张量分解在用户影响力度量中的应用

提出一种基于张量分解的有影响力用户识别算法.该算法首先构建基于查询主题的用户交互关系张量,接着利用张量分解算法对用户行为进行预测,最后融合各种交互关系和用户的主题信息给出用户影响力的综合评判.实验结果表明,与非负矩阵分解相比,张量分解的挖掘精度提升了约10%,而与PageRank相比,张量分解的挖掘精度提升了约20%.     

基于共同主题群的用户影响力评估研究

社交网络,如Twitter,Facebook,逐渐成为人们交流信息的主要平台.挖掘社交网络中有影响力的用户也成为一个新的研究热点.本文利用一种普遍存在于社交网络中的结构,本文称为共同主题群(common-topic group),提取出某个特定主题的用户及其相关信息.然后将获取数据抽象成三层网络结构:联系层(relation-layer),发帖层(post-layer)和回复层(comment-layer).基于三层结构,本文提出PostRank算法分别计算三层得分,最后综合得出用户最终影响力得分.实验表明,本文的算法可以根据具体应用调整参数,并且综合了In-degree算法和原始PageRank算法所考虑的因素.     

基于GitHub的用户影响力评估算法

GitHub社交平台是代码托管领域的主流平台,拥有超过7300万开发人员.评估GitHub社交网络中用户的影响力对开源成果的学习和应用有重要意义.针对PageRank算法及其改进方法在评估用户影响力时对用户交互行为与用户自身因素分析不全面的局限性,提出了一种引入用户行为权值分配策略的影响力计算方法CUIE(Comprehensive User Influence Evaluation)算法,将用户行为对其他用户影响力的贡献比例作为权值计算用户的CUIE值.基于真实数据的实验结果表明：将用户交互行为作为评价用户影响力分析的因素之一,能使模型获得更好的结果,与传统算法进行对比,在Top-500及以上的情况下,CUIE算法均取得最优的准确率和召回率.此方法能有效发现被传统方法忽略的部分核心用户,可作为传统方法的补充,在舆情分析与引导中也具有一定实用价值.     

综合用户相似性与话题时效性的影响力用户发现算法

社交网络服务每天产生大量涉及众多话题的信息,并在影响力各异的用户群体推动下广泛传播。在IP(influence passivity)算法的基础上,提出了一种综合话题相似性与信息时效性的影响力用户发现算法EIP(extended influence-passivity)。该算法在转发网络上考虑用户间话题的相似性以及博文信息时效性,更加精准地建模和计算用户的影响力和消极性。基于新浪微博上爬取的约10万用户数据集上的实验验证,EIP影响力度量算法优于IP和TwitterRank等现有方法。     

基于复杂网络的社交网络用户影响力研究

基于复杂网络理论对社交网络用户影响力进行分析,可以为社会营销、舆情监测、信息检索等众多领域的研究提供支持.传统的网页排序算法虽然可以对有向社交网络的用户影响力进行分析,但仍存在缺陷且复杂度较高.本文提出了一种对无向社交网络进行用户影响力评价的方法,弱化了将有向网络视为无向网络研究而带来的误差,并可以高效地得到重要节点,适用范围更广.首先,本文采用网络节点的度中心性、介数中心性、接近中心性、聚类系数作为节点重要度评价指标,通过对计算数据归一化处理并取均值得到用户影响力排序的基准.其次,采用k-核分解法粗粒化地将重要度相似的节点进行归类,来检验排序的合理性.最后,通过仿真实验以及k-核分解、与HITS算法比较验证了此方法的科学性和正确性.     

基于信息传播的微博用户影响力度量

信息传播和用户影响力度量是目前微博研究的基础和热点方向。为了定量地研究用户影响力,提出基于用户消息传播范围的用户影响力量化定义,并给出用户影响力的计算方法。在真实数据集上对算法的验证结果显示,与其他用户影响力度量方法相比,本文提出的方法计算复杂性低、指标稳定性高,尤其适合于需要限定数据集、限定时间段的具体应用场景。     

在线社会网络用户影响力研究的文献计量分析

为探析我国在线社会网络用户影响力研究的动态,以中国知网(CNKI)数据库收录的194篇相关文献为对象,基于文献计量和社会网络分析理论,使用统计分析和网络科学方法对该主题研究的特征、热点、作者、机构及其合作关系进行分析.研究表明:该主题研究具有典型的学科交叉性质,得到了计算机科学、管理学、数学等多个学科的关注;研究热点比较集中,在社交平台方面对微博的研究最多,在用户影响力方面以信息传播、意见领袖、网络舆情为主,在研究方法上以复杂网络、社会网络中的关键节点识别、PageRank算法为主;学者合作网络和机构合作网络稀疏,呈现小团队特征.将为从事相关领域研究的学者选题、团队建设等提供决策参考.     

基于张量分解模型的语音信号特征提取方法

提出了一种通过张量分解提取语音信号特征的方法. 该方法对语音信号进行预处理,然后对每帧语音信号进行小波分解得到不同尺度上的信息,对这些信息提取传统特征参数,构建一个帧结构×分解尺度×特征参数的三阶张量,并经过张量分解得到各阶投影矩阵,从而建立语音信号在高阶空间上的特征体系,以便充分表征语音信号的特征. 实验结果表明,本文提出的方法与传统特征参数体系比较,有利于语音识别系统性能的提高,并且对于带噪语音的识别具有一定的鲁棒性.      

基于张量分解的多声道音频恢复方法

为恢复多声道音频在采集过程中丢失的数据,提出基于加权优化的张量分解方法.首先用张量对音频建模,并且根据其尺寸定义一个标识数据丢失位置的加权张量,然后使用加权最小二乘问题描述CANDECOMP/PARAFAC(CP)模型并通过一阶优化算法求解,最终通过获得的因子矩阵恢复音频.通过不同数目通道数据丢失的隐藏参考和基准的多激励测试,说明针对丢失数据采用CP分解方法是有效的,即张量分解能够得到较好的音频恢复效果.      

基于用户相似度度量的有效社区Leader选举方法

社交网络社区Leader 选举,即识别社区内影响力最大用户,是社交网络结构分析重要任务之一,在识别意见领袖、增进社区融合等方面具有重要的理论和应用研究价值.传统的社区Leader 选举技术如UserRank和PeopleRank,主要基于社交网络链接分析实现,忽略了用户本身属性的相似度度量.因此得到的社区Leader不能有效保证其社区代表性.本文提出了一种新的用户关系建模方法,将传统的链接分析和用户属性相似度度量融合,有效识别具有代表性的高影响力用户.实验结果表明,提出的方法不仅可以选举出社区内部具有代表性的高影响力Leader 用户,还可以通过社区Leader 选举使得社区内其他用户的查询效率得到有效提高.     

基于概率矩阵分解的用户相似度计算方法及推荐应用

用户相似度计算的合理性直接影响到协同过滤推荐的效果。提出了一种基于时序行为关系的用户消费网络图构建方法,通过定义用户间非对称相似度计算方法,确定用户间的初始相似度矩阵,然后利用概率矩阵分解的方法重构用户的相似度矩阵,挖掘潜在的用户近邻,将近邻关系应用到目标用户的项目推荐中,同时提出了基于时序行为关系和矩阵分解的协同过滤推荐框架结构。在实际数据集上对具体参数进行实验,并和其他方法进行了比较。实验结果表明,该方法可以有效提高协同过滤推荐效果。     

基于演化聚类的社交媒体舆情分析方法综述

当前,社交媒体已经成为人们发布和获取信息的最主要渠道之一。由于大量用户的参与,社交媒体平台上已累计了海量的舆情数据,并且还在以指数级增加。如何发现和跟踪社交媒体中舆情变化是当前数据挖掘领域研究的热点问题之一。基于演化聚类的方法是分析社交媒体舆情的一类主要方法。主要从主题模型和矩阵/张量分解模型两方面来总结当前基于演化聚类的舆情分析方法,并且分析这两类方法的优缺点;最后对下一步研究进行了展望。     

计及响应度的电力用户互动潜力画像分析

面对海量灵活资源参与系统运行调节,精准的电力用户互动潜力画像是提升需求侧响应策略实施有效性的基础。而作为现实经济人,用户对不同用电场景和时空电价呈现出差异化的响应特征,致使电力用户参与系统运行调节的互动潜力难以刻画。为此,提出了考虑用户响应度的电力用户互动潜力画像技术。首先,采用改进型的电量需求弹性矩阵建立了用户对不同时空电价的响应模型;其次,定义了8个反映用户响应度的需求响应特征指标;最后,采用基于相关性特征选择原理和最佳优先搜索策略从8个需求响应特征指标中提取用户互动潜力最大相关特征制定可靠且精简的用户画像。算例分析表明,文中所提精选需求响应特征指标方法能有效反映用户对不同时空电价的响应度且所绘制的用户互动潜力画像具有可靠性和精简性。     

张量稀疏性度量综述

稀疏性是现实数据所共有的一般信息表达特性,其含义为数据可由其本质所蕴含的少量基元素进行充分表达。目前,向量(1阶数组)与矩阵(2阶数组)数据均存在较为成熟的稀疏性表达度量,即向量的非零元素个数与矩阵的秩。然而,对于张量(高阶数组)数据的合理稀疏性度量的构造尚未形成统一的解决方案。对张量稀疏性研究的现状进行综合介绍,回顾目前在此方向的研究进展以及所取得的典型应用,并着重介绍本研究小组基于Tucker分解与CANDECOMP/PARAFAC(CP)分解的张量稀疏性内涵理解所构造的一种新型张量稀疏性度量。将此张量稀疏性度量与10个传统方法应用到多光谱图像去噪中进行对比实验,通过数值与视觉上的实验结果说明所提方法的合理性与有效性。     

基于因子图模型的用户可信度评估

为克服传统方法在缺少用户个人信息及发布内容的情况下无法有效地评估用户可信度问题,提出基于评论反馈信息和信任关系的用户可信度因子图模型(UFGM)。该模型将信任关系和评论反馈对用户可信度评估的影响形式化为一个概率模型,并提出半监督分类的学习方法构建模型。在Extended Epinions数据集上验证了模型的有效性,并发现信任关系比评论反馈更易对用户可信度评估产生积极影响。与传统算法相比,UFGM能在缺少用户描述信息及评论信息的情况下将用户可信度评估的准确度提高12%～29%。     

用户界面模型与形式规格说明研究

在讨论人机交互方式和界面控制与通信的基础上，描述用户界面抽象模型及形式规格说明方法和技术方面的研究和进展。主要强调图形用户界面的模型和描述问题。     

基于用户体验的交互式检索环境的分析

人性化理念的普及推动了检索系统更加关注用户体验,更加关注与图书馆检索环境的融合。介绍了用户体验的特征,分析了交互设计与用户信息行为的关系,阐述了交互式检索环境的成分、功能,展望了未来交互式检索环境的发展趋势。     

如何用Motif开发基于CATIA的图形用户界面

对CATIA的二次开发问题，详细论述了基于CATIA的应用开发环境和方法，基于CATIA的应用程序界面及所用工具的介绍。