社会网络中基于主题的影响力最大化算法

为了解决现有的影响力最大化研究没有充分考虑主题对影响力节点挖掘的影响而导致特定主题下节点集合的影响范围不大这一问题,本文提出了一种社会网络中基于主题的影响力最大化算法TIM。该算法首先根据主题敏感阈值对初始节点集进行预处理,剔除干扰节点,再在新的节点集合上分两个阶段进行节点挖掘。第一阶段挖掘主题权威性大的节点,第二阶段挖掘主题影响增量最大的节点,最后综合两个阶段的节点作为结果集并进行实验验证。实验结果表明,相比其他算法,TIM算法挖掘的节点集合在特定主题下的影响范围更大,时间复杂度更低。     

基于随机游动的近似主题搜索方法

超链接诱导主题搜索(hyperlink induced topic search,HITS)是当前最具权威性和使用最广泛的图上节点个性化排名算法.HITS算法通过线性迭代的方式计算图上节点的排名,计算复杂度高,因此不能满足大量的用户实时请求.通过随机游动的思想对HITS方法进行建模分析,利用蒙特卡洛的采样方法对节点的HITS排名进行估算,提出了基于蒙特卡洛思想的节点HITS排名近似算法.理论分析和实验表明,提出的随机游动近似HITS方法不但执行效率高,而且具有很高的准确性,明显优于现有的相关研究.     

基于影响图的传球训练策略的实现

影响图是决策问题的图形表示,利用影响图可以有效地解决智能Agent的行为选择,而传球问题就是球员Agent选择传球速度和角度的问题。建立了一个基于影响图的传球模型,并根据该模型创建一个评价传球效果的效用函数;然后利用由教练程序改写的记录员程序来记录数据,并进行统计得到效用函数中的概率值;最后通过训练得到效用函数中系数的值,并利用此效用函数作传球训练。训练结果表明该效用函数是可信的。     

Bounded Model Checking Using Satisfiability Solving

The phrase model checking refers to algorithms for exploring the state space of a transition system to determine if it obeys a specification of its intended behavior. These algorithms can perform exhaustive verification in a highly automatic manner, and, thus, have attracted much interest in industry. Model checking programs are now being commercially marketed. However, model checking has been held back by the state explosion problem, which is the problem that the number of states in a system grows exponentially in the number of system components. Much research has been devoted to ameliorating this problem.In this tutorial, we first give a brief overview of the history of model checking to date, and then focus on recent techniques that combine model checking with satisfiability solving. These techniques, known as bounded model checking, do a very fast exploration of the state space, and for some types of problems seem to offer large performance improvements over previous approaches. We review experiments with bounded model checking on both public domain and industrial designs, and propose a methodology for applying the technique in industry for invariance checking. We then summarize the pros and cons of this new technology and discuss future research efforts to extend its capabilities.     

多Agent动态影响图的近似计算方法

由于复杂系统具有高维性和不确定性常难以表示处理,因而知识表示和计算方法是复杂系统研究中的公开难题.当前,多Agent影响图不能建模动态环境和多Agent,马尔可夫决策过程难以表示Agents之间结构关系的问题,因而提出一种用局部概率因式表示动态环境中多Agent之间关系的新决策模型--多Agent动态影响图(MADIDs).针对MADIDs模型的联合概率分布和联合效用函数在计算上的高维问题,研究该模型的近似计算方法.给出MADIDs概率结构部分的一种分层分解的分布近似方法,并通过对该近似方法的误差和复杂性的分析,给出一个可对近似分布的精度和复杂性进行均衡的函数δ(k);给出一种BP神经网络通过局部效用的学习来近似计算MADIDs的联合效用.在模型实例上的实验结果显示了MADIDs模型近似计算方法的有效性.     

影响图的扩展综述

影响图是单决策人基于不确定信息表示和求解复杂决策问题的图模型,已成为一种流行的标准建模工具。由于决策环境纷繁复杂,决策问题多种多样,没有任何一种建模工具能够普遍适用于各种决策问题。为了表示复杂决策问题,增强影响图的表达能力,研究者对影响图进行了多种扩展。从建模无限制决策问题、非对称决策问题、涉及连续变量的决策问题、涉及非精确变量的决策问题及多Agent决策问题等方面对影响图的扩展进行了较为全面的回顾与分析,指出了有关影响图的进一步研究方向。关键词:决策;影响图;无限制决策;非对称决策;多Agent决策     

基于拓扑势的网络拓扑建模方法

针对现有拓扑建模研究中层次型模型不满足幂率分布规律的问题,提出一种基于节点拓扑势与幂率特性的层次化网络拓扑建模方法,给出拓扑生成算法PPHM。通过计算拓扑势实现网络节点的分层,能准确发现网络中的重要连接。对平均最短路径长度等拓扑参数的比较结果证明了该方法的有效性。     

ACT-LDA:集成话题、社区和影响力分析的概率模型

随着社交网络的发展,社交网络中的用户形成大规模的用户关系图,用户在社交网络中发表内容,这些内容及其链接关系形成大规模的文档图.如何根据用户关系图、文档图,挖掘出用户所形成的社区、社区用户的影响力以及各个社区的话题,是重要的问题,而目前这些工作相对独立.考虑了用户发表内容、用户之间的关系信息,利用话题传播、社区形成和用户影响力之间的关联性,提出了一个基于LDA (latent Dirichlet allocation)的集成话题发现、社区发现和用户影响力分析的统一模型ACT-LDA(author-community-topic LDA).模型采用变分推理的方法解决推理问题.在DBLP数据上进行了实验,取得了非常好的结果,证明了模型的有效性.     

计算机网络信息安全影响因素及防范浅析

在计算机网络信息技术成为社会进步助力的同时,网络信息安全也面临着严重的威胁。本文简要分析了影响计算机网络信息安全的主要因素,并就这些问题对网络信息的安全防范进行了探讨。