分布式信任评估研究

在信息和服务爆炸的时代,分布式的信任评估技术作为一种新的解决方案,引起了广泛关注并取得了许多重要成果。针对分布式信任评估中的难点与关键点,在介绍现有模型的解决手段时,指出了目前仍遗留的一些问题。     

用于协同过滤的序列解耦变分自编码器

推荐模型通常使用用户的历史行为来获得用户偏好表示,以产生推荐。大多数方法学习到的用户表示会把不同的偏好因素纠缠在一起,而解耦学习的方法可以用于分解用户的行为特征。为此,文中提出了一个基于变分自编码器的框架DSVAECF,用于从用户历史行为中分解静态和动态偏好因素。首先,DSVAECF模型的两个编码器分别使用多层感知机和循环神经网络对用户行为进行历史行为建模,以此得到用户的静态和动态偏好表示;然后,将拼接的静态和动态偏好表示视为用户偏好的解耦表示,并将其输入解码器来捕获用户的决策,并重构出用户行为。在模型训练阶段,一方面最大化重构的用户行为与真实用户行为之间的互信息来学习模型参数;另一方面通过最小化解耦表示与其先验分布间的差异来保留模型的生成能力。在Amazon和MovieLens两个数据集上的实验结果表明,与基准方法相比,DSVAECF在归一化折损累计增益、精确率和召回率上都有显著的提升,拥有更好的推荐性能。     

个性化E-mail分类器的设计与实现

详细讨论了一个基于朴素贝叶斯方法的个性化E-mail分类器的设计,给出了系统体系结构和特征提取算法,试验了一种对新邮件计算所属类别后验概率的方法. 试验结果表明,结合Odds Ratio特征子集提取算法和朴素贝叶斯方法对邮件进行分类具有较好的分类精度. 应用朴素贝叶斯方法在新邮件到达的同时对其进行分类,具有较好的分类速度.     

基于物品的统一推荐模型

用户-物品交互模式建模是个性化推荐的一项重要任务,许多推荐系统都基于用户与商品之间存在线性关系的假设,忽略了现实物品与历史物品之间交互的复杂性和非线性,导致这些系统不足以捕捉到用户的复杂决策过程。为此,将一个更有表现力的Top-N推荐系统的物品相似性因子模型解决方法与多层感知机方法相结合,以有效地建模物品之间的高阶关系,捕获更复杂的用户决策。分别在三个数据集MovieLens、Foursquare和ratings_Digital_Music上验证了结合后的效果,并与基准方法MLP、分解物品相似度模型（FISM）、DeepICF和ItemKNN进行对比,结果表明,所提出的方法在推荐性能上有明显的提高。     

LDA-RR:一种基于评分和评论的推荐方法

推荐系统是解决互联网信息过载问题的有效途径之一,其中具有代表性的是协同过滤推荐。传统的协同过滤推荐方法只考虑评分信息,而评论信息则包含了用户和物品更具体的特征信息。使用主题模型LDA并结合评分信息和评论信息,提出了一种基于用户改进的LDA算法。假设每个用户下隐含着主题分布,主题下隐含着物品分布,同时 词语的分布由主题和物品共同决定,该算法根据潜在主题分布挖掘用户兴趣进而完成推荐。实验结果表明,改进的算法有效提升了推荐质量。     

邮件网络免疫策略仿真

通过分析病毒在邮件网络中的传播,可以为复杂网络病毒传播研究提供依据.作者以交互式邮件网络为基础,对比分析了现有免疫策略以及基于介数信息的免疫策略对病毒扩散的抑制能力.实验结果表明,在已知全局信息的情况下,基于节点介数的免疫策略能更有效地抑制病毒传播.     

手机轨迹中活动停驻点识别

针对现有停驻点的问题,将手机用户轨迹与背景地理信息相结合,并引入功能区概念,通过考虑用户在某一功能区域内的整体活动来判断用户是否在此停驻。通过对带有标签的模拟的手机轨迹数据进行实验,证明了新的停驻点识别方法有效地避免了由于正常切换、错误切换带来的误判。停驻点的判断更为宽泛,不仅限于一个小的范围（单个基站的覆盖范围）,而是由多个相邻且功能相似小区组成的功能区中的小区集合。     

基于度中心性的认知特征选择方法

针对大脑图谱认知特征选择的不确定性提出了基于度中心性的认知特征选择方法（DC-CFSM）。首先,基于大脑图谱构建认知实验任务中被试的脑功能网络（FBN）,并计算得到FBN每个兴趣点（ROI）的度中心性（DC）;其次,统计对比被试相同皮质兴趣点在执行认知任务时不同认知状态间的差异显著性并对其进行排序;最后,根据排序后的ROI计算人脑认知体系曲线下面积（HBCA-AUC）值,并评估几种认知特征选择方法的性能。在心算认知任务功能核磁共振成像（fMRI）数据上进行的实验中,DC-CFSM在人脑认知体系的任务正相关系统（TPS）、任务负相关系统（TNS）及任务支撑系统（TSS）上得到的HBCA-AUC值分别为0.669 2、0.304 0、0.468 5。与极限树、自适应提升、随机森林、极限梯度提升（XGB）等方法相比,DC-CFSM对TPS的识别率分别提高了22.17%、13.90%、24.32%和37.19%,对TNS的误识率分别减小了20.46%、29.70%、44.96%和33.39%。可见DC-CFSM在大脑图谱认知特征的选择上更能反映人脑认知体系的类别和功能。     

基于意见领袖引导作用的网络舆论演化研究

构建有效的意见交互模型是预测舆论发展趋势的关键,但传统意见交互模型的构建环境是封闭的社交网络。为了构建动态的虚拟网络环境下的意见交互模型,提出一种基于意见领袖引导作用的网络舆论演化分析方法。该方法充分考虑了网络环境和不同意见传播者的特点。实验结果显示,提出的方法可以很好地模拟网络舆论的演化过程和预测网络舆论的未来发展趋势。     

市场值函数挖掘的研究和实现

首先简述了一个线性市场值函数模型,然后对其中的关键技术进行了讨论,设计并实现了一个挖掘市场值函数的原型系统,最后给出了该系统在具体数据集上的试验结果。试验结果表明,在该系统上使用Lift评价方法计算出来的Lift值在66％左右,具有一定的实用性;与其他使用分类方法的系统相比,该系统不仅能够根据市场值函数的值来排列对象,而且还能向使用者提供属性的重要性等信息,从而有利于更好地对顾客群体进行识别,对目标市场进行分析。