情传播行为的影响,并扼要介绍了社会系统中3个著名的舆情演化动力学模型及其研究现状,旨在为初学者提供一定的帮助.     

网络舆论传播的无标度特性及其衰减模型的研究

在网络舆论的传播过程中,舆论传播者通过特定话题的引用关系形成了一个网络.本文通过对我国某网络论坛数据进行分析处理,发现该网络的度分布为幂律分布,有明显的无标度特征.除增长和优先连接外,网络舆论传播的媒介的演化还包括兴趣衰减、初始吸引度和边的添加等事件,据此建立了网络舆论传播的媒介度衰减模型并进行了仿真.仿真结果表明,模型的统计特性与实际数据吻合,对网络舆论传播的研究有一定的实际意义.