基于社区结构的集体预测算法研究

如果网络结构已知,则可将网络结构特征用于预测任务,集体预测算法则是利用这个思路提高预测效果。传统的集体预测算法主要是基于节点内容和直接邻居节点信息进行预测训练。然而,一些直接邻居节点信息有可能与目标节点不一致。除此之外在邻居节点不足的情况下,非邻居节点信息也是很有用处的。本文不使用直接邻居节点信息,而是将社区结构用在预测任务中。社区发现算法被应用于集体预测过程中以进一步改进预测性能。实验结果表明我们提出的算法优于一些标准的预测算法,尤其是在标注训练集有限的情况下。

畜禽养殖环境污染及治理研究进展分析

本文简要分析了畜禽养殖环境污染现状及危害,并指出了当前治理的具体方法,希望能为此领域研究有所借鉴。

基于词矢量相似度的短文本分类

互联网中出现的短文本内容短小，相互共享的词汇较少，因此在分类过程中容易出现大量的集外词，导致分类性能降低。鉴于此，提出了一种基于词矢量相似度的分类方法，首先利用无监督的方法对无标注数据进行训练得到词矢量，然后通过词矢量之间的相似度对测试集中出现的集外词进行扩展。通过与基线系统的对比表明，该方法的分类正确率均优于基线系统1％-2％，尤其是在训练数据较少的情况下，所提出的方法的正确率相对提高10％以上。