基于用户偏好特征的微博转发预测

在线社交网络为信息的传播提供了渠道,但同时也加快了不良信息的传播速度。针对真实场景下新浪微博社交网络中的转发现象,分析了微博网络中用户之间的相互影响关系,以及微博文本内容等特征对受众用户的影响,证明了这些信息对于预测微博转发序列的有效性。提出了一种综合微博用户偏好信息及关系信息的微博转发序列预测方法,该方法使用Transformer编码器分析了微博发布之后的早期转发序列,随后,使用注意力机制处理微博文本信息和其他信息对转发过程的影响,预测下一步可能会转发的用户。从真实社交网络中提取得到微博的转发序列,共涉及14 891位用户,使用提出的方法处理该数据集,实验结果表明,所提方法的概率排名TOP500的准确率达到71%,对比当前同类型预测方法,所提方法的性能提升了约10%。     

联合用户调度的上行Alamouti MIMO多用户检测

针对Alamouti空时编码的上行多用户MIMO系统,提出了一种线性检测算法.算法首先对接收信号进行重组再线性处理,避免了使用高复杂度的非线性检测算法.然后提出了一种基于最大最小准则的用户调度算法以进一步提高系统的检测性能.最后针对穷举调度算法高复杂度的缺点,设计了一种快速调度算法,能在检测性能降低不多的同时较大的减小系统的运算负荷.仿真结果表明文章所提算法具有优异的性能.     

网购者手机品牌偏好模型设计

从网络购物流程出发,分析影响网购者品牌偏好和品牌选择的因素,以及各个因素通过网购者品牌偏好进而影响品牌选择的过程,并建立模型,形成调查问卷,为后续深入研究作好铺垫。     

User Profile in Smart Elderly Care Community:Findings from Community in Western China

With the increase in the aging population, the need for elderly care services has diversified, and smart elderly care has become an effective measure to cope with this increasing aging population. Based on the data from the platform “Guan Hu Tong” of RQ Company in the community of Shaanxi Province in western China, this study mined the data of smart elderly care services through the recency, frequency and monetary value(RFM) model and the backpropagation(BP)neural network model, constructed the ...     

一种基于用户偏好分析和论坛相似度计算的改进LFM推荐算法

针对用户的偏好推荐需求,提出一种改进的LFM算法BBLFM算法,通过引入隐含特征将稀疏的相关矩阵分解为两个相对稠密的矩阵,减少了空间复杂度,同时实现LFM的隐语义分析功能,深入挖掘了用户的潜在特征,提高了推荐的准确性。具体地,设计了一种基于BM-25的精确用户关注点查找与权重赋值方法,同时引入软概率情感分析方法的结果,合成出一种基于语义的标签体系。此外,还构建了一个基于BERT的用户偏好分析网络,根据用户曾经浏览或点击的历史论坛数据,来为用户画像,给出用户的主题偏好。在真实的百度贴吧数据集上进行的对比实验结果,表明算法在推荐准确性上优于比较的算法。     

基于G-SMOTE和Biased-SVM的内部威胁用户检测

针对目前内部威胁用户检测召回率低及数据类别不平衡的问题,提出一种基于Geometric SMOTE(G-SMOTE)和Biased-SVM的内部威胁用户检测方法.该方法对用户行为进行特征提取,利用G-SMOTE算法在每个威胁用户样本中心定义一个几何区域用于生成威胁用户样本,保证了训练集中的正常用户、威胁用户的类别平衡;...     

协同创新社区中领先用户的自动识别方法

针对随着互联网的发展和普及,协同创新社区成为顾客参与企业创新活动的重要途径的现状,提出了一种协同创新社区中领先用户的识别方法。首先,基于领先用户的相关理论,提出了用于识别领先用户的评价指标;其次,采用朴素贝叶斯分类等数据挖掘方法对用户留存在创新社区中的内容信息和互动信息进行分析,计算出用户的各项评价指标值,进而对各评价指标值进行综合,获得各用户的＂领先性＂得分,并甄选出创新社区中具有出色创新能力和积极创新意愿的领先用户;最后,通过实例验证了该方法的有效性。     

电信网中基于社区挖掘的用户行为预测算法

利用社会网络分析去解决电信网中的用户行为预测问题,把用户行为预测转换为社区挖掘和社区内用户行为预测2个步骤。之后,利用改进的凝聚层次聚类算法实现了电信网中用户的社区挖掘,通过对社区内的邻近度进行排序,设计了社区内用户行为的预测算法。仿真实验结果表明,该算法能够有效的预测出指定社区中的用户行为。     

问答社区中基于问题粒度的用户专业性预测方法

在线问答社区中大量问题等待回答时间过长、高质量回答数极少,对社区用户在具体问题上的专业程度进行度量具有现实需求。现有的基于链接分析和基于文本分析等方法多集中在社区和话题粒度的专业性度量,并未深入到问题粒度。针对上述问题,定义了问答社区中基于问题粒度的用户专业性概念,在此基础上提出了基于问题粒度的用户专业性预测方法,包括用户专业性度量方法和用户专业性预测模型。该预测方法先利用问答社区中社区用户对回答质量的评价机制,在问题粒度上为用户建立专业性度量;再基于矩阵分解,融合用户偏差、问题偏差以及用户已回答问题集的隐含反馈等信息,构建用户在问题粒度上的专业性预测模型,进而预测用户在待回答问题上的专业程度。利用知乎问答社区互联网话题下的问答数据集,设计了与前述两种主流方法的对比实验。实验结果表明,提出的用户专业性度量方法可以有效地度量用户在具体问题上的专业程度,基于此方法构建的用户专业性预测模型具有更高的预测精度。     

ODA-IPNMF: 一种在线全网络流量异常检测方法

为实时、高效地检测网络流量异常,提出一种基于增量投影非负矩阵分解(IPNMF)的全网络流量异常检测方法(ODA-IPNMF).提出一种增量投影非负矩阵算法,该算法不仅具有与PCA相同的表达形式,还能以增量的方式构建正常子空间和异常子空间,进而利用Shewhart控制图实现全网络流量异常的在线检测.理论分析表明,该方法计算开销远小于NMF-NAD,具有更高的实用价值;模拟网络数据以及实测网络数据实验表明,基于NMF异常检测方法(NMF-NAD和ODAIPNMF)的检测性能优于PCA方法;本文所提ODA-IPNMF与NMF-NAD网络异常检测效果相当,且可在线检测网络异常.     

DDoS攻击快速在线检测器设计与实现

基于网络自相识似模型的DDoS攻击检测是一种新型的攻击检测手段。本文在研究数据包捕获机制和小波分析的基础上，设计并实现了一种基于小波变换的快速在线检测器，并通过实验证明该方法的有效性。