人物关系的可视化研究

大数据背景下,数据对于关系的呈现并不直观,因此人物关系的可视化研究对于抽取隐含知识具有重要的实用价值.从人物关系可视化的边-节点关系及相关信息展示的可视化需求出发,改进了D3.js类库,优化边-节点间的指向关系,便于数据处理,尤其是动态数据处理;采用改进的最短路径算法,能够求解无向图的经指定节点的全部最小环,应用于求取关系图中的人员团体关系;利用D3.js可视化类库的数据驱动特性,实现了具有一定数据交互功能的人物关系图可视化原型.     

一种违规APP的相似推荐模型

近年来,随着手机和移动互联网的普及,APP市场蓬勃发展,但也由于其广泛性逐渐成为了违法犯罪的“重灾区”,大量仿冒APP和赌博、诈骗类APP对社会治安构成极大的威胁。为了更加快速有效地识别仿冒APP、赌博诈骗等违法APP,从互联网搜集了海量APP,基于图像深度学习算法、文本分析算法、指标评价算法提出了一种违规APP的相似推荐模型。该模型对APP图标、截图、名称、服务器IP、框架结构和开发者SHA1签名6个维度进行相似综合评价,从30余万个APP中发现了5 197个APP存在相似,关联出55 965个相似APP,并基于异常APP库推荐出8 233个异常APP。     

基于正负反馈的SEIR微博舆情传播模型

社交网络舆情已经成为社会舆情的主要阵地。针对传统模型难以描述社交网络舆情话题的真实传播过程,分析社交网络舆情话题的真实特点,补充加入社交网络中显著的水军和僵尸粉这2大显著特征,作为舆情话题传播中的正负反馈,分别对舆情话题的传播起到推动及抑制作用,构建带有正负反馈的社交网络舆情传播话题模型,提高舆情预测模型的准确率,得出正负反馈对舆情传播的影响力。     

基于粗糙集和动态模糊神经网络的股市预测研究

论文研究基于神经网络的股票预测方法,针对目前存在的问题,通过模糊理论与动态神经网络的结合提出一种更为适合现状的动态模糊神经网络DFNN(Dynamic Fuzzy Neural Network)股票预测模型。首先对采集的股票信息进行属性提取,然后利用粗糙集理论中的信息熵算法进行属性约简、删减冗余信息,最后用约简后的数据作为动态模糊神经网络的输入属性进行训练预测,并在算法模型中运用分级学习的思想,能在一定程度上实现预测某一只股票短期内大致走势的功能。实际操作中更能为股票的多重选择进行推荐,降低投资的风险,有着较高的实用性。     

基于轨迹相似度的伴随人员推荐

移动网络和智能终端的发展使得基于优质用户的伴随人员的推荐成为互联网发展的热点之一,而伴随人员的推荐算法则是至关重要的因素.针对以往基于地理位置的用户轨迹性相似推荐算法中需基于地理位置或基站数据,且数据稀疏时推荐结果不理想的问题,提出了基于IP场所的轨迹余弦相似度的伴随人员推荐,以更完善的IP场所数据代替地理位置数据,以一段时间的纵向日期和横向时刻分别计算余弦相似度以消除数据稀疏性问题.最后推荐出了相似度质量更高的伴随人员.