基于关联规则的社交网络好友推荐算法

提出了一种基于关联规则的社交网络好友推荐算法,在进行好友推荐时,考虑现实社交活动中"志趣相投"的好友常常会关注相同的人和事,网络社交中的好友也常常会关注相同的"人"和"事",将"关注"看成一条交易记录,把关注的用户看成交易项,所有交易项的集合看成交易数据库,生成二阶候选项集,并按支持数降序排序,推荐前N个用户作为好友。以新浪微博993 950条用户关注数据及552 600条微博关注数据作为实验的对象,实验结果表明,算法具有良好的性能,可实现较高的召回率与准确率。     

种多特征微博僵尸粉检测方法与实现简

微博中僵尸粉的大量出现,不仅对微博影响力计算与社交网络关系分析带来了新的挑战,而且对用户带来了社交诚信危机。首先对微博僵尸粉进行概念上的定义;其次通过用户个人信息、用户微博内容和用户链接关系分析僵尸粉与普通用户之间的不同特征,并训练了一个基于C4．5决策树的僵尸粉分类系统;最后使用新浪微博数据对系统进行评估,结果显示该系统对微博僵尸粉有92．8％的判别准确率与92．8％的召回率。     

微博转发者的个性化排序

转发行为是微博平台上信息传播的主要形式。目前已有的工作大多数聚焦在转发行为的分析和预测。针对给定的一条微博时如何找到其转发者这个问题并没有得到很好的解决。结合贝叶斯个性化排序优化标准(BPR-OPT)和分解机(FM),提出了一种通用的方法用于对微博转发者进行预测,并进一步对影响用户成为转发者的特征因素进行了细致分析,然后根据这些特征,在大规模真实数据集上对微博转发者进行了预测。实验证明该方法能够明显提高预测效果,同时也验证了基于pair-wise和特征相关的方法能更有效解决微博转发者预测问题。     

多小区终端直通异构网络中利用图论的资源分配方案

针对在终端直通(device-to-device,D2D)用户与蜂窝用户共存的上行多小区系统中存在严重的小区内以及小区间干扰问题,提出了一种基于干扰图和最佳二分图匹配的多小区资源分配方案,以获得网络容量提升。该方案根据上行链路的传输特性获得D2D用户与蜂窝用户之间带权值的无向干扰图,根据干扰图将互干扰较大的用户分到不同的用户簇中,不同的用户簇占用不同的子载波,并利用匈牙利算法对资源块进行分配。仿真结果表明,所提出的方案以较低复杂度接近遍历最优算法,并且与部分频率复用方案比较,所提方案的系统容量提升了19.78%。     

基于核心用户对发现的微博好友推荐算法

现有的微博好友推荐算法没有充分考虑网络关系结构,导致发现的邻居群合理性较差。针对这个问题,围绕微博用户群聚规律和社交网络特点展开研究,提出一种基于核心用户对发现的微博好友推荐算法;该算法首先将任意两个具有相互关注关系的用户封装成用户对的形式并计算各用户对之间的交互行为相似度,然后通过密度和距离两个参数发现核心用户对以及划分合理的邻居类簇,最后根据制定的推荐规则向用户进行好友推荐。结果表明,相比传统的协同过滤方法,该算法明显提高了微博好友推荐的精度,核心用户对发现、类簇的合理划分以及推荐规则的制定能够缓解数据稀疏和冷启动带来的问题。     

大数据时代图书馆的微服务体系构建研究

介绍了微服务及其在图书馆开展的现状,分析了大数据的产生与核心价值以及其为图书馆微服务带来的变化,从服务理念的改变、微服务团队建设、微服务内容、数据的挖掘、微服务工具、读者隐私保护6个方面探讨了大数据时代图书馆如何进行微服务体系构建.     

三单元同构/异构MSC串联折纸结构的实验分析

为了探究多单元同构/异构折纸超材料非常规的几何与力学特性,设计并制作了三单元同构/异构(MSC)串联折纸结构并进行拉伸实验,得到结构力-位移曲线．通过离散积分获得结构势能-位移曲线,通过中心差分获得刚度-位移曲线．对三种曲线进行多项式拟合,给出本构模型的近似解析表达式．结果表明：三单元异构MSC串联折纸超材料的单元遵循刚度小先变形原则,并且展开过程中存在四个稳定构型;三单元异构结构的构型切换拥有可编程性;当结构中存在同构单元时同构单元变形顺序存在一定随机性;折纸超材料本构近似解显示出强非线性,拥有刚度可变的特点．研究结果不仅可以为该结构在工业方面的应用提供设计依据,而且还可以将结果推广到拥有任意同构/异构单元数量的串联折纸超材料,推动多单元折纸超材料研究领域的发展．     

基于事件驱动间歇控制的离散复杂网络有限时间同步

研究了一类基于间歇控制的离散时间异构复杂动态网络有限时间有界同步问题。首先,设计了一个基于事件驱动的间歇控制机制。在该机制下,控制器是否工作取决于Lyapunov函数轨迹和预设的工作区域。与现有的间歇性控制方案相比,该方法中控制器的工作/休息时间是非周期的且不可预测的。其次,提出了有限时间有界性的概念,并利用类整定时间函数来衡量控制性能。通过求解不等式约束的优化问题,进一步得到有限时间有界同步的类整定时间。最后,通过数值仿真实验验证了该结论的准确性和有效性。     

基于DQN的异构测控资源联合调度方法

以异构测控网资源联合调度为研究对象,提出一种基于强化学习的深度Q网络(deep Q network, DQN)算法。在充分分析异构测控资源联合调度问题特点后,用数学语言对影响问题求解的约束条件进行描述,建立了资源联合调度模型;从应用强化学习解决问题的角度,对求解的问题进行马尔科夫决策过程描述后,分别设计了2个结构相同的神经网络和基于ε贪婪算法的动作选择策略,并建立了DQN求解框架。仿真结果表明：基于DQN的异构测控资源调度方法较遗传算法能够找到调度收益更优的测控调度方案。     

基于关键词共现网络的主题词提取算法

针对主题词提取中关键词提取不准确以及仅考虑单一相关性的问题,提出一种将集成思想与复杂网络相结合的主题词提取算法。首先通过集成算法提取话题数据的关键词,以提高关键词提取的准确性,其次改进传统词共现公式计算关键词的共现度,并建立关键词共现网络,在网络的基础上得到最优连通子图,同时以节点度中心性为权重衡量关键词重要性并从中映射出主题词。最后,使用微博话题数据集进行实例验证,证明该算法是有效的,并优于传统的词共现算法,并在青岛社区话题数据集中进行应用。