基于共同好友数的在线社会网络社区发现算法

为了快速准确地找到在线社会网络的社区结构,提出了一种基于共同好友数和节点邻居信息的社区结构发现算法。该算法以共同好友数最多的两个节点为初始社区,不断寻找与社区连接性最强的节点,并以节点Q值为衡量标准,判断是否将该节点加入到初始社区中,最后根据节点邻居所在初始社区信息确定最终的社区划分。针对两个经典社会网络和人工生成网络数据的实验划分结果表明,该算法是可行和有效的。     

基于ITIL数字校园运维服务体系的构建

目前国内高校IT服务管理仍处于不断探索过程中,没有现成的模式可以照搬。基于ITIL的标准与方法,结合学校现状,开展数字校园运维服务体系研究有着较大的现实意义和实用价值。本文针对高校信息化建设现状,提出基于ITIL方法论的数字校园运维服务体系,并提出具体的构建和实施方案。     

科学家、组织与技术及其关系的社会网络分析

社会网络分析能够对社会网络中行为者之间的关系进行量化分析,以可视化的图形界面展示节点之间的深层关系及群体结构。本文从维基百科中采集计算机网络领域内前沿网络技术、突出贡献科学家和学术信息权威组织机构的相应信息,构建网络技术与科学家、组织机构与科学家等多种类型的关系网络,从中心性、凝聚性及核心-边缘结构等方面进行社会网络分析,得到热点技术、核心研究团队等计算机网络发展趋势上的若干特征。     

基于矩阵分解双线性池化的多模态融合虚假新闻检测

现有的大多数虚假新闻检测方法将视觉和文本特征串联拼接,导致模态信息冗余并且忽略了不同模态信息之间的相关性。为了解决上述问题,提出一种基于矩阵分解双线性池化的多模态融合虚假新闻检测算法。首先,该算法将多模态特征提取器捕捉的文本和视觉特征利用矩阵分解双线性池化方法进行有效融合,然后与虚假新闻检测器合作鉴别虚假新闻;此外,在训练阶段加入了事件分类器来预测事件标签并去除事件相关的依赖。在Twitter和微博两个多模态谣言数据集上进行了对比实验,证明了该算法的有效性。实验结果表明提出的模型能够有效地融合多模态数据,缩小模态间的异质性差异,从而提高虚假新闻检测的准确性。     

流域治理研究进展与我国流域治理体系框架构建

从流域治理协调机构、流域治理机制、流域治理法治化等3个方面对国内外流域治理进行了综述,并构建我国现代流域治理体系框架:建立全国性流域协调机构,实行流域集中统一治理,化解流域治理中的“集体行动困境”;推进流域治理法治化,完善以流域为单位的综合立法原则,健全整体性的流域治理法律法规内容,加强联合执法力度,促进立法、行政、司法的无缝对接,增强流域治理效能;树立山水林田湖草系统治理思维,建立流域整体化治理体制机制,促进流域治理多元化,推动区域一体化和部门协同化,实现流域治理的整体化、系统化。     

水工建筑物下伏采空区稳定性评价及治理措施研究 ——以彬长矿区输配水工程为例

位于煤矿采空区上的水工建筑物,存在采空引起的沉陷问题,沉陷使采空区上覆岩层的围岩失稳,使地表变形呈现裂缝、塌陷台阶等不同型式的地质灾害,导致建筑物受损,并影响其安全稳定性,使工程建筑物不能发挥其功能。为此需对采空区进行勘察研究,研究其垮落型式和垮落体体积,在此基础上采用概率积分法,对建筑物下伏采空区引发的地表变形进行计算预测,分析评价剩余变形量的稳定性,确定建筑物下伏采空区治理标准,研究采空区的治理范围、防治措施、施工方法,提出质量控制要求。通过垂直钻孔、全胶结法灌浆充填的方法对深层煤炭采空区进行治理,用钻孔检测等多种方法对治理后的采空区进行检测,其倾斜值、曲率值、水平变形值、水平移动值和下沉量均小于采空区场地变形允许值。说明对剩余空洞体灌注混凝土的治理方法达到了预期效果,可以为同类采空区治理工程提供借鉴经验。     

基于社交圈层和注意力机制的信息热度预测

社交网络现已成为现实世界中信息传播与扩散的主要媒介,对其中的热点信息进行建模和预测有着广泛的应用场景和商业价值,比如进行信息传播挖掘、广告推荐和用户行为分析等.目前的相关研究主要利用特征和时间序列进行建模,但是并没有考虑到社交网络中用户的社交圈层对于信息传播的作用.本文提出了一种基于社交圈层和注意力机制的热度预测模型SCAP(Social Circle and Attention based Popularity Prediction),首先对社交圈层进行定义,通过自动编码器提取用户历史文本序列的特征,对不同用户的社交圈层进行聚类划分,得到社交圈层特征.进而对于一条新发布的文本信息,通过长短期记忆网络与嵌入层提取其文本特征、用户特征和时序特征,并基于注意力机制,捕获到不同社交圈层对于该文本信息的影响程度,得到社交圈层注意力特征.最后将文本特征、用户特征、时序特征和社交圈层注意力特征进行特征融合,并通过两个全连接层进行建模学习,对社交信息的热度进行预测.在推特、微博和豆瓣等四个数据集上的实验结果表明,SCAP模型的预测表现相比于多个对比模型总体呈优,在不同数据集上均方误差(MSE)分别降低了0.017,0.022,0.021和0.031,F1分数分别提升0.034,0.021,0.034和0.025,能够较为准确地预测社交信息的热度.本文同时探究了不同实验参数对于模型的影响效果,如用户历史文本序列的数量、社交圈层的数量和时间序列的长度,最后验证了模型输入的各个特征和注意力机制的引入对于模型预测性能提升的有效性,在推特数据集中,引入社交圈层和注意力机制,模型的MSE指标分别降低了0.065和0.019.     

Authority updating: An expert authority evaluation algorithm considering post‐evaluation and power indices in social networks

In group assessment, the focus is on finding high‐authority experts to improve the reliability of assessment results. In this study, we propose an authority updating algorithm while considering the power and judgement reliability of an expert on the basis of social networks and post‐evaluations. A network power index is established and used to reflect the power of an expert while considering social networks. The measurement of the judgement reliability of an expert considers the post‐evaluation of the objects selected by experts, thereby more scientifically reflecting the reliability of experts. The analysis shows the following: although the social‐network structure influences the authority of experts, the influence weakens when the assessment group is a highly or even fully connected group; the network effect may increase the authority of some experts and reduce that of others, and it will weaken as the network connectivity increases; moreover, the judgement reliability and authority of an expert while considering post‐evaluation can encourage him/her to make fair assessments and strive to reduce his/her motivation and cognitive biases.     

The impact of risk and protective factors on online teaching experience in high school Italian teachers during the COVID-19 pandemic

The lockdown due to COVID-19 in Italy resulted in the sudden closure of schools, with a shift from traditional teaching to the online one. Through an online questionnaire, this survey explores teachers' experience of online teaching, the level of risk factors (e.g., stress) and protective factors (e.g., locus of control) and their impact on satisfaction levels during the social distancing. One hundred seven high school teachers from Lombardy, an Italian region very affected by the COVID-19 outbreak, participated. Results show that depression and stress are the main predictors of satisfaction levels for online teaching. In addition, coping, locus of control and self-efficacy emerge as important protective factors. Finally, although there is great satisfaction with the online teaching experience, critical elements emerged. This study is relevant because it describes the critical elements of the online teaching experience, and identifies some protective factors and the main risk factors in teachers operating in an area strongly marked by social restrictions imposed by the pandemic. High school teachers emerge as a sub-group of the general population with specific psychological reactions. Considering the results, it is possible to suggest providing high-quality educational support and crisis-psychological oriented services to teachers, and help to maintain the psychological well-being.