基于LBSN签到数据的用户特征分析

近年来,以微博、微信朋友圈、Foursquare、Gowalla、Facebook Place等基于位置的社交网络(Location Based Social Network,LBSN)得到迅速发展,庞大的用户群体每天都会通过这些服务产生大量的签到数据,这些异构的网络数据为研究用户的行为特征及潜在特征提供巨大的机遇与挑战。然而现有研究少有对LBSN签到数据进行具体描述与分析,以服务于兴趣点推荐为最终目的,利用Foursquare、Gowalla数据集从用户签到轨迹、用户签到频次、用户签到位置3个方面对用户签到数据进行分析、可视化,探索了用户签到数据中存在的空间特征及个性化行为。     

基于图神经网络的用户轨迹分类

针对现有轨迹用户链接(TUL)算法对轨迹信息提取不充分、计算成本过高等问题,该文提出了一种新的基于图神经网络(GNN)的TUL算法.首先,利用轨迹中的签到点构建签到图;其次,在签到图的基础上使用图神经网络学习签到图中的节点嵌入,保存签到点的位置信息和用户的访问偏好信息;最后,利用循环神经网络(RNN)构建轨迹序列的向量...     

基于位置的社交网络用户轨迹相似性算法研究

针对位置社交网络的用户轨迹相似性分析,先对签到点分层聚类,然后计算各分层的用户轨迹相似性,加权得到用户总体相似性,提出了一种基于自适应密度聚类的用户轨迹相似性双重加权模型。首先根据签到点的分布,提出基于聚类区域半径的自适应密度聚类算法,对签到点进行聚类,得到符合一定区域半径的自适应分层聚类区域。然后针对用户相似性的计算,提出用户轨迹相似性双重加权模型：基于不同层次上权重不同及同一层次上不同签到区域权重不同两个原则。基于分层聚类区域,计算用户访问各分层的轨迹相似性;由于不同签到区域对相似度的表征能力不同,通过不同权重来计算具体层次上的相似性。进而进行层次上的加权,获得用户总体的相似性。通过仿真,该方法能有效的分析出用户轨迹相似性,具备较高的准确性。     

基于数据挖掘的开源电子资源访问行为统计模型

为了解决当前图书馆资源个性化推荐过程中存在推荐的准确率、召回率以及效率较低的问题,采用二维距离模型构建用户社区模型,用于描述访问用户与图书馆开源电子资源之间的关系,并对互联网用户需求和访问行为进行模糊规则推理.依据互联网用户属性和图书馆资源访问需求属性之间的模糊规则,建立图书馆开源电子资源访问行为统计模型,并利用该模型向用户提供个性化推荐服务.仿真结果表明,所建模型的推荐召回率高达98. 4%,推荐准确率为99. 2%,运行时间小于0. 04 s.所建模型能够为互联网用户提供准确、高效地图书馆资源个性化推荐服务.     

基于软件的机房签到系统设计和实现

介绍了基于软件的机房签到系统的设计和实现,避免了传统的IC卡签到系统采用硬件、系统投入大以及机房管理困难的缺点,系统采取了用户认证、注册表访问和MAC地址的验证等多种措施,有效地解决了学生的代签问题,便于管理员管理.     

一种基于Web用户访问模式的矩阵聚类算法研究

针对用户访问Web资源时难以获取感兴趣信息的状况,通过分析用户需求,采用优化的矩阵聚类算法,对用户群和页面进行聚类,以理解用户的行为,发现用户的访问模式,从而改善Web服务质量。实验结果表明该方法是可行的,能够更准确的反映网站的访问情况;根据发现用户访问的Web页面的浏览模式,进一步分析和研究Web日志记录中的规律,从而改进Web站点的性能和组织结构,以便Web站点能实现个性化服务。     

基于邻行链接访问的低功耗指令高速缓存

通过分析高速缓存访问的局部性原理,提出当前高速缓存访问行与若干紧邻行链接访问的低功耗指令缓存访问方法.该方法能够在发生相对跳转时依托于相邻行之间的访问链接信息,精确获得跳转目标行的路访问信息,减少对高速缓存标志存储器的访问,达到降低动态功耗的目的.在高速缓存行发生替换时,仅需检测并清除被替换行相邻范围内的若干缓存行的链接信息,从而实现链接关系的正确性.与基于路记忆访问的高速缓存器相比,应用该方法的高速缓存器的动态功耗可以平均减少6%.     

基于图卷积神经网络的位置语义推断

挖掘位置社交网络(LBSNs)中的签到数据背后所蕴藏的信息是城市计算、智慧城市的重要研究方向,其中一个关键的任务是推断位置语义。位置语义因其在位置检索、位置推荐、数据预处理等领域的广泛应用而受到越来越多的关注。现有的推断方法倾向于手工提取位置的时空特征或用户签到活动的时空模式训练分类器进而推断位置语义。然而,提取有价值的时空模式或时空特征是一项困难的任务。该文提出一种新的基于图卷积神经网络的位置语义推理模型(SI-GCN)。SI-GCN利用node2vec和变分自编码器来学习位置的空间和时间特征。构建用户?位置访问二部图,利用图卷积神经网络来捕获用户签到活动中的高阶信息。此外,SI-GCN引入自注意力机制区分用户?位置访问二部图中不同邻居节点的贡献。SI-GCN在两个真实签到数据集上的实验表明,SI-GCN比现有3种算法具有更好的推断性能。     

一种基于用户空间相似性的兴趣点推荐算法

位置社交网络（Location Based Social Network,LBSN）的发展,为兴趣点推荐提供丰富的数据资源。基于地理影响的推荐算法是兴趣点推荐的热门研究话题,而现有的推荐算法缺乏对用户个性化行为的分析。因此,提出一种基于用户空间相似性的兴趣点推荐算法。首先,利用用户签到数据构建空间分布相似性模型;其次,引入削减因子,提高具有相同签到记录的用户权重;最后,线性融合用户及空间分布性相似性模型对Top-N兴趣点进行推荐,并进行实验验证。实验结果表明,该算法有效提高了兴趣点推荐的质量。     

融合社交地理信息加权矩阵分解的兴趣点推荐算法

针对用户-兴趣点矩阵稀疏以及难于从隐反馈中获取用户对未访问位置的偏好而影响兴趣点推荐准确度的问题,本文提出了一种融合社交地理位置信息的加权矩阵分解兴趣点推荐算法（SGWMF）。首先,通过用户之间的相关性对社交信息进行幂律分布建模,基于用户好友的签到信息计算用户访问位置概率;其次,利用地理信息符合幂律分布特点重构用户访问位置偏好矩阵,缓解矩阵数据稀疏性问题;再次,为了增强加权矩阵分解模型的有效性,通过建模社交信息和地理信息挖掘出用户对未访问位置的偏好,并以隐反馈项的形式改进加权矩阵分解的目标函数;最后,在两个真实数据集上对算法性能进行对比验证,结果表明本文算法的性能要优于其他兴趣点推荐算法,推荐结果的准确性有明显提高。     

Recommending Personalized POIs from Location Based Social Network

Location based social networks (LBSNs) provide location specific data generated from smart phone into online social networks thus people can share their points of interest (POIs).POI collections are complex and can be influenced by various factors,such as user preferences,social relationships and geographical influence.Therefore,recommending new locations in LBSNs requires to take all these factors into consideration.However,one problem is how to determine optimal weights of influencing factors in an algorithm in which these factors are combined.The user similarity can be obtained from the user check-in data,or from the user friend information,or based on the different geographical influences on each user's check-in activities.In this paper,we propose an algorithm that calculates the user similarity based on check-in records and social relationships,using a proposed weighting function to adjust the weights of these two kinds of similarities based on the geographical distance between users.In addition,a non-parametric density estimation method is applied to predict the unique geographical influence on each user by getting the density probability plot of the distance between every pair of user's check-in locations.Experimental results,using foursquare datasets,have shown that comparisons between the proposed algorithm and the other five baseline recommendation algorithms in LBSNs demonstrate that our proposed algorithm is superior in accuracy and recall,furthermore solving the sparsity problem.     

Recommending Personalized POIs from Location Based Social Network

Location based social networks (LBSNs) provide location specific data generated from smart phone into online social networks thus people can share their points of interest (POIs).POI collections are complex and can be influenced by various factors,such as user preferences,social relationships and geographical influence.Therefore,recommending new locations in LBSNs requires to take all these factors into consideration.However,one problem is how to determine optimal weights of influencing factors in an algorithm in which these factors are combined.The user similarity can be obtained from the user check-in data,or from the user friend information,or based on the different geographical influences on each user's check-in activities.In this paper,we propose an algorithm that calculates the user similarity based on check-in records and social relationships,using a proposed weighting function to adjust the weights of these two kinds of similarities based on the geographical distance between users.In addition,a non-parametric density estimation method is applied to predict the unique geographical influence on each user by getting the density probability plot of the distance between every pair of user's check-in locations.Experimental results,using foursquare datasets,have shown that comparisons between the proposed algorithm and the other five baseline recommendation algorithms in LBSNs demonstrate that our proposed algorithm is superior in accuracy and recall,furthermore solving the sparsity problem.     

模糊跳扩散模型的二元期权定价

文章基于跳扩散模型用模糊数表示不能精确设定的利率、波动率、跳跃强度和跳跃大小的均值与方差,建立模糊跳扩散模型研究欧式二元看涨期权的定价。首先将跳扩散模型二元期权定价中的参数替换成它们相应的三角模糊数,得到了模糊跳扩散模型二元期权的模糊价格,然后根据模糊数的运算给出确定模糊价格不同水平集区间端点的方法,最后给出一个数值计算的例子。     

人工免疫行为轮廓取证分析方法

针对当前数据挖掘取证分析方法存在的取证分析效率低的问题，提出了采用免疫克隆算法来构建频繁长模式行为轮廓的取证分析方法。该方法以行为数据和频繁项集的候选模式分别作为抗原和抗体，以抗原对抗体的支持度作为亲和度函数，以关键属性作为约束条件，以最小支持度作为筛选条件，通过对抗体进行免疫克隆操作来构建基于频繁长模式的行为轮廓；采用审计数据遍历行为轮廓匹配对比的分析方法来检测异常数据。实验结果表明，与基于Apriori-CGA算法的取证分析方法相比，该方法的行为轮廓建立时间和异常数据检测时间均大幅降低。该方法有助于提高取证分析的效率以及确立重点调查取证的范围。     

位置社交网络的个性化位置推荐

为了有效改善位置社交网络的用户体验,提出了一种个性化位置推荐服务模型.综合考虑了用户的签到行为特点、用户特征及位置兴趣点的语义特征,并将蚁群算法与改进的混合协同过滤算法有效结合起来进行个性化位置推荐,以此提高个性化位置推荐的质量和效率.实验结果表明,提出的位置推荐模型的召回率、准确率和平均绝对误差值都明显优于已有方法.     

潮间带无线传感器网络路由算法

以潮间带无线传感器网络（IT-WSN）为例进行深入研究,提出期望剩余传输次数（PRTX）算法.PRTX算法充分考虑网络端到端延迟时间、节点剩余能量、邻居节点之间的距离,以及链路质量,形成一个综合性的路由判据,并利用指数加权平均算法加强路由选择的稳定性.仿真实验结果表明,PRTX路由算法在网络生命周期上比经典算法期望传输次数（ETX）提升了约19%,保障了较高的收包率,并且在节点通信距离变化时具有较好的性能稳定性.同时仿真实验与实际实验都表明,PRTX算法在网络端到端延迟时间上比经典的ETX算法降低了约10%,并提升了网络能量消耗的均衡性.     

Analysis of the heat transfer in unsymmetrically heated triangular microchannels in slip flow regime

Theresearchontheflowandheattransferinvariousmicrochannelsisafrontierintheheattransferfield.Theadvantagesofcompactstructureandhighspecificheattransferperformancemakeitpossibletousethemicroheatexchangerswithvariousmicrochannelstograduallysolvethecoolingproblemofhighheatfluxinthefieldsofmicroelectronicsengineering,lowtemperaturesuperconductorstechnology,spaceengineering,Micro-Electro-MechanicalSystem(MEMS)andsoon.Generally,thecharacteristiclengthofthedevelopingmicroscalethermalandfluidicsystem…     

一种基于死亡节点与半径调度的LEACH覆盖保持协议

提出了一种基于死亡节点与半径调度的低功耗自适应集簇分层型（LEACH）覆盖保持协议,对簇头的随机选择机制进行了阈值的联合优化,采用泰森多边形对簇头节点进行Voronoi图划分,并根据簇头节点和簇内节点覆盖半径的不同进行分簇.在增大簇头节点通信半径及减小簇内节点的通信半径时,同时考虑网络中死亡节点数目,修正簇头节点的阈值选择公式,根据该阈值对网络的簇数重新选择和分簇.仿真结果表明,该算法对网络的覆盖度可保持在1 700轮左右,提高了网络的数据传输能力,延长了生命周期.