基于用户复杂网络特征分类的协同过滤模型

协同过滤算法被广泛应用的同时一直存在着伸缩性和可扩展性困难的问题。针对该问题,提出了一种基于用户复杂网络特征分类的推荐系统协同过滤模型。首先,在用户集中基于度值选择特征用户,建立相似性阈值实现非特征用户分组;然后,构建用户—用户相似性网络,通过K-core分解完成网络中的社区标记;最后,目标用户在组内选择邻居,实现电影评分预测。基于MovieLens和Netflix数据集的实验结果表明,该算法与经典协同过滤算法相比,提升了时间和空间的性能,展现了更为出色的伸缩性和可扩展性。

基于用户相似性选择及标签距离的推荐算法

邻居选择和物品的标签信息对于推荐系统进行评分预测具有重要的影响。为了解决推荐系统中存在的预测和排序准确性低及算法可拓展性不足的问题。本文基于距离模型算法,提出了基于用户相似性选择及标签距离的推荐算法。首先,选取相似性大于阈值的用户作为待预测用户的邻居来应对算法可拓展性不足的问题。其次,利用物品的标签信息,将用户对物品的评分映射为用户对物品标签的评分以提高准确性。通过在两个电影数据集中利用十折验证预测用户对电影的评分。实验结果表明,基于用户相似性选择及标签距离的推荐算法在准确性以及可拓展性中均获得了较大提升。

基于观点传播的改进相似性计算评分预测方法

通过研究网络结构上的观点传播与协同过滤算法,基于对观点传播算法的优化,提出了基于用户相似和物品相似推荐系统评分预测算法.设计的算法修正了现有相似研究中在目标比较相似时,相似性结果为零的问题,将用户(或物品)的相似度定义为用户(或物品)间的观点数目和差异在相应复杂网络中的传播结果,并提出了相应的推荐算法.在MovieLens数据集上的实验结果证明,提出的算法与几种典型的现有方法相比较,具有更高的准确性,并且优于观点传播算法.

用户评分偏好相似性的近邻推荐算法研究

推荐系统技术可帮助用户快速找到感兴趣的物品,从而节省用户时间,也可帮助商家节约销售成本。为提高现有推荐算法预测的准确性和可扩展性,设计了基于用户偏好相似性的协同过滤推荐算法,分析用户对物品的情感偏好,并计算出喜欢指数和不喜欢指数,进而计算用户之间的相似程度,作出评分预测和物品推荐。MovieLens数据集上的多组实验表明,与其他几种经典算法相比,该方法提高了评分预测结果的准确性,减少了最优预测所需的邻居数量,算法时间复杂度更低,具有良好的性能和可扩展性。

软件网络的软核研究与软件生长中的S模型趋近

针对软件代码研究的复杂性,研究软件类结构中最重要的核心部分,提取基于软件网络的软核,以降低软件理解与度量的难度.并通过一个以软核概念为基础的软核剥离算法进行了一定样本量上,软件软核的研究.分析结果表明:软核的层次与软件的升级与发展,即软件生长成正比关系.软件网络的软核每个层次中节点数与软件网络总节点数之比在软件生长过程中会趋近S模型.软件软核的S模型趋近现象在软件的生长过程中,可以被用来研究度量软件的层次性构成.软核的提取可以用来简化研究人员对软件的理解,聚焦软件设计、实现、测试时的重点类.

老年人不典型急性心肌梗死的临床特征分析及治疗体会

目的:探讨研究老年患者不典型急性心肌梗死的临床特征与治疗方法。方法:本院2007年12月～2010年1月间所收治的42例老年人不典型心肌梗死的临床特征及治疗护理情况进行了回溯式整理与研究分析。结果:结果显示首发症状以心力衰竭及休克者14例(33.3%)最多;呼吸困难、咳嗽、发颤等11例(26.2%)居次;心慌气短等表现的7例(16.6%)居三。疗效方面42例患者的治愈或好转患者为37例,死亡患者5例,包括心源性休克患者2例,恶性心律失常3例,术后并发症的总发生率为11.9%。结论:对于心力衰竭休克、呼吸系统障碍、心慌等症状的患者,医务人员在接诊时应详细问询患者病史并针对其临床症状进行分析,同时结合患者的心电图动态对比并明确是否急性心肌梗死高危对象,避免误诊,及时进行后期治疗以降低病死率。

基于复杂网络分析技术的SAP系统迁移

以复杂网络分析技术为基础,利用中心化度量方法与拓扑鲁棒性分析,研究了一个真实企业SAP系统迁移过程的系统设计.提出了基于介数中心性的网络硬件升级规划方案,设计了网络中局部拓扑鲁棒性的度量方法.通过仿真实验验证了相关设计方法的有效性.结论表明,应用复杂网络理论的方法进行实际系统的分析与设计,可以有效地提高SAP系统的鲁棒性和响应时间.

F#函数式编程教学方法研究

函数式编程语言及函数特性在工业界逐渐流行,函数式编程语言教学具有重要的理论与现实意义。以提高教学质量为目的,通过仔细分析默认不可变、高阶函数、模式匹配、数据与函数解耦等编程语言特征,采用讨论对比与实践方法,研究函数式编程语言教学方法,对学生编程思维进行训练,并对未来编程技术发展趋势进行分析。采用实例编程教学与不同语言对比相结合的方法,使《函数式编程语言》教学质量得到有效提升。

基于观点邻域状态变化的复杂网络传播与干扰模型

研究信息或观点在社交网络中的传播对于理解复杂网络理论动力学特征、挖掘传播规律等具有重要理论意义。基于Deffuant模型,设计一种节点状态伴随其自身观点变化而改变的信息传播模型,模型节点具有一个影响其状态的观点值,通过引入状态改变域参数,使节点观点在传播过程中逐渐变化,最终节点状态发生改变,而节点状态则由初始传播者观点邻域决定。在该模型中引入扰动信号源,结合在实际复杂网络结构中的仿真实验结果与相应理论分析模型特征,验证模型正确性与有效性。实验表明,初始观点传播者对最终传播结果具有重要影响作用;作为传播目标的观点,其概念越宽泛,在网络中引发的群体犹豫越大。

复杂网络观点传播模型下的推荐系统评分预测

由于网络上充斥着大量信息,而用户需要寻找他们真正喜欢的产品和内容,因此预测用户对产品和内容的评分至关重要。用户观点传播模型通过查找被其他具有相似偏好或品味用户影响的相似用户,并通过选定的相似邻居预测目标用户的评分,从而预测用户对该商品的评分。但是,用户观点传播相似性计算的结果在数值上很小,并且在预测过程中,用户观点传播模型需要大量的邻居才能获得最佳预测精度。针对这一问题,研究推荐系统复杂网络建模后的度中心性和社团差异性评分预测算法,在MovieLens数据集上进行评分预测。实验结果表明,基于中心性、社团和置信系数的方法可以将预测准确度提高0.7%~5.5%,获得最佳精度所需的邻居数量减少84%,具有更低的预测误差且仅需很少的邻居数量即可实现预测。

应用情绪向量的相似性预测新闻点击量

新闻点击量的有效预测有利于把握网络舆情、规范新闻报道、理解用户群体偏好。互联网上大量的文本信息往往蕴含着情感信息,这些信息可能会潜在影响用户,从而影响其在用户之间的传播。现有的预测研究缺乏对文本中情感因素的分析,没有挖掘情绪对传播热度的影响。针对上述问题,从基于情感的内容分析入手,通过建立代表新闻标题情感特征的情绪向量,应用基于相似性计算的协同过滤,研究热点新闻标题中情感因素与点击量之间的关系。将热点新闻点击量视为全体用户对新闻的评分,基于情绪向量的相似性计算和邻居选择,采用协同过滤算法预测热点新闻的时均点击量。在网易热点新闻数据集上的实验结果表明,基于情绪向量对热点新闻点击量的预测优于基于词频的对照方法,在选择的邻居数大于10之后预测误差平均降低3.7%,最小误差降低4.3%,揭示了热点新闻的大众关注度与其情感特征具有相关性。

IP级拓扑新生与消亡节点的特征

针对IP级拓扑新生与消亡节点特征进行研究,基于CAIDA项目授权的海量数据,结合复杂网络的研究理论和方法,对IP级Internet拓扑新生与消亡节点的度分布、幂律特性等特征量,以及IP级新生连接进行统计分析及演化分析.结果表明,新生与消亡节点近似符合幂律分布,新生节点不倾向于与新生节点相连,而倾向于与网络中已存在的节点相连,且连接数为1的可能性较大.新生连接不符合优先连接性质,富者更富理论在动态上的表现不显著,高度节点的影响力在连接产生时不高.新生节点连接数目具有稳定性及普适性,这为Internet建模提供有效依据.

互联网AS级拓扑中心化度量方法

针对如何能够在规模庞大、结构复杂的互联网AS级中准确而迅速地发现中心节点这一问题,展开对互联网AS级拓扑中心化度量方法的研究.应用三种现在普遍应用的中心化指标——度中心化、紧密度中心化、介数中心化,同时提出一种核中心化的度量法来度量网络中的高核数节点集合.采用节点删除法,通过删除某个节点对网络连通的破坏程度来度量网络中该节点的重要性.经研究发现紧密度中心化在互联网AS级度量上弱于度中心化和介数中心化指标;度中心化和介数中心化在攻击节点数小于0.5%时,有很强的相似性;核中心化度量方法非常适用于查找到网络中度值较高且连接紧密节点所构成的社团.

基于OBE理念的高校毕业要求达成度评估研究

成果导向教育作为一种先进的教育理念,在美国等一些国家已有了多年的理论与实践探索,至今已形成了一套比较完整的理论体系和实施模式,而且已证明是高等工程教育改革的正确方向。如何基于这一理念,合理设计教学中达成度的评价评估方法,需要在教学与改革过程中进一步深入研究。以成果导向教育理念为基础,以毕业要求达成度评价体系和计算方法为研究目标,通过理解毕业要求、考核形式和课程之间的关系,探讨了基于成果导向教育理念的毕业要求达成度计算的评价原理,研究了三者两两之间的量化关系与毕业要求达成度的计算方法。并在上海理工大学教学评估中应用了OBE理念与毕业要求达成度计算方法,证明了该研究在实际应用过程中具有合理性和有效性。

Internet AS级拓扑社团特征及其演化分析

以CAIDA组织提供的海量的Internet AS级拓扑数据作为样本数据,分析了样本的覆盖问题和采样偏见问题,并对数据进行了修正.在此基础上,对2001年到2007年之间的Internet AS级拓扑数据进行了社团划分,并计算了模块度、社团规模等与社团演化相关的特征量,发现Internet AS级拓扑数据的社团特征越来越明显;同时,根据社团相关特征量分析了AS域内节点的动态行为特征.最后,根据分析结果研究了导致社团特征演化的成因.

大规模软件宏观拓扑结构度分布及其演化分析

基于大量开源软件源代码度量数据,根据大规模软件宏观拓扑结构体现出来的复杂网络特征,将软件结构抽象为网络拓扑.在这基础上,采用复杂网络的度量分析方法,分别从无向图网络的度分布和有向图网络的出入度分布两方面讨论了大规模软件宏观拓扑结构度分布所体现出的无尺度特征.认为随着软件演化,度分布系数和入度分布系数呈下降趋势,最大节点入度值则呈增大的趋势;而出度分布系数和最大节点出度值则变化有限.然后结合软件工程实践探讨了上述现象形成原因,认为软件系统其结构还有进一步优化的空间.

针刀治疗腕背侧腱鞘囊肿45例

目的:观察针刀治疗腕背侧腱鞘囊肿的临床疗效。方法:采用针刀于定位点进针,刀口线与伸指伸腕肌腱走行方面一致,针刀体与皮肤呈90°角刺入。通过皮肤达皮下组织,刺破囊壁,即有落空感缓慢进针刀,感觉刀下有轻微阻塞感时。纵疏横剥2～3刀,范围不超过0.5cm,然后稍提针刀,按"+"字形,分别穿破囊壁四周后出针刀。结果:总治愈率100%。结论:针刀治疗能从根本上破坏囊肿发生细胞层,一次成功率高,创伤小,手术操作简单易行,安全性高,适合基层医疗机构推广应用。

类型相似性与品味影响力的推荐系统评分预测

电影推荐算法依靠计算用户的偏好差异进行推荐,以解决互联网时代的信息过载问题.传统协同过滤等推荐算法主要基于用户间对相同电影的评分差异计算用户偏好的相似性.这类方法忽视了用户的评分行为是一种实际上的选择行为,即便评分不高也体现出用户对该类型电影的兴趣.针对这一问题,本文设计了基于电影类型标签选择概率的用户间相似性计算方法,并建立了以用户为节点,以用户之间的相似性为边的推荐系统的复杂网络模型,并根据上述网络拓扑结构中的节点中心性数据,进一步设计了平衡用户品味影响力函数,调整了用户协同偏好的结果,提出了基于用户偏好相似性和用户品味影响力的电影评分预测方法.在MovieLens数据集上的实验结果表明,本文提出的算法与几种典型的现有方法相比较,可以有效的度量用户偏好的相似性以及抵消用户大众化品味影响力被高估在评分预测中带来的负面影响,与现有算法相比预测误差平均降低了2%至5%.

一类广义系统的有限时间鲁棒耗散控制

针对一类双边模糊模型描述下的模糊广义系统,考虑了其具有参数不确定性和外部扰动时的有限时间稳定性问题,利用线性矩阵不等式(LMIs)技术,给出了该类模糊广义系统有限时间稳定的充分条件;设计了基于平行分布补偿(PDC)的有限时间鲁棒控制器,有效地将控制系统在给定的时间区域内限定在期望的状态空间椭球内,使系统在给定的有限时间区域内和零初始状态下可以达到相应的耗散性能.数值算例的仿真结果说明了所给方法的有效性.

相似性与置信系数为基础的推荐系统评分预测

邻居选择和邻居数量对于推荐系统评分预测具有关键作用.本文采用复杂网络模型中多种聚类方法,针对现有方法通常基于单一相似性选择邻居的问题,建立用户为节点,相似性与置信系数为边的复杂网络模型,设计基于两个因素聚类的推荐系统评分预测算法,以提高推荐系统的预测准确性并减少最优预测所需的邻居数量.实验通过折十验证仿真用户对电影进行评分.结果表明,本文方法达到最优预测准确度时,预测所需邻居数量减少60%.研究揭示了基于置信系数和相似性对邻居进行聚类,可以更加有效选出适当邻居,且聚类方法进行适当化简对性能影响较小.