基于混杂社会网络的个性化Web服务推荐方法

为了缓解Web服务推荐中存在的冷启动和数据稀疏问题,以及满足用户个性化的需求,本文提出了基于混杂社会网络的Web服务推荐框架及算法.该网络加入了服务提供者这一元素,可提供更多的真实信息,有助于缓解冷启动问题.根据提出的服务推荐框架,设计了用户-候选服务信任值预测算法（Computing Trust Value,CTV）,以及服务推荐算法（Recommend Queue,RQ）.在真实数据集上建立实验,结果表明本文提出的方法在预测准确率MAE、RMSE,推荐准确率MAP、NDCG,以及填充率和覆盖率上都有所提高,有助于提升个性化推荐的性能.     

在线社交网络用户间影响量化的贝叶斯模型

传统的模型专注于合作网络等社交网络,并不完全适用于在线社交网络.而现有的针对在线社交网络的模型简单,片面,缺乏准确性.因此我们提出了基于贝叶斯观点的模型,通过集成在线社交网络提供的有用信息来量化用户间的影响.通过分析对比贝叶斯模型与现有模型找到的影响者,我们发现贝叶斯模型比现有的模型更准确和全面.     

在线社交网络中的病毒免疫

近年来,随着在线社交网络的发展,人们在移动设备上进行社交活动正变得越来越频繁.然而,系统平台的开放使得病毒及恶意软件能够在手机移动网络上利用社交信息进行传播.所以我们需要找到一种免疫策略,从而快速地阻止网络中的病毒传播.现有的针对在线社交网络的免疫策略无法适应实际的网络结构.因此,我们提出了基于目标免疫策略的模型,通过分析用户的社交信息,制定更为有效的免疫策略.分析比较两种策略下社交网络中的病毒感染情况,我们发现基于目标免疫策略的模型比现有模型更为快速有效.     

基于多社交数据源的协同推荐方法研究

协同过滤推荐作为一种有效的推荐方法,普遍存在数据稀疏性和冷启动问题,利用社交网络的多项数据源对协同推荐方法进行了改进.为了克服评分矩阵的稀疏性问题,提出结合用户评分相似度和用户信任度选择推荐邻居,同时对用户相似度计算进行了改进;提出了一种简单有效的信任推理方法,能够识别出用户间隐含的间接信任关系,进一步缓解了数据稀疏性问题;为了解决推荐系统的冷启动问题,提出综合利用项目的类型属性信息和领域专家信息进行联合推荐.实验结果表明,提出的改进策略非常有效,在精度和召回率方面都较已有方法具有明显改善.     

基于信任度评估的社交网络虚假账户检测

在利益驱动下,社交网络中出现大量虚假账户,其发布的虚假消息可对正常用户产生误导。通过对社交网络中大量数据进行分析,发现虚假账户与正常账户在账户特性、行为特性上有较大差异。基于这些差异,结合Rough Set相关理论提出账户信任度的计算模型。所得信任度可用以区分虚假账户,并为正常用户的判断提供依据。实验显示,根据所得信任度对账户排序得到了较好效果,并能够有效区分虚假账户。     

一种基于云模型的社交网络推荐系统评分预测方法

本文针对评分预测中用户评分主观性及评分数据稀疏带来的预测不准确问题,围绕社交推荐的特点,设计实现一种社交网络评分预测方法.首先,针对评分主观性问题,引入并优化相关云模型理论,提出采用综合云模型生成评分标准并转化用户评分的方法.其次,针对预测不准确问题,通过引入隶属度达到数据降维和目标用户定位的作用,同时考虑到社交网络用户关系对评分结果的影响,分别利用社交关系及相似群体建立两个评分预测模型,并基于高斯变换融合两部分预测结果生成预测评分.实验表明,该方案不仅克服了用户评分主观性,同时有效改善了用户评分数据稀疏情况下传统预测方法准确度偏差的问题.     

基于用户行为认知的在线社交网络协同推荐

近年来,在线社交网络成为人们工作、生活不可或缺的信息共享与交流工具,如何对海量庞杂、大范围时空关联的用户行为信息进行认知并据此提供个性化的推荐服务,已成为在线社交网络发展重点关注的问题。为此,提出了一种基于用户行为认知的在线社交网络协同推荐框架,在对用户特征、文本信息及兴趣偏好等行为进行认知的基础上,利用协同过滤算法,实现个性化的推荐服务。实验结果验证了提出的基于用户行为认知的协同推荐策略具有较好的稳定性和实际应用效果。     

基于网络的无线抄表系统

长期以来，三表数据抄送问题都是相关供应部门非常想解决但又得不到切实解决的问题。在行业信息化过程之中，户表数据的自动化抄送具有非常重大的意义，因为户表数据是相关行业销售过程中最原始的数据，这个数据的准确度和及时性直接影响了行业内部其他信息化水平。目前使用的基于无线数传模块的抄表系统都是采用单跳的通信方式，由于射频芯片发射功率的限制，其覆盖范围有限，会出现许多盲点。本文在单跳方式的基础上，提出了一种自动搜索的寻的算法，通过中继的转发来实现多跳，扩大覆盖范围。     

基于微分博弈的在线社交网络恶意程序传播优化控制方法

针对在线社交网络（OSN）易传播恶意程序的现状,通过扩展传统的传染病理论,在考虑防御者和恶意程序主观努力度的基础上,提出了能确切描述OSN恶意程序的微分方程模型。利用微分博弈,建立了能反映防御者和恶意程序交互过程的OSN“恶意程序防御微分博弈”模型,当恶意程序动态改变其最优控制策略时,为防御者给出最优动态控制策略。实验结果表明,提出的方法能明显地抑制OSN恶意程序的传播,为防御OSN恶意程序提供了新途径。     

基于人类动力学的在线社交网络信息传播研究

Web2.0时代,社交网络因其交互性和即时性,已成为人类社会中社会关系维系和信息传播的重要载体。因此,理解社交网络用户行为特征及其对在线信息传播的影响至关重要。该文从人类行为动力学视角出发,系统梳理了近年来社交网络用户行为的实证研究。其次,综述了社交网络信息传播中用户行为时间特征的实证研究。最后,对用户行为时间特征与在线社交网络信息传播的相互作用进行了总结和展望。     

一种基于配置策略的网络资源数据搜索方法

传统的网络资源搜索方法基于关系型数据库,当处理网络资源管理系统中巨大而且复杂的数据时,其查询效率低下。本文提出一种基于配置策略的网络资源数据搜索方法,不仅提供了综合、快速的资源搜索能力,还通过用户行为分析,实现了用户搜索结果的随需而变。     

基于ZigBee的家庭网络专利检索策略

智能家庭网络近年来发展迅速.以德温特数据库检索统计的数据为基础,从专利申请量、申请人国别分布和发明人所关注的技术内容多个角度分析了家庭网络的专利现状和发展趋势,并在此基础上提出了家庭网络相关专利的检索方法.     

基于社会系统响应函数的在线群体分类研究

该文致力于丰富在线群体的研究体系,为未来探索深层次科学问题提供支撑。讨论了在线群体与在线话题的定义及常见分类方式。重点展现了一种全新的依据观测社会系统响应函数的趋势将在线话题分为4类的定性研究方法,即外源性首要传播型话题、外源性次要传播型话题、内源性首要传播型话题和内源性次要传播型话题,并且进一步以此区分讨论不同类型话题的在线群体。同时,明确地提出了规范的使用步骤与实际操作时可能遇到的问题及解决方法。最后尝试运用该方法来估计以新浪微博与百度贴吧为代表的在线社交网络平台中各类话题群体的分布情况。     

Modeling Reading and Replying Activities in a BBS Social Network

This paper is devoted to analyze and model user reading and replying activities in a bulletin board system(BBS) social network.By analyzing the data set from a famous Chinese BBS social network,we show how some user activities distribute,and reveal several important features that might characterize user dynamics.We propose a method to model user activities in the BBS social network.The model could reproduce power-law and non-power-law distributions of user activities at the same time.Our results show that user reading and replying activities could be simulated through simple agent-based models.Specifically,manners of how the BBS server interacts with Internet users in the Web 2.0 application,how users organize their reading lists,and how user behavioral trait distributes are the important factors in the formation of activity patterns.     

一种基于用户动态兴趣和社交网络的微博推荐方法

针对为微博用户推荐符合其兴趣取向的个性化微博信息的问题,结合LDA主题模型,提出了一种基于用户动态兴趣和社交网络（DISN）的微博推荐方法.DISN方法首先引入时间函数,推断出用户的兴趣向量,通过对新发布的微博数据内容进行聚类分组,以用户兴趣向量筛选与用户最匹配的分组,随后以网格索引的形式对选定的分组中微博进行查询,计算微博发布者被目标用户关注的可能性并进行排序,最终形成推荐列表.实验验证了DISN方法较之传统方法更具有效性和高效性.     

一种基于免疫系统的RBF网络在线训练方法

 针对径向基函数(RBF)网络和免疫系统的相似性,本文提出了一种基于免疫模型的RBF网络在线学习方法以解决动态问题.该方法借鉴了免疫系统动态调整以对抗不断入侵的抗原的机制,通过免疫初步覆盖、免疫交叉响应和疫苗注射等免疫操作,加速算法效率、提高算法精度和动态性能.通过以上操作使得RBF网络能够根据样本的变化迅速地调整网络结构与参数.计算机仿真研究表明,采用这种方法设计的RBF网络在动态环境下具有优良的精度和泛化能力.     

基于社交网络分析的高影响力客户识别模型算法

基于通信运营商社交网络数据量巨大、产生速度快、交互速度快、数据结构多样和分析复杂的特点,结合传统结构化数据的分析,提出了一种高影响力客户识别的模型,并应用于客户套餐购买过程中,得出了6个月内高影响力客户比随机客户推荐成功率平均提升4.8%、绝对量提升29倍的效果。     

基于社交网络机理的短信息监控系统

短信息实时过滤基于社交网络机理,从社交网络的聚类现象切入,通过确认发送者的身份实现短信息实时监控过滤。首先根据接收者与发送者之间是否存在通信历史对发送的短信进行预处理,进而根据接收者与发送者、接收者之间的通信历史记录实施二度实时过滤,确认发送者身份,拦截文本或多媒体形式的垃圾短信。并行过滤算法在对称多处理(SMP)的硬件平台上运行。     

一种基于建构主义的多Agent网络教学系统模型

目前的网络教学系统还面临着许多问题:缺乏先进学习理论的指导;动态交互功能不强;智能性较低;缺乏有效的引导等,目前,随着心理学家对人娄学习过程中认知规律研究的不断深入,认知学习理论的一个的新的分支——建构主义学习理论逐渐成为主流,以建构主义学习理论作为指导思想,并引用智能Agent技术,构建了一个基于建构主义的多Agent网络教学系统模型。     

基于大数据挖掘构建游戏平台个性化推荐系统的研究与实践

给出了一种基于大数据挖掘的手机游戏平台个性化推荐机制,通过对游戏用户行为数据的获取、存储、清洗、挖掘,由改进的余弦相似度算法计算出游戏的相似度,向用户推荐其喜欢的游戏.该机制可以有效提升游戏推荐的准确性,增强用户黏性,为游戏平台创造更多价值.