基于ESU图的活动社交网络用户参加活动推荐

活动社交网络(EBSNs)为用户提供了方便的组织、参加和分享社交活动的平台。该文面向EBSNs活动推荐问题,提出了包含活动(Event)、主办方(Sponsor)和用户(User)的ESU图模型,深入揭示了EBSNs的实体及其社交关系。因为用户参加活动受多个因素影响,我们提出了基于ESU图的活动推荐多因素决策模型,包括社交影响力、活动内容、活动地点及活动时间。根据ESU图特点,提出了基于双向重启随机游走算法BD-RWR的实体重要度计算方法。选取真实的EBSNs平台—豆瓣同城验证所提方法的有效性。实验结果表明,该文提出的ESU图模型及融合了多因素的活动推荐模型,与已有最新方法相比,有效地提升了用户参加活动的推荐效果。     

化学结构图中化学键信息的自动提取

在化学结构图中,拐点信息异常重要,如果能对化学结构的拐点进行有效的判别,就可使化学键信息提取的有效性得到很大改善。本研究通过对化学结构的图形分析及特征总结,权衡了Hough变换等提取方法的优势和不足,发现了结构图边缘点偏移值的变化具有很强的规律性,其对图形拐点的提取以及化学键键型的判断有着重要作用。基于以上分析,提出了利用化学结构图偏移值变化的规律性进行化学键信息提取的方法。为了论证算法的有效性,实验时选取了100幅化学结构图,对100幅图形的化学键信息进行了提取并进行了统计分析,得出化学键信息的正确提取率为7383％,从而通过实验数据证实了算法的可行性。     

自动提取化学分子结构静态图像的交点信息

化学结构式(图)是化学分子惟一、无二义的描述形式,其主要由原子和化学键构成,在静态图中一般以端点和交点表示原子,以直线表示化学键。本文重点研究了化学分子结构静态图中交点信息的自动提取,主要工作如下:(1)总结了化学分子结构中的3种交点类型,即2条直线的交点表示CH2,3条直线的交点表示CH,4条直线的交点表示C,规范的提出了交点的3个定义,为后续自动提取化学分子结构静态图像的交点信息奠定了基础;(2)基于hough变换,从图像空间映射到参数空间,再联合参数空间和图像空间信息来提取直线,解决了峰值扩散现象,避免了伪直线出现;(3)记下每条直线的(ρ,θ)值,判断直线间有无交点,有则根据交点类型的3个定义,分析交点的类型,提取交点的信息,记录交点间的链接关系。最后,通过对若干幅化学分子结构的BMP图做实验,统计得出交点提取的准确率在75%左右,结果表明此方法可行。本研究为自动提取静态化学分子结构图的信息提供了证据。     

基于背景和内容的微博用户兴趣挖掘

微博用户兴趣挖掘是个性化推荐、社群划分的基础工作.在深入分析微博网络特点的基础上,给出了能够揭示微博网络多模性的描述模型,对面向微博网络的后续研究具有参考价值.根据微博网络的特点,提出了基于背景的用户静态兴趣表示及挖掘方法,以及基于微博的用户动态兴趣表示和挖掘方法.针对微博网络中缺少背景信息、发表微博很少的大量不活跃用户,提出了基于关注的用户兴趣挖掘方法.以新浪微博为例,选取了时尚、企业管理、教育、军事、文化这5个领域进行用户兴趣挖掘及相似度计算的实验分析和比较,结果表明,与主流的兴趣挖掘方法相比,该微博用户兴趣的表示和挖掘方法可以有效地改善微博用户兴趣挖掘的效果.     

一种基于梯度的图像滤波算法

滤除图像的噪声有很多方法,普遍使用的均值滤波滤除噪声效果不够理想,且易使图像变得模糊;而中值滤波滤除噪声效果较好,但易使图像的细节信息丢失.文章提出了一种基于梯度的滤波算法,该算法对含有噪声的图像取3×3领域,构造4个方向的梯度算子模板,通过比较4个方向梯度大小,对噪声、图像边缘、图像内部信息点分别处理.实验结果表明该算法在滤除噪声的同时,很好地保存了图像的原始信息且有较好的信噪比.     

一种高效的Web新闻发表时间提取方法

Web网页的发表时间在Web搜索中起到重要的作用,因为用户获取的结果往往是与时间密切相关的.本文围绕Web新闻发表时间的提取,提出了一种高效的Web新闻发表时间提取方法.该方法考虑到了Web新闻网页URL地址隐含时间信息的特性,信息发表时间与新闻标题的距离约束.在主流的7个中文搜索引擎,使用了30个关键字,共获取3827篇Web新闻信息进行了提取时间的准确率及时间消耗的实验分析与比较,结果显示本文提出方法的准确率为95.5％,时间消耗为88秒.     

微博网络用户的活跃性判定方法

推荐系统的冷启动问题是近期的研究热点,而用户的活跃性判定是冷启动问题的基础。已有方法在判定用户的活跃性时,单纯地考虑了用户发表信息量,对社交媒体的社交关系及行为等特征利用不够。该文面向微博网络,提出了系统的用户活跃性判定方法,创新性主要体现在: (1)提出了微博网络影响用户活跃性的四类指标,包括用户背景、社交关系、发表内容质量及社交行为,避免了仅仅使用用户发表信息数量判定用户是否活跃的粗糙方式;(2)提出了用户活跃性判定流程,提出了基于四类指标的用户与用户集的差异度计算模型。以新浪微博为例,选取了学术研究、企业管理、教育、文化、军事五个领域的900个用户作为测试集,使用准确率P、召回率R及F值为评价指标,进行了实验分析和比较。结果显示,该文所提用户活跃性判定方法的准确率P、召回率R、F值比传统的判定方法分别提高了21%、13%和16%,将该文所提方法用于用户推荐,得到的P、R和F值比最新的方法分别提高了5%、2%和3%,验证了所提方法的有效性。     

基于稳定特征的鞋印图像识别方法研究

针对鞋印图像自身特点,提出一种鞋印图像的倾斜校正算法;在此基础上提出用距离直方图、角度直方图与傅立叶描述子来共同表示动力作用留下的形状特征。根据提取的鞋印图像的特征可以进一步挖掘出人的某些特征,如脚的大小、走路姿势等。最后给出了一个实验系统,结果表明基于稳定特征的鞋印图像识别方法具有快速、准确、科学、实用等优点。     

多异构社交网络的全局建模及应用例证

给出了面向多异构社交网络（Multi-heterogeneous social network， MHSN）的全局表示模型，建立了MHSN用户空间及内容空间的关联模型，为基于MHSN的后续研究提供借鉴。以MHSN的地域突发事件检测为例，论述了基于内容空间的MHSN的融合方法，并以微博和贴吧进行了数据采集和突发事件检测的实验分析；以MHSN的用户兴趣挖掘为例，论述了基于用户空间的MHSN的融合方法，并以微博和贴吧进行了数据采集和用户兴趣挖掘的实验分析。结果表明，本文所提的面向MHSN的突发事件融合检测及用户兴趣融合挖掘方法可以有效地改善突发事件检测和用户兴趣挖掘的效果。