POI Neural-Rec Model via Graph Embedding Representation

With the booming of the Internet of Things(Io T) and the speedy advancement of Location-Based Social Networks(LBSNs), Point-Of-Interest(POI) recommendation has become a vital strategy for supporting people's ability to mine their POIs. However, classical recommendation models, such as collaborative filtering, are not effective for structuring POI recommendations due to the sparseness of user check-ins. Furthermore, LBSN recommendations are distinct from other recommendation scenarios. With respect to user data, a user's check-in record sequence requires rich social and geographic information. In this paper, we propose two different neural-network models,structural deep network Graph embedding Neural-network Recommendation system(SG-Neu Rec) and Deepwalk on Graph Neural-network Recommendation system(DG-Neu Rec) to improve POI recommendation. combined with embedding representation from social and geographical graph information(called SG-Neu Rec and DG-Neu Rec).Our model naturally combines the embedding representations of social and geographical graph information with user-POI interaction representation and captures the potential user-POI interactions under the framework of the neural network. Finally, we compare the performances of these two models and analyze the reasons for their differences. Results from comprehensive experiments on two real LBSNs datasets indicate the effective performance of our model.     

精细拓扑结构表示与深度特征融合在多目标图像检索中的应用

空间信息表示是增强图像特征表达性能的重要手段,通过空间关系建模与深度学习方法融合可有效提升深度特征的语义特性,从而提升图像检索性能.首先,针对复杂图像的空间关系表示提出了一种新的精细拓扑结构表示模型,该模型不仅具有完备的拓扑描述性能,还提供了两种拓扑不变量的推理算法,使得拓扑不变量可以由表示模型直接推导而不需要繁复的几何计算;其次,基于精细拓扑结构表示模型,提出了有效的拓扑结构相似性度量方法,为空间关系特征表达奠定了基础;最后,进一步结合卷积神经网络,提出融合复杂空间关系特征与深度特征的多目标图像检索方法.实验结果表明,所提出的拓扑结构表示模型在空间查询中具有良好的性能;所提出的图像检索框架取得优于现有方法的精度,并能够有效地结合手工特征与深度特征各自的优势,为提升深度学习方法的可解释性创造了有利条件.     

AD HOC网络的复杂网络视图

首次在Ad hoc网络体系结构中引入了复杂网络视图层,然后从一个MANET应用实例-会展网络出发,探讨了复杂网络视图的一种操作实现.有效描述和提取了其小世界特征,并进行了拓扑模拟.     

贝叶斯诊断网络平台的开发与实现

针对贝叶斯诊断网络在实际应用时需要对具体对象建立相应诊断网络的问题,开发了一个贝叶斯诊断网络平台.重点讨论了网络的数字化、网络拓扑顺序的确定和赌轮选择等平台实现的3个关键问题.采用数字形式来描述网络的拓扑模型,刻画了网络的全部信息.节点间的关系则用关系矩阵简洁、直观地予以表达,并据此确定网络的拓扑顺序.利用赌轮的选择功能,实现了网络节点状态的实例化.该平台简单易用,为网络的建立和推理提供了一个有效、便利、通用的运行环境.利用该平台为天津石化炼油厂的一台烟机建立了贝叶斯诊断网络,实例表明,该平台能够用于贝叶斯诊断网络的构建和推理,也为贝叶斯诊断网络的工程应用提供了一个有力的工具.     

对等网络的临界负载研究

不同于传统的网络拥塞研究方法,从拓扑属性节点介数出发,分析了网络拥塞与介数之间的关系,以排队论为模型,从理论上给出了导致网络拥塞的临界负载与网络拓扑属性介数的公式解.并且以Gnutella网络拓扑结构为模型进行了仿真实验,假设Gnutella网络中的网络流量由搜索请求和搜索响应构成,搜索请求采用k邻居随机路由方式.仿真结果不仅验证了公式解的正确性,而且证明了临界负载和介数之间的必然联系.     

SEIR-SW,Simulation Model of Influenza Spread Based on the Small World Network

This study modeled the spread of an influenza epidemic in the population of Oran, Algeria. We investigated the mathematical epidemic model, SEIR(Susceptible-Exposed-Infected-Removed), through extensive simulations of the effects of social network on epidemic spread in a Small World(SW) network, to understand how an influenza epidemic spreads through a human population. A combined SEIR-SW model was built, to help understand the dynamics of infectious disease in a community, and to identify the main characteristics of epidemic transmission and its evolution over time. The model was also used to examine social network effects to better understand the topological structure of social contact and the impact of its properties. Experiments were conducted to evaluate the combined SEIR-SW model. Simulation results were analyzed to explore how network evolution influences the spread of desease, and statistical tests were applied to validate the model. The model accurately replicated the dynamic behavior of the real influenza epidemic data, confirming that the susceptible size and topological structure of social networks in a human population significantly influence the spread of infectious diseases. Our model can provide health policy decision makers with a better understanding of epidemic spread,allowing them to implement control measures. It also provides an early warning of the emergence of influenza epidemics.     

Integration of small world networks with multi-agent systems for simulating epidemic spatiotemporal transmission

This study proposes an integrated model based on small world network (SWN) and multi-agent system (MAS) for simulating epidemic spatiotemporal transmission. In this model, MAS represents the process of spatiotemporal interactions among individuals, and SWN describes the social relation network among agents. The model is composed of agent attribute definitions, agent movement rules, neighborhoods, construction of social relation network among agents and state transition rules. The construction of social rela...     

基于关键节点的影响力最大化算法

为解决LDAG( DAG Algorithm Based on Linear Threshold) 算法在处理关于社会网络影响力最大化过程中,优先考虑网络影响力传播模型、忽视社会网络的拓扑结构问题,利用社交网络社区的结构,有针对性地选择影响力传播的关键节点,对LDAG 算法进行了改进。利用关键节点简化了有向无环图的构造过程,保证了其高精度与运行效率高的特点,同时也优化了算法的时间复杂度和空间复杂度。通过两个有效的实验数据集对算法进行验证,结果表明改进的算法可以大幅度降低算法的运行时间,且对算法的精度影响很小。     

地理信息系统中空间关系自动构建技术研究

对地理信息系统中空间关系自动构建技术进行了研究 ,并在此基础上提出了基于栅格索引的结点匹配算法来实现点线拓扑关系的自动构建技术 ,建立起点、线、多边形的拓扑关系 ,描述了自动建立拓扑关系的实现过程     

家庭社会关系网络与留守儿童生存风险研究——以闽南地区A镇留守儿童为例

社会关系是一种社会资源，是一种重要的社会支持的保障。以家庭社会关系网络为视角审视农村留守儿童的生存风险问题，通过实证研究发现，家庭社会关系网络的规模、社会关系网络的紧密程度与规避留守儿童的生存风险存在着强正相关关系，因此，要有效降低留守儿童生存风险系数不应只强调经济后盾，而更应重视家庭社会关系网络的培育。     

基于社会网络与知识传播网络互动的集群超网络模型

针对集群中社会网络和知识网络如何相互作用的问题,构造了由社会网络和知识网络构成的超网络模型.根据超网络中的社会关系水平和知识传播种类2个决策变量,建立了个体基于知识种类、社会关系价值、知识传播的风险、收益、成本等不同偏好下的多目标最优决策模型.在此基础上,运用变分不等式理论,得到同时满足所有个体最优目标约束条件的社会关系水平和知识传播种类的分布(流),发现了超网络的均衡状态.最后,通过对浙江产业集群发展内在机制的剖析及对南浔周边麻业集群的实证结果,佐证了所提出的模型和分析结果.     

基于智能电表数据的配电网络拓扑修正

在现代的智能电网系统中,一个优秀的配电网络,不仅要能稳定高效地为千家万户传输电力,而且还要能获得清晰的拓扑网络关系,这对整个电网的研究有着重要的作用。对于网络拓扑的研究,通常采用的是传统的树搜索法等算法进行拓扑关系辨识,但是这些方法的辨识效果不高。随着智能电表地普及与应用,对配电网络的辨识提供了一种有效的方法。为了得到更加精确的拓扑关系,提出一种基于智能电表数据的配电网络拓扑的修正方法,相比之下有更高的辨识效果。     

移动对象时空拓扑关系模型

时空拓扑关系是移动对象时空特性研究的一个重要内容。针对二维欧氏空间内的平面移动对象,建立基于时间片的时空数据模型。并基于点集理论定义移动对象时空拓扑关系的定性模型,表达为由9交模型描述的时态拓扑关系和空间拓扑关系的复合。同时提出其时空拓扑有效性、可计算性约束及其计算规则,进而给出移动对象动态时空特征的表达方法。该模型提出了一种移动对象时空拓扑关系的表达和计算方法,有效的刻画其动态特征,可以为移动对象数据库及其时空查询提供理论基础     

基于分布式流的复杂网络上边级联失效

考虑现实网络中流的分布式传输方式和边的负载-容量关系,提出了一个带有可调权重参数的边级联失效模型.依据新的度量网络鲁棒性指标,探讨了两种典型复杂网络由蓄意边攻击而引发的级联失效行为.仿真结果表明,存在最优参数值使得网络达到最强抵制边级联失效的鲁棒性,能够显著降低灾害动力学发生的可能性.而且,网络的拓扑结构和平均度均对网络鲁棒性产生了影响。     

结合地点类别和社交网络的兴趣点推荐

随着互联网和全球定位技术的高速发展,基于位置的社交网络(location-based social network)不断涌现,鼓励用户通过签到的形式发布个人动态并实时分享地理位置。海量的签到数据为挖掘用户偏好提供了机会,有利于提供基于位置的服务,如兴趣点(point of interest)推荐。兴趣点推荐旨在通过分析用户历史出行记录来得到用户的位置偏好,从而在未来为用户推荐新的地点,同时也能帮助广告商精准地投放用户感兴趣的广告。地点类别往往能够精准地提炼出位置的上下文语义,而现有的兴趣点研究大多都直接去计算用户对地点的偏好,没有有效地结合类别信息。通过对社交网站Yelp的公开数据集进行分析,发现相比访问共同的地点,朋友之间更容易访问相同的类别。因此,考虑朋友间地点类别偏好关系比直接考虑用户间项目偏好的关系更为合适。文中提出一种结合地点类别和社交网络的兴趣点推荐算法CSRS,先从用户历史签到记录获取用户地点类别偏好,然后考虑朋友间的类别偏好差异性。在Yelp数据集上的实验结果表明,与其他算法相比,文中提出的算法在准确率和召回率指标上都取得了更好的结果。     

时态GIS中动态网络建模及实现方法

介绍了动态网络以及组成动态网络的主要单元——动态连接对象的数学描述,分析了动态连接对象的演化特征,将动态连接对象的演化分为生命演化、几何特征演化和拓扑关系演化3种类型,其中生命演化可以支持表达对象演化的继承关系。定义了新增、分裂继承、合并继承、消亡、分裂、合并、形变、相遇和分离9个演化事件。在此基础上,建立了以动态连接对象为中心的动态网络数据结构,使得动态网络的数据操作与维护相对容易实现。设计了基于本文模型的面向动态连接对象的基本操作以及动态网络数据的完整性检验规则。     

基于社区节点重要性的社会网络压缩方法

针对目前图压缩方法中存在的时间复杂度较高、依赖先验知识设定参数、需要调节的参数过多、压缩有损、忽视网络社区结构等问题, 提出基于社区节点重要性的社会网络压缩方法。该方法由基于贪婪策略的社区发现算法(GS)和社会网络压缩算法(SNC)两部分组成。GS算法采用拓扑势理论, 不但可以实现社区发现, 而且可挖掘出社区中的重要节点。SNC算法以网络社区为压缩对象, 在保持社区间的关联关系的前提下实现了无损压缩, 并可在必要时保留社区中的重要节点或基本结构。通过实验, 对方法的可行性和有效性进行了验证。     

离散点集等值线生成方法的实现

阐述了生长算法构造Delaunay三角网及三角形拓扑关系的生成,介绍了数据结构的定义,在构建TIN及其拓扑关系的基础上编制程序,实现了等值线的自动追踪。     

广义近似空间与拓扑空间

研究了有限论域上的广义近似空间与拓扑空间之间的关系。首先,给出了粗糙隶属函数,拓扑隶属函数的概念。其次,借助粗糙隶属函数刻画了的上下近似算子,借助拓扑隶属函数刻画了的内部闭包算子。再次,利用隶属函数分别从拓扑,二元关系出发构造了关系,拓扑,最终证得拓扑空间与关于自反传递关系的近似空间一一对应。     

基于互联网络拓扑结构层次模型的网络拓扑绘制方法研究

由于互联网络拓扑结构复杂,节点数目庞大。因此直接绘制几乎是不可能的。借助Transit-Stub模型,把互联网分成不同的层和模块。通过对单个层和模块的绘制,就可以展示某一域内的网络拓扑结构。这个域是整个网络的局部网络拓扑结构。最后,针对局部网络拓扑介绍了绘制算法。