基于模块度的社交网络分形维度计算方法

社交网络是由个体或组织以及它们之间的关系所组成的社会结构。利用社交网络的分形结构来解释和预测社交网络的行为是目前的一个研究热点。分形维度是对社交网络中分形结构的度量,为了更准确地对社交网络分形结构进行度量,提出了一种基于模块度的盒子覆盖算法来计算分形维度。该算法利用分形维度和模块度互斥的性质,基于模块度最小的原则来构建盒子,再对盒子进行计数来计算社交网络的分形维度。仿真实验表明：基于模块度的盒子覆盖法比传统的盒覆盖算法得到更为精确的分形维度。     

基于Feeds的社交网络活跃度分析

从用户产生和消费Feeds的角度分析社交网络变得不活跃的原因,通过分析人人网某大学社区用户长周期的Feeds行为来探讨该社区用户活跃度的变化。通过对用户活跃性周期和Feeds时间间隔的分析,发现越来越多的用户产生Feeds的活跃度在下降,并导致其他用户接收到的信息流的流速和多样性下降。社交网络用户由于各种原因离开或变得不活跃,并通过信息流对其朋友圈形成负向反馈,这可能是社交网络变得不活跃的深层原因。模拟实验表明,30%的初始不活跃用户会使得整个社区的信息流快速下降,并导致整个社区不活跃。     

社交网络中top-K相关社区查询方法

查找与查询点相关的top-K相关社区具有现实的研究意义。文中定义团和相关社区的概念,探寻一种快速检测查询点的top-K相关社区的方法。提出一个向下探测扩展算法,从查询点出发探测团结构,由团结构向外延伸扩展得到社区,通过循环迭代快速得到查询点的top-K相关社区。同时为减少搜索空间和计算时间,改进提出的向下探测搜索算法。通过全面的实验对比,验证算法的有效性和改进算法的高效性。     

云存储为个人博客提速

挑战题描述不久前我购买了一个虚拟空间,接着用它搭建了一个个人博客。但是由于价格的原因,这个虚拟空间的限制比较多,因此很多朋友都反映这个博客的访问速度比较慢。那么有没有什么方法可以提升访问速度,而且最好是免费或者花费不太多的方法?(题号:20150103)     

基于复杂网络理论的计算机网络拓扑研究

在信息时代环境中,计算机技术是一种构建各类型体系过程中的必备工具,网络的铺设拉近了客观世界各节点之间的距离,并且维系一种规模化的有序运作方式。现阶段,由于计算机网络所处的环境已经发生了翻天覆地的变化,越来越多的网络用户充斥到网络平台中来,在这种状况之下,复杂网络理论为计算机网络拓扑研究带来了新的助力。本文就基于复杂网络理论的计算机网络拓扑结构等相关内容进行深入探究,以期相关的研究内容能为未来计算机网络拓扑研究项目及实践领域的进一步拓展带来启示。     

基于用户兴趣的个性化推荐算法研究

目前,越来越多的社交平台和电商平台推出个性化服务,社交平台向用户推荐有价值的内容,电商平台向用户推荐性价比高的商品,视频网站也根据用户历史的浏览兴趣推荐可能感兴趣的内容.个性化推荐的服务已经渗透到生活中诸多环节,以用户兴趣为导向进行个性化的定制服务,提高内容推荐的准确率对于提升平台粘性具有很大的经济价值.     

基于社交网络好友攻击的位置隐私保护模型

随着无线网络的发展,移动社交网络用户发布其所在的地理位置信息时,如果包含敏感地理位置会导致用户隐私受到攻击。现有的位置隐私保护方法都是对用户发布的位置进行泛化处理,以牺牲用户的服务质量为代价,且大部分都是将攻击者定位在LBS服务商,没有考虑到统一对社交网络中的好友根据其可靠程度的不同提供不同准确度的地理位置信息。针对此问题,提出了基于社交网络好友亲密度分级的隐私保护模型L-intimacy,用来防止好友攻击者的攻击。理论分析和实验结果表明,与加入到Latitude服务的Google Maps相比,该方法既能保护移动社交网络用户的相关隐私,同时又具有较小的信息损失度。     

东软迈向新征程

从过去的B2B模式向B2B2C模式全面转变,东软精心布局"大健康",积极探索智慧城市建设的"中国梦",运用信息技术解决"民生"问题,在战略转型面前迈向新征程。过去的2014年,在中国走过22年的东软集团提出了全面推进BBC的战略,东软集团董事长兼CEO刘积仁提出,在新常态经济下企业发展需要新的动力,新技术的发展如云计算、移动互联网、大数据、物联网、社交媒体等     

预测是为了更好地创造未来

过去一年,云计算、移动互联网、大数据、物联网、社交网络等的兴起,使得IT产业进入了一个十分活跃的时期。这些新技术、新模式的逐步普及,给整个IT产业甚至全行业都带来了巨大的冲击和变革。可以看到,在短短几年甚至一两年内,很多产业都在上演着格局的变化和更替。在这种情况下,对于未来的预测就显得更有必要、也更有价值。管理大师德鲁克曾经说过,预测未来的最     

基于签到数据的群体局部分散式旅游路线搜索

基于位置的社交网络产生了大量反映用户喜好及路线流行规律的数据,为旅游路线搜索提供了新的模式。现有的群体旅游路线搜索通过将多个用户的偏好进行聚合,之后利用个体推荐算法进行搜索。现实生活中存在群体整体上浏览一条线路时,个体用户可以根据需要选择局部不同景点进行访问的需求。基于此需求,提出了群体用户局部分散式旅游路线搜索问题。该问题结合群体用户的个人偏好,发现一条带有局部分散POI(point of interest)的且群体收益最大的访问路线。采用签到数据,通过用户在POI间的转移情况生成POI转移关系图,在关系图上进行路线搜索。为了提高搜索效率,根据POI的流行度与转移关系设计了双层转移关系图,对POI进行了概化,实现了分级查询。设计了基于分支限界搜索策略的优化算法,利用结点间的控制关系进行剪枝,进一步提高了算法的搜索效率。利用Gowalla和Foursquare社交网站真实的签到数据集进行了充分实验,对搜索出的路线收益及算法的运行效率进行了对比,验证了所提出方法的有效性。