基于关联规则挖掘的心理健康状况自动评估系统设计

由于当前已有系统未能采用关联规则对心理健康数据进行挖掘和分析,导致心理问题检出率偏低,评估用时较长,因此设计一种基于关联规则挖掘的心理健康状况自动评估系统。采用关联规则挖掘算法对心理健康数据进行分析和挖掘,分析心理问题和对应属性之间的关联,以此为依据通过B/S结构对系统中数据采集以及预处理等模块的结构进行设计。针对心理健康的实际情况,使用模糊综合评估方法对用户的心理健康情况进行自动评估。仿真实验结果表明,所设计系统能够快速完成心理健康状况自动评估,同时提升心理问题检出率。     

基于传感器技术的心理健康自动监管与测评研究

为解决当前心理健康状态实时监测准确率低的问题，提出一种基于传感器技术的心理健康自动监管与测评装置。该装置利用传感器技术将心理健康信息转化为心理感知数据，从而实现对健康状态的实时跟踪。将提出的实时跟踪方法与其他跟踪方法进行对比实验，结果显示，该方法的准确率为96%,此结果说明基于传感器技术的实时跟踪方法具有更好的实时跟踪性能。利用研究提出的装置可以准确地对用户的心理健康状态进行实时跟踪，从而对用户的心理健康进行自动监管与测评。     

大数据框架下公共政策实施评估研究

公共政策涉及到对社会资源的分配和协调,与社会大众的利益密切相关.对公共政策实施进行科学评估有利于提升政府施政能力.传统评估方式存在一定局限,利益相关方参与度不够.本文基于互联网大数据对公共政策实施评估进行了研究.通过对论坛、微博等互联网站点在政策出台后一段时间(如半年)的海量数据,以及部分用户行为数据,进行聚类分析,建立公共政策实施评估指数模型.     

社交网络用户隐私泄露量化评估方法

社交网络用户隐私泄露的量化评估有利于帮助用户了解个人隐私泄露状况,提高公众隐私保护和防范意识,同时也能为个性化隐私保护方法的设计提供依据.针对目前隐私量化评估方法主要用于评估隐私保护方法的保护效果,无法有效评估社交网络用户的隐私泄露风险的问题,提出了一种社交网络用户隐私泄露量化评估方法.基于用户隐私偏好矩阵,利用皮尔逊相似度计算用户主观属性敏感性,然后取均值得到客观属性敏感性;采用属性识别方法推测用户隐私属性,并利用信息熵计算属性公开性;通过转移概率和用户重要性估计用户数据的可见范围,计算数据可见性;综合属性敏感性、属性公开性和数据可见性计算隐私评分,对隐私泄露风险进行细粒度的个性化评估,同时考虑时间因素,支持用户隐私泄露状况的动态评估,为社交网络用户了解隐私泄露状况、针对性地进行个性化隐私保护提供支持.在新浪微博数据上的实验结果表明,所提方法能够有效地对用户的隐私泄露状况进行量化评估.     

一种基于智能Agent的科技文献快速协作推送机制

针对目前网络科技文献共享平台上汇聚的海量的科技文献,提出了一种新的基于智能Agcnt的科技文献快速协作推送模型,通过引入由智能Agen、技术构建的用户Agent、数据传递Agent、信息评佑Agent、信息分析Agent ,服务器监控Agent和数据挖掘Agent,在客户机和服务器之间建立一种有效的协作关系,联合为每个用户主动提供最符合其需求的科技文献。提出了一种新的文献一读者契合度评估算法,算法综合考虑用户主动提供的订阅信息、用户的阅读历史情况、文献价值客观评价值以及文献发表的先后时间,获取契合度值向量对文献与读者的匹配情况进行客观的评估,从而在准确获得用户真实兴趣和关注领域的情况下及时为用户提供最有价值、最符合用户需求的高质量科技文献信息。分析了目前的网络信息获取和传送方法,然后介绍了基于智能Agcnt的科技文献快速协作推送系统模型,最后详细探讨了文献一读者契合度评佑算法及契合度向量的各个参数的计算方法。     

基于LTE信令大数据的网络质量评估体系研究

当前LTE网络问题复杂多样,传统的道路测试仅能反映个体及空口的无线问题,无法真实反映普通用户的使用场景及业务感知.详细介绍了基于信令大数据的网络质量评估分析方法.通过现网试点,采集海量信令数据进行解码和关联分析,评估网络质量.准确定位影响用户感知的网络问题,实现基于不同网元接口、不同用户、不同场景的网络质量分析.     

基于概率因子图模型的医疗社会网络用户健康状态检测方法

社会网络应用已无处不在,在健康医疗领域也是如此.同时,传感器网络的发展也面临新的形势.在真实世界中,有许多因素(如社会关系、历史健康状态和个人属性信息)都能对健康状态检测/预测结果产生影响.然而,却很少有相关文献能够系统阐述新形势下在一个动态社会网络中节点用户健康状态如何进行检测/预测以及不同因素对用户健康状态影响到何种程度.首先描述一种新颖的医疗物联网:医疗社会网络(medical social networks,MSNs);然后统一考虑社会关系、历史健康状态和用户属性对网络用户健康状态检测结果的影响,提出一种新的基于时-空概率因子图模型(temporal-spatial factorgraph model,TS-FGM)的网络用户健康状态检测/预测方法.在Twitter数据集上对所提出的模型进行了验证,并在一个真实的临床医疗数据集上与SVM基线算法进行了对比实验.实验结果表明所提出的TS-FGM模型是有效的,健康状态检测方法也在一定程度上优于基线方法.     

基于跳步的增量式影响力最大化算法

对动态在线社交网络中的影响力最大化问题进行研究,提出一种基于跳步的增量式算法,快速跟踪动态网络最具有影响力的用户集。为应对网络结构变化,基于跳步,一方面评估变化用户影响力上限值,快速识别和保留无需变动的影响力用户;另一方面增量式地计算有潜力用户的实际影响力,替换不再属于最具影响力的用户。在真实数据集上进行实验和分析,其结果表明,相比其它最新同类算法,所提算法能以更快速度在动态网络中维护最具影响力用户集。     

基于弹幕分析的在线直播平台用户理解

弹幕评论是网络直播平台与用户交互的主要方式之一,借助弹幕行为的分析可以更有效地实现对网络直播平台的用户理解.通过采集和利用3大热门直播平台(斗鱼、熊猫与战旗)的弹幕相关数据,本文以假设验证的方式从用户属性与用户行为两个角度对在线直播平台用户进行分析与理解,并建立基于用户行为特征时间序列的用户活跃模型对用户互动活跃度进行量化评估.研究表明,平台在线人数具有周期性变化的时间规律,观众地域具有沿海发达城市集中分布的空间取向,所提出的用户活跃模型能够对网络直播平台用户的行为活跃趋势做出合理的预测分析.     

一种基于改进D-S证据理论的信任关系强度评估方法研究

随着Web 2.0技术的迅速发展,社会网络开始在我们的生活中扮演着重要的角色,越来越多的人在网络中发表言论、互相交流、共享信息.然而,在社会网络中,信任关系是用户间进行交互的基础,不同用户之间的信任关系强度不同,相同用户在不同领域内的信任关系强度也存在差异,信任关系的不确定性是信任评估的最大挑战.针对以上问题提出了一种基于改进D-S证据理论的灵活直观的评估方法,该方法综合考虑用户被关注度、用户信誉度、用户活跃度和用户相似度4个方面,将这4个方面作为4个属性证据,同时根据模糊理论中的隶属度原理获取基本信任分配,然后基于以上4个属性证据构建多源属性证据信任关系强度融合模型,在领域内对其信任关系强度进行评估,最后采用Epinions中真实的数据集进行实验.实验结果验证了该方法的可行性和优势,为复杂的社会网络环境中信任关系强度评估的研究提供了有价值的新思路.     

社交网络用户认知域特征预测研究综述

网络空间认知域安全是网络空间安全的重中之重,而认知域特征预测是研究网络空间认知域安全的基础。首先,明确了社交网络用户个体认知域特征预测在网络空间认知域安全中的地位;接着,从预测流程、特征选取和模型建立3个方面综述了国内外在社交网络用户认知域特征预测方面的研究,并针对国内典型社交网络用户样本特征,指出了研究中存在的问题,进而提出一些可能的研究思路和方法;最后,总结了该领域当前面临的挑战与存在的不足,以及有待重点研究的相关问题。     

异质信息网络表征学习综述

随着信息技术的快速发展,信息网络无处不在,例如社交网络、学术网络、万维网等.由于网络规模不断扩大以及数据的稀疏性,信息网络的分析方法面临巨大挑战.作为应对网络规模及数据稀疏挑战的有效方法,信息网络表征学习旨在利用网络的拓扑结构、节点内容等信息将节点嵌入到低维的向量空间中,同时保留原始网络固有的结构特征和内容特征,从而使...     

A survey on big data-driven digital phenotyping of mental health

The landscape of mental health has undergone tremendous changes within the last two decades, but the research on mental health is still at the initial stage with substantial knowledge gaps and the lack of precise diagnosis. Nowadays, big data and artificial intelligence offer new opportunities for the screening and prediction of mental problems. In this review paper, we outline the vision of digital phenotyping of mental health (DPMH) by fusing the enriched data from ubiquitous sensors, social media and healthcare systems, and present a broad overview of DPMH from sensing and computing perspectives. We first conduct a systematical literature review and propose the research framework, which highlights the key aspects related with mental health, and discuss the challenges elicited by the enriched data for digital phenotyping. Next, five key research strands including affect recognition, cognitive analytics, behavioral anomaly detection, social analytics, and biomarker analytics are unfolded in the psychiatric context. Finally, we discuss various open issues and the corresponding solutions to underpin the digital phenotyping of mental health.     

The State of the Art in Visual Analysis Approaches for Ocean and Atmospheric Datasets

The analysis of ocean and atmospheric datasets offers a unique set of challenges to scientists working in different application areas. These challenges include dealing with extremely large volumes of multidimensional data, supporting interactive visual analysis, ensembles exploration and visualization, exploring model sensitivities to inputs, mesoscale ocean features analysis, predictive analytics, heterogeneity and complexity of observational data, representing uncertainty, and many more. Researchers across disciplines collaborate to address such challenges, which led to significant research and development advances in ocean and atmospheric sciences, and also in several relevant areas such as visualization and visual analytics, big data analytics, machine learning and statistics. In this report, we perform an extensive survey of research advances in the visual analysis of ocean and atmospheric datasets. First, we survey the task requirements by conducting interviews with researchers, domain experts, and end users working with these datasets on a spectrum of analytics problems in the domain of ocean and atmospheric sciences. We then discuss existing models and frameworks related to data analysis, sense‐making, and knowledge discovery for visual analytics applications. We categorize the techniques, systems, and tools presented in the literature based on the taxonomies of task requirements, interaction methods, visualization techniques, machine learning and statistical methods, evaluation methods, data types, data dimensions and size, spatial scale and application areas. We then evaluate the task requirements identified based on our interviews with domain experts in the context of categorized research based on our taxonomies, and existing models and frameworks of visual analytics to determine the extent to which they fulfill these task requirements, and identify the gaps in current research. In the last part of this report, we summarize the trends, challenges, and opportunities for future research in this area. (see http://www.acm.org/about/class/class/2012 )     

社交网络用户影响力的建模方法

社交网络用户影响力在舆情演化、广告营销及政治选举等领域有着广泛应用,研究者在过去的工作中,通过分析和建模,在影响力方面取得了一定的成果,但还存在着定义不明晰、技术落后和应用缺乏等问题。文中明确提出了社交网络用户影响力的研究模型,将传统技术与先进技术结合,并据此梳理了该领域的相关文献,主要从用户、内容特征和深度学习技术的角度论述了基于社交网络的用户影响力的研究方法,并进一步划分成本质和邻域属性、情感分析和元数据、面向局部网络和基于用户及内容特征,还介绍了节点识别的方法,为该领域的学者提供有效且全面的参考。其次,文中还介绍了用户影响力建模方法在预测应用方面的数据集、评价指标和实验结果等,旨在预测下一个激活节点。最后对其未来的发展趋势作出展望。     

基于混合采样的图对比学习推荐算法

在推荐系统领域中,图卷积网络具有对于图结构数据更强的信息抽取能力。然而,现有的图卷积网络推荐算法主要关注改进模型结构,忽视了提高原始样本采样质量与挖掘用户—项目间隐式关系的重要性。针对上述问题,提出一种基于混合采样的图对比学习推荐算法。首先使用混合采样方法,提取出正样本中部分信息并将其注入负样本,从而生成全新的富含信息的难负样本;其次,通过轻量图卷积网络对难负样本进行特征提取,得到用户和项目的节点表征,采用邻域对比学习方法挖掘样本隐式关系;最后,利用多任务策略对推荐监督任务和对比学习任务进行联合优化。在真实数据集Yelp2018和Amazon-book上进行实验,采用recall和NDCG指标进行评估,实验结果表明,提出的模型相较其他基准模型取得了更好的效果。     

A Comparison of User-Generated and Automatic Graph Layouts

The research presented in this paper compares user-generated and automatic graph layouts. Following the methods suggested by van Ham et al. (2008), a group of users generated graph layouts using both multi-touch interaction on a tabletop display and mouse interaction on a desktop computer. Users were asked to optimize their layout for aesthetics and analytical tasks with a social network. We discuss characteristics of the user-generated layouts and interaction methods employed by users in this process. We then report on a web-based study to compare these layouts with the output of popular automatic layout algorithms. Our results demonstrate that the best of the user-generated layouts performed as well as or better than the physics-based layout. Orthogonal and circular automatic layouts were found to be considerably less effective than either the physics-based layout or the best of the user-generated layouts. We highlight several attributes of the various layouts that led to high accuracy and improved task completion time, as well as aspects in which traditional automatic layout methods were unsuccessful for our tasks.     

基于小样本学习的图像分类技术综述

图像分类的应用场景非常广泛,很多场景下难以收集到足够多的数据来训练模型,利用小样本学习进行图像分类可解决训练数据量小的问题.本文对近年来的小样本图像分类算法进行了详细综述,根据不同的建模方式,将现有算法分为卷积神经网络模型和图神经网络模型两大类,其中基于卷积神经网络模型的算法包括四种学习范式:迁移学习、元学习、对偶学习...     

基于机器学习的蜂窝网络故障管理框架及方法综述

网络故障管理旨在检测、识别和纠正网络中发生的错误状况,为用户获得可靠稳定的网络服务提供保障,近年来,如何利用机器学习方法进行蜂窝网络故障管理引起了广泛关注。首先介绍了蜂窝网络故障管理的研究背景,明确网络故障管理的流程和功能;接着介绍现有蜂窝网络故障管理框架;随后对现有机器学习在蜂窝网络故障管理中的方法研究进行评述,从故障管理周期入手,分别对实现故障检测、故障诊断以及故障预测的机器学习方法展开介绍、总结和对比分析,为相关领域的研究提供参考。     

面向电网安全监测的领域本体自动构建

针对电力监控系统面临的网络安全问题实际需求, 开展了本体自动构建技术研究, 以现有的领域本体自动化构建技术为基础, 从非结构化文本数据提取出电网安全监测领域本体SafeAgent, 采用机器学习、自然语言处理、关联规则等方法抽取本体概念, 挖掘概念之间的关系, 完善了领域本体自动化构建方案. 经实验验证, 本文采用的方法能以较高准确率完成领域本体的自动化构建工作, 克服对人工以及专家知识的依赖.