一种融合信息网络结构的数据增强行为预测算法

随着互联网上用户移动数据的日益繁荣,用户的移动行为预测也成为了预测研究的热点.近年来,循环神经网络(RNN)技术因其高效性和扩展性在移动预测中得到了广泛的应用.但是,目前大部分网上收集到的用户移动行为数据普遍具有稀疏和异质的特性,特别是当用户出于习惯或隐私考虑可能会拒绝向平台提交活动记录.因此在这些稀疏数据集上基于RNN的预测技术无法有效地学习到足够的用户行为特征,从而影响了模型的预测性能.为了解决该问题,本文提出了一种融合信息网络结构的数据增强行为预测算法.具体来说,首先我们将用户历史行为数据转为信息网络图;然后通过该信息网络的模块度来评估用户的信息传递效率;最后根据信息传递效率对用户的朋友数据进行采样,将具有高信息传递效率的朋友数据嵌入到用户数据中对用户数据进行增强.在真实数据集Yelp上的实验结果显示,我们的方法可以起到对现有算法模型增强的作用,所有模型的预测性能都得到了大幅提升.     

新冠疫情下的国际科研合作研究

通过网络协同构建理论,将新冠期间的科研合作构建成国家层面的合作网络,旨在描述疫情期间科研合作的演化模式及疫情对科研合作所产生的影响。在合作网络视角下,通过计算网络特征以发现科研合作的演化模式,利用国家合作新鲜度以了解合作中心的动态演化,并运用断点回归方法检验了疫情对国际科研合作的影响。研究结果显示,新冠疫情的爆发促使各个国家加强科研合作以对抗疫情。其中,中国在疫情前期扮演了重要角色,虽然合作中心逐渐随着疫情的变化而转移,中国仍是一个重要的合作对象。最后,通过因果分析研究了国家在疫情期间的合作行为,发现疫情促进了人们合作对抗灾难的行动力。     

基于支持向量机的珍珠多特征分类方法

珍珠企业在珍珠分类的过程中需要同时考虑珍珠的形状、纹理和色泽等特征信息,传统珍珠分类方法只针对单一特征对其进行分类,因此提取珍珠的多个特征对其进行分类有着现实意义.在利用单目多视角摄像装置直接获取5个不同视角的珍珠表面图像并进行预处理之后,参考实际人工分类的步骤,用珍珠边缘轮廓得到其傅里叶级数的系数作为形状特征,并用灰度共生矩阵得到珍珠的全局纹理特征,此外还设计了一种新的局部纹理特征提取方法;通过从珍珠的多个视图中提取珍珠的形状特征、全局纹理特征和局部纹理特征,进而构建支持向量机分类器,实现二分类.实验结果表明:所提出的特征提取方法有效,在1100颗测试珍珠上分类精度达到85.73%.     

StackExchange问答社区知识传播

StackExchange是目前最流行的问答社区集结地之一.本文利用StackExchange中具有美国地理信息的用户构建StackExchange问答社区在美国境内的知识传播图谱,对传播网络的统计特征进行了分析,提取出问答社区类网站的传播模式,获取得到网络用户的知识分享方式.我们发现StackExchange中的问答社区在分享知识过程中,传播源往往不止一个.同时,我们为问答社区构建了知识传播图谱,发现这些传播图谱具有相似的统计特征,这意味着不同的问答社区可能具有类似的知识传播模式.     

加权迭代节点匹配算法及其在语言网络中的应用

复杂网络间节点匹配在很多领域中均具有重要现实意义。然而,传统的节点匹配算法通常只利用网络的局部拓扑信息,在对拥有高对称性的真实网络作用时往往会失效。为了克服这一缺点,我们近期利用网络拓扑信息和连边权重信息,提出了一种新型的同时来计算不同网络间节点相似度的方法,并在此基础上设计了一种加权迭代节点匹配算法。将该算法在高度拓扑对称仿真网络对和真实中英文语言网络对上分别进行了测试,结果表明加权迭代节点匹配算法在此类网络上优于纯拓扑迭代节点匹配算法。     

基于超图嵌入和有限注意力的社会化推荐

近年来,社会化推荐作为推荐算法之一被广泛应用于各大平台.由于引入了用户的社交信息,社会化推荐可以较好地缓解数据稀疏问题.然而,大部分社会化推荐难以高效地从原始信息中提取用户的有效信息,导致引入社会信息的同时也会引入大量噪声.为了解决上述问题,本文提出了SRBHL(Social Recommendation Based on Hypergraph embedding and Limited attention)模型,通过超图嵌入模块提取用户的历史行为信息和社交信息,以缓解原始目标用户数据稀疏问题,并结合有限注意力模块来过滤原始信息的噪声,最后将得到的有效好友信息用于推荐.在Yelp-Urbana、Yelp-Phoenix和Epinions3个真实数据集上的实验结果表明SRBHL模型相比其他的推荐算法表现更出色.此外,本文还对SRBHL模型进行了鲁棒性分析,并给出了模型最优参数的取值范围.     

协同过滤推荐算法在豆瓣网络数据上的研究

在豆瓣网络数据上对传统的协同过滤推荐算法进行改进,分别考虑最近邻和有向相似度方向的作用,对图书、电影和音乐收藏列表进行个性化推荐。推荐的结果在准确度、多样性和新奇性三种被广泛使用在衡量推荐算法效果的指标上进行比较和分析。结果表明,相比传统协同过滤推荐算法,两种改进算法均能够保证多样性和新奇性,同时最近邻算法可有效降低算法复杂度,而有向相似度算法则具有更高的推荐准确度。