基于边采样的网络表示学习模型

近年来,以微博、微信、Facebook为代表的社交网络不断发展,网络表示学习引起了学术界和工业界的广泛关注。传统的网络表示学习模型利用图矩阵表示的谱特性,由于其效率低下、效果不佳,难以应用到真实网络中。近几年,基于神经网络的表示学习方法因算法效率高、能较好保存网络结构信息,逐渐成为网络表示学习的主流算法。网络中的节点因为不同类型的关系而相互连接,这些关系里隐藏了非常丰富的信息（如兴趣、家人）,但所有现存方法都没有区分节点之间边的关系类型。本文提出一个能够编码这种关系信息的无监督网络表示学习模型NEES,首先通过边采样得到能够反映边关系类型信息的边向量,其次利用边向量为图中每个节点学习到一个低维表示。我们分别在几个真实网络数据上进行了多标签分类、边预测等任务,实验结果表明NEES方法能取得超过现存最好算法的优异效果,且其是可规模化的,可以很好地应用于大型网络的表示与计算。     

网游行业整合已成主旋律一边收购一边扩展

中国网络游戏市场发展空间巨大，仍然处于快速成长期：互联网普及率提高推动游戏用户基数增大，网络一族的消费能力提高，推动网络游戏市场规模继续膨胀。未来4年，网络游戏市场规模将保持33％年复合增长率，2011年将突破400亿元。网络游戏产业环境逐步配套完善，整体向有利方向发展。     

基于社会化表示的用户性别识别

由于具有针对性的广告投放和个性化搜索等潜在应用,性别预测引起了巨大的研究兴趣。现有的大多数研究依赖于文本内容,而文本信息有时较难获取,从而使得文本特征很难被提取。对此,提出了一个新框架,该框架仅使用用户ID来对性别进行预测。该框架的关键在于在嵌入式连接空间中表示用户。提出两种策略来修改词嵌入技术,使其应用到用户嵌入当中。这两种策略分别是:1)序列化用户ID以获得社会关系的顺序;2)将用户嵌入大的上下文滑动窗口。在两个真实的新浪微博数据集上进行了广泛的实验,实验结果表明该方法显著优于目前最好的图形嵌入基线方法,其准确率也高于基于内容的方法。     

四部委展开大规模检查行动 网游赌博命悬一线

网络产业的发展速度总是令人出乎意料，谁能料想到原本一个简单的网络游戏会逐渐演变为一个网络赌场。由于类似QQ游戏这样的网络休闲棋牌游戏如今涉嫌赌博的情况日益严重，公安部等四部委还将在近日进行更大规模的检查行动，并公布网络游戏规范细则。     

555分色法

1 概述 在纺织与服装领域,确保整幅面料或服装颜色的一致性通常很重要。但是由于染色工艺的局限性,往往很难保证大量的面料或服装在颜色上的均匀,其结果是我们会在大批的面料或服装上看到色差。为了把一组面料匹与匹之间的色差控制在可以接受的范围,我们需要将面料按照颜色的不同分成不同的组。而在每一组当中,各匹的颜色是接近的。通过这种分组,我们即可为以后的加工