Vague集间的相似性度量及应用

论文提出了一种描述Vague集间的不确定关联度概念,并提出了一种新的Vague集间相似性度量模型,它不但考虑了Vague集论域元素间的物理意义,而且也考虑了论域元素间的不确定关联程度,因此,它比已存在的Vague集间相似度量模型更加精细地刻画了Vague集间的相似性,从而在基于Vague集的不确定性智能信息处理领域中可有广泛应用。     

集对社会网络α关系社区及动态挖掘算法

针对Web社会网络中存在确定-不确定关系,提出一种给定阈值的α关系社区概念,该社区是用集对分析方法构建的集对社会网络,并且其中任意结点之间关系强度大于给定阈值α;根据Web社会网络的动态性,分别设计静态和动态α关系社区的挖掘算法;通过收集DBLP数据集,对其进行抽取、分类、社区挖掘、关系分析等实验,验证了算法的高效性,证明了α关系社区的挖掘更能体现社区存在的动态性,可进一步对其潜在关系社区进行挖掘.     

SPA的同异反系统理论在人工智能研究中的应用

把有同一性、差异性和对立性的系统定义为同异反系统，通过分析同关系、异关系、反关系的联系与转化研究同异反系统，由此形成同异反系统理论．把此理论用于智能的定义、知识创新、模式识别、同异反推理、智能管理、多Agent协同分析、同异反诗同创作，说明不同的人工智能问题可以抽象出同异反系统，也为不同人工智能问题中的同异反联系与转化研究提供了一种新的系统理论．     

基于局部相似性的复杂网络社区发现方法

复杂网络是复杂系统的典型表现形式, 社区结构是复杂网络最重要的结构特征之一. 针对复杂网络的社区结构发现问题, 本文提出一种新的局部相似性度量, 并结合层次聚类算法用于社区结构发现. 相对全局的相似性度量, 本文提出的相似性度量具有较低的计算开销; 同时又能很好地刻画网络的结构特征, 克服了传统局部相似性度量在某些情形下对节点相似性的低估倾向. 为了将局部相似性度量用于社区结构发现, 推广了传统的Ward层次聚类算法, 使之适用于具有相似性度量的任意对象, 并将其用于复杂网络社区结构发现. 在合成和真实世界的网络上进行了实验, 并与典型算法进行了比较, 实验结果表明所提算法的可行性和有效性.     

一种基于结构相似性的图聚类算法

图聚类是发现网络中潜在结构的一项重要任务。提出一种基于结构相似性的图聚类算法GNSCAN,给出该算法的相关定义以及算法的执行过程。采用真实数据集对该算法进行测试,从理论分析及结果2方面证明GNSCAN算法在效率上比GN算法得到明显的提高。在GNSCAN算法的基础上,提出一种改进的GNSCAN算法IGNSCAN,算法时间复杂度得到进一步降低。     

结合内容相似性和时序性的社会网络挖掘

在分析聊天数据时序性的基础上,引入内容相似性信息,提出一种结合内容相似性和时序性的社会网络挖掘新方法。该方法使用启发式规则初步推断出聊天室的社会网络,利用相似用户聚类技术进一步补充并最终挖掘出准确的社会网络。实验结果显示,该方法具有较好的挖掘效果。     

面向复杂网络的节点相似性度量

在复杂网络中,度量节点之间的相似性是一项基础且具有挑战性的工作。基于邻域节点的相似性度量仅考虑了节点的邻域信息。基于路径的相似性度量考虑了节点之间的路径信息,使得多数节点与大度节点相似。为了更准确地度量节点之间的相似性且避免多数节点与大度节点相似,定义了每个节点的距离分布,并在此基础上采用相对熵和距离分布提出了一种节点相似性度量方法(DDRE)。DDRE方法通过节点之间的最短路径生成每个节点的距离分布,根据距离分布计算节点之间的相对熵,进而得到节点之间的相似性。6个真实网络数据集的对比实验结果表明,DDRE方法在对称性以及SIR模型中影响其他节点的能力这两方面表现较好。     

模糊软集之间的相似性度量及应用

研究模糊软集的不确定度量问题,给出模糊软集的包含度、相似度公理化定义;基于模糊蕴含算子提出新的模糊软集包含度与相似度度量方法,该方法具有一定的普遍性,在某种程度上提供不同的模糊蕴含算子就可得到不同的包含度与相似度。基于新的相似度度量方法构造了一种决策方法并应用于金融企业流动性检测中。     

基于节点相似性和网络嵌入的复杂网络社区发现算法

社区发现算法对分析复杂网络的拓扑和层次结构、预测复杂网络的演化趋势等具有十分重要的意义.传统的社区发现算法划分精度不高,忽略了网络嵌入的重要性.针对这样的问题,提出了基于节点相似性和网络嵌入Node2Vec方法的无参数社区发现算法.首先,使用网络嵌入Node2Vec方法将网络节点映射成欧氏空间中低维向量表示的数据点,计...     

大规模动态网络的相似性度量方法研究

复杂网络相似性度量在异常检测、状态划分等网络分析应用中起着至关重要的作用。近年来,静态网络相似性受到学者的广泛关注,但在实际场景中,网络结构往往会随着时间的推移不断演化,网络规模也会逐渐增大,如何快速且准确地评估动态网络之间的相似性面临巨大的挑战。基于静态网络的谱距离方法尽管取得了不错的效果,但对于大规模动态网络而言计算成本很高。为了解决这一问题,提出了一种快速计算动态网络相似性的方法。该方法基于矩阵扰动理论估算动态网络特征值的变化进而计算网络的相似性,具有线性复杂度。在人工数据集与真实数据集上的实验表明,提出的方法在保证准确率的基础上有效降低了计算复杂度。     

概率图模型在社交网络用户相似性发现中的应用

社交网络中的用户相似性发现作为社交媒体数据分析中的基础研究,可以应用于基于用户的商品推荐以及社交网络中推导用户关系演化过程等。为了有效地描述社交网络用户间复杂的相关性及不确定性,并从理论上提高海量社交网络用户相似性发现的准确度,研究了基于贝叶斯网这一重要的概率图模型,结合网络拓扑结构和用户之间的依赖程度,发现社交网络用户相似性的方法。为了提高算法的可扩展性,解决海量数据带来的存储和计算问题,提出了基于Hadoop平台的贝叶斯网分布式存储以及并行推理方法。最后通过实验结果验证了算法的高效性和正确性。     

一种基于复杂网络的短文本语义相似度计算

将传统的文本相似度量方法直接移植到短文本时,由于短文本内容简短的特性会导致数据稀疏而造成计算结果出现偏差。该文通过使用复杂网络表征短文本,提出了一种新的短文本相似度量方法。该方法首先对短文本进行预处理,然后对短文本建立复杂网络模型,计算短文本词语的复杂网络特征值,再借助外部工具计算短文本词语之间的语义相似度,然后结合短文本语义相似度定义计算短文本之间的相似度。最后在基准数据集上进行聚类实验,验证本文提出的短文本相似度计算方法在基于F-度量值标准上,优于传统的TF-IDF方法和另一种基于词项语义相似度的计算方法。     

复杂网络节点相似性算法及其在癫痫病辅助诊断的应用

节点相似性分析是链路预测和社团挖掘中的重要部分.引入CN (Common Neighbor,共同邻居)算法、RA (Resource Allocation,资源分配)算法、AA (Adamic-Adar)算法、Sorenson算法等四种节点相似性算法作用于真实网络以及仿真网络(即小世界网络和无标度网络)网络,计算AUC (Area Under the Curve,曲线下面积)曲线从而比较算法的预测准确性,结果表明RA算法的预测准确性优于其他三种算法.随后将四种算法用于分析8例全身性癫痫患者脑电数据功能连接网络,结果发现RA算法预测准确性最佳,通过RA算法能确定最大节点相似度组成的节点簇,为量化大脑功能状态提供客观指标,未来可以将该方法用于临床辅助诊断.     

粗集间的相似度量及其应用

以粗隶属函数为工具,给出一种粗集间相似度量的数值算式,并将粗集间的相似度量应用于一类决策条件与结论的匹配问题上。最后通过一个实际例子说明这种方法的合理性。     

基于交通领域知识网络的词汇语义相似度计算

针对传统基于wordnet的词汇语义相似度计算方法中隔离抽象词汇和具象词汇,以及片面依赖上下义关系的不足,提出了基于交通领域知识网络的词汇语义相似度计算方法.基于上下义、工具-工具对象、部件-整体等概念关系准则构建了交通词汇的知识网络图谱,提出了修正的平均路径长度参量计算网络中词汇的语义相似度,得到更高的语义一致性结果.实验表明,在Finkelstein的353对词汇集上,本文算法能够获得比传统方法更符合人工判断的语义相似度.     

基于社交网络服务位置的用户相似性计算方法

为了进一步改进基于位置的社交网络服务中用户的相似性计算,提出一种有效的使用位置语义计算用户相似性的新方法。该方法通过位置语义来准确地获取用户的意图以及兴趣爱好,并且能够根据层次位置类别计算出不同位置用户的相似性。通过实验验证,表明该方法优于传统的用户相似性计算方法。     

不可达顶点剪枝算法及其在最短路径中的应用

[k]步可达性查询用于回答图[G]中从顶点[u]到达顶点[v]最多[k]步是否存在路径,但其多用于无权图的可达性研究。针对加权图,在图中构建了最早到达、逆向最早到达和最晚到达等三个索引,并应用这三个索引实现对不可达顶点的快速剪枝,从而有效地缩减了加权图的规模。运用该方法建立索引并剪枝顶点的时间复杂度与空间复杂度分别为[O(n+e)]和[O(n)],这里[n]和[e]分别为图中顶点的数目和边的数目。该方法可以与Dijkstra算法、Floyd算法和A*算法等多种传统算法相结合,并应用于最短路径求解,从而提高传统算法计算性能。最后以物流配送网络为例进行了实验验证,实验结果表明提出的方法可以正确并高效地对不必要计算的顶点进行剪枝,从而加快了最短路径求解速度,验证了提出方法的有效性。     

词性相似度的研究及其在轻重音检测模型中的应用

采用统计学方法,分析、建立了不同词性在韵律参数上的二维相似度表格,并将此结果直接应用到基于CART和基于贝叶斯的重音检测模型中。     

基于节点1-邻居图相似性的社会网络匿名技术

利用传统的k匿名技术在社会网络中进行隐私保护时会存在聚类准则单一、图中数据信息利用不足等问题.针对该问题,提出了一种利用Kullback-Leibler (KL)散度衡量节点1-邻居图相似性的匿名技术(anonymization techniques for measuring the similarity of node 1-neighbor graph based on Kullback-Leibler divergence, SNKL).根据节点1-邻居图分布的相似性对原始图节点集进行划分,按照划分好的类进行图修改,使修改后的图满足k匿名,完成图的匿名发布.实验结果表明, SNKL方法与HIGA方法相比在聚类系数上的改变量平均降低了17.3%,同时生成的匿名图与原始图重要性节点重合度保持在95%以上.所提方法在有效保证隐私的基础上,可以显著的降低对原始图结构信息的改变.     

面向英文辅助写作的词语相似度应用研究

词语相似度计算是自然语言处理领域中的关键问题之一,在机器翻译、信息检索等方面有着重要的应用价值.在英文辅助写作系统中,因为缺少相关提示,用户起初往往不能明确自己的查询需求,导致不能快速而准确地检索到需要的信息,从而影响用户使用满意度.结合了语义词典WordNet和利用上下文信息对词语语义的约束性来区分语境变换带来的词语间相似度的差异的方法,提出了一种英文辅助写作系统中的相关提示词的生成方法,该方法生成优质的相关提示词,帮助用户快速且准确地检索到所需信息.