基于多社交关系的社团划分概率矩阵推荐算法

随着大数据的不断发展,用户的个性化推荐得到普遍应用,现有的推荐算法忽略了用户之间的多种社交关系组成的社团结构,但在现实的网络空间中用户间的多种社交关系可以很好的作用于推荐系统。基于多子网复合复杂网络模型,利用多种社交关系组成的社团结构特性,提出了基于多社交关系的社团划分概率矩阵推荐算法。通过在真实数据集Epinions上与现有推荐算法进行对比,准确率评价指标δMAE、δRMSE分别提高了30%、20%,由此可以证明,基于多社交关系的社团划分概率矩阵推荐算法能有效提高推荐准确率。

基于向量空间的多子网复合复杂网络模型动态组网运算的形式描述

针对典型复杂网络模型仅描述了复杂系统中同一类个体及其间一种相互关系且对问题的讨论仅局限于同一个系统的问题,基于能够描述复杂系统中异类个体间多种关系的多子网复合复杂网络模型,导入多维向量空间,将网络节点间的关系映射为多维向量,定义了向量复合网.在此基础上,将该模型的动态组网运算(加载与退缩)转化为向量空间的基变换,给出了加载运算与退缩运算的形式描述,实现了多子网复合复杂网络的可计算.建立并分析了我国铁路客运复合网,通过网络动态重组运算,基于高速铁路子网与低速铁路子网的拓扑性质,给出了我国铁路发展现状分析.

多子网复合复杂网络及其运算研究

提出了一种能够描述不同子系统间以及不同子系统的元素间相互关系的复合复杂网络模型;基于该模型的网络运算,可描述多个复杂网络的复合以及一个复杂网络的分解;实证验证了该模型的有效性。

知识图谱复杂网络特性的实证研究与分析

知识图谱是人工智能研究的新热点,用于解决智能检索、自动回答等应用问题.概念图谱是微软发布的大型知识图谱,本文以概念图谱为研究对象构建了概念图谱网络,并对其特性进行了分析.为解决概念图谱海量数据带来的计算困难,提出一种适合概念图谱的最大子网构建方法和一种网络近似平均路径的计算方法;对不同度值给出了不同的聚类系数求解方法,并通过Map/Reduce模式进行提速.结果表明:概念图谱网络具有无标度和极端小世界网络的特征;平均路径长度随网络规模增加而减小并趋于4这一定值,网络的"菱形"结构能很好地解释这一现象;概念图谱网络是异构的,相邻节点的度负相关;k-shell分解表明子概念占核心层节点的99.5%,在概念图谱中起重要的连接作用;子概念的缺失对概念图谱的完整性影响最大、概念其次、实例最小;82%的实例节点度为1, 40%的概念节点度为1,实例比概念更不易因一词多义而引起理解歧义.

基于多子网复合复杂网络的模型研究

针对在线社会网络中用户间的关系存在多种关系复合的情况,采用多子网复合复杂网络的模型理论,将豆瓣网中用户关注关系子网和用户影评关系子网进行复合,设计了一个基于多子网复合复杂网络拓扑演化模型,该模型考虑了多关系间的相互影响。最后通过仿真实验,得出了基于多子网复合复杂网络模型的网络节点个数、网络边数、网络平均最短路径等网络特征和同等实际网络的网络特征较为吻合。

基于多子网复合复杂网络模型的多关系社交网络重要节点发现算法

为提高社交网络中重要节点评估的效率和有效性,根据社交网络中存在多种相互影响的关系的特性,基于复杂网络理论提出了一种适用于多关系社交网络的重要节点发现算法.首先使用多子网复合复杂网络模型建立包含多种关系的复杂网络,然后采用信号传播方法体现网络中多种关系和节点间的相互影响,以及这些影响的传递性,最后利用矩阵迭代方法模拟信号传播过程,定量分析网络中各节点的重要度.该算法综合了社交网络中节点的全局和局部重要性,考虑了各节点重要度的相互影响,在豆瓣网上的实验结果表明,与传统社交网络重要节点发现算法相比,该算法在迭代次数、涵盖率等指标上都有较大改善,有助于提高社交网络中舆情分析、社团结构发现、信息传播等工作的效率和准确性.

基于复杂网络的《伤寒论》六经病证用药规律研究

目的建立《伤寒论》六经病证药物子网,基于药物子网的拓扑性质分析,揭示《伤寒论》六经病证用药规律。方法将《伤寒论》方剂按照六经辨证进行分类,采用复杂网络理论将药物抽象为节点,分别建立太阳、阳明、少阳、太阴、少阴、厥阴六经病证药物子网,分析各药物子网的节点度、网络连通性拓扑性质。结果治疗太阳病、太阴病的主要药物为桂枝、芍药、大枣、生姜、甘草;治疗阳明病的主要药物为大黄、人参、杏仁;治疗厥阴病的主要药物为干姜、当归、细辛;治疗少阴病的主要药物为附子、茯苓;治疗少阳病仅小柴胡汤数据。任意两经子网间公共节点计算显示,治疗太阳、阳明、厥阴、少阴病的方剂具有较多相同药物,太阴与少阳病证药物子网数据较少,且多为其他经子网方剂添加少量新药物而组成。结论《伤寒论》六经病证的用药规律存在差异,对研究《伤寒论》辨证论治机制具有一定意义。

多社交网络中用户身份识别方法研究

在多社交网络舆情传播研究中,不同社交网络中同一网民身份识别是其关键技术。本文分析多社交网络中网络个体与实际主体之间的对应关系,根据用户注册信息、网络行为以及网络个体间的多种关系,利用文本数据挖掘中的语法模式匹配技术,多维度用户行为特征分析技术、图形图像处理中图像识别匹配技术以及复杂网络中社团结构发现技术,来实现一种半自动化的同一网民身份识别算法。

基于多子网复合复杂网络的微博网络特性研究

微博是一个复杂的信息传播系统,其中微博用户之间构成复杂的关系。本文根据复杂网络性质以及邵峰晶教授提出的多子网复合复杂网络模型,构建了微博信息传播的复合网络,分析了微博传播特性以及通过网络的退缩运算得到不同用户类型的复杂网络子网。分析了微博复合网及其子网的网络结构,得出微博复合网以及子网的特性。

多关系社交网络中社团结构发现算法

社交网络的节点之间存在着多种关系,这些关系共同决定了网络中节点的社团结构划分。为了准确地发现多关系社交网络中的社团结构,通过研究信息在多子网复合复杂网络模型上的传播过程,提出了一种多关系网络中的社团结构发现算法。该算法基于多子网复合复杂网络模型建立的多关系社交网络,利用信息在多关系社交网络中的传播过程,将网络中的节点转化成能够被聚类算法处理的向量形式,进而采用聚类算法完成多关系社交网络中的社团结构划分。该算法综合考虑了网络中多种关系的相互作用以及异质节点间的相互影响,得到的传播信息量矩阵表示了各节点在整个网络中的影响力,并将影响力相似的节点划分到同一个社团结构中。实验结果显示,与传统社团结构发现算法相比,该算法不仅在准确度上有所提高,还能将异质节点划分到一个社团中,可以根据用户不同需求挖掘出多关系社交网络中的隐藏信息。

基于多关系社交网络的协同过滤推荐算法

推荐系统是大数据中最常见的应用之一,传统的协同过滤推荐算法直接基于用户-项目评分矩阵,对于海量的用户和商品数据,算法的执行效率将会显著降低。针对这一问题,提出了一种基于多关系社交网络的协同过滤推荐算法。该算法利用信息传播方法对基于多子网复合复杂网络模型构建的多关系社交网络进行社团结构划分,从而将相似度接近的用户划分到一个社团中,进而在社团内部选择用户的k-近邻集合来构建用户-项目评分矩阵,然后利用协同过滤算法进行推荐,从而实现了在不降低推荐准确率的前提下提升推荐算法的执行效率。在真实数据集Epi-nions上,将所提算法与传统的协同过滤推荐算法进行对比。实验结果表明,所提算法具有较高的推荐效率和准确率,特别是对于海量数据,推荐算法的执行时间缩短到原有的1/10。

基于多关系网络的边转移扩容策略

为缓解网络拥塞、提高网络容量,利用真实网络中节点间存在多种关系的特性,基于多子网复合复杂网络模型提出了一种适用于多关系网络的边转移扩容策略。通过改变网络的拓扑结构,删除高介数节点之间的边,同时,在最短路径较长的节点对之间添加边以此来达到扩大网络容量的目的。研究结果表明,边转移策略降低了网络中节点介数的最大值,有效地缩短了网络平均最短路径,均衡了节点之间的信息负载,最大化的提高了网络容量。

基于多子网复合复杂网络模型的级联失效研究

针对目前耦合网络级联失效的研究方法仅限于单个关系的问题,根据多子网复合复杂网络模型构建复合网络,结合多种关系研究了复合网络级联失效问题,考察在不同影响因素下,网内关系和加载关系对网络鲁棒性的影响。研究结果表明,网内关系和加载关系共同影响着网络级联失效的过程及规模,复合网络中两子网拓扑结构不同,网内关系对网络的影响不同;加载关系强度占比越大,网络鲁棒性越强。关系强度比例对网络故障规模存在决定性影响。

基于多子网复合复杂网络的上海证券市场股票网络特性研究

上海证券市场是一个复杂的经济系统,其中上市的A类和B类股票之间存在复杂的价格关系。本文根据邵峰晶教授提出的多子网复合复杂网络模型,构建了股票价格复合网络,通过网络的退缩运算得到A类股票价格子网和B类股票价格子网。分析了股票价格复合网络及其子网的网络特性,得出了B类股票与A类股票之间价格影响存在相关性的结论。

一种基于RippleNet模型的推荐精度提高方法

RippleNet模型引入向量表示的同时充分利用实体连接关系,挖掘高阶语义,实现精准推荐,但并没有充分考虑到数据的重要性。通过构建概念图谱的最大子网,消除数据的冗余,提高RippleNet模型的推荐精度。利用构建最大子网的思想,通过最大子网以消除原始数据冗余。处理冗余数据后,对比原始数据,在Top-k场景中不同k值的平均准确率提高1%,在CTR点击率预测场景下所得到的平均AUC值从91.3%提高到91.9%。实验表明,通过提取最大子网可以提高推荐精度。

基于多子网复合复杂网络模型的物质扩散推荐算法

融合社交网络的社会化推荐算法是目前推荐系统中普遍采用的方法。在现实的社交网络中,用户间存在多种关系,而每种关系对于推荐的影响是不同的,因此在推荐中单纯引入某一种社交关系必然影响推荐结果的准确率。本文基于多子网复合复杂网络模型,通过在用户-商品二部图上加载多关系社交网络,构建多关系复合网,提出了基于多关系复合网的物质扩散推荐算法。在真实的数据集Epinions和FilmTrust上的实验结果表明,加入两种社交关系的推荐算法比加入一种社交关系的推荐算法及传统的物质扩散算法在推荐准确率方面有显著提高。

基于复杂网络的在线社会网络大数据分析

通过获取豆瓣网中11万用户间的关注关系和书评相似关系的实测数据,利用复杂网络理论,分别对由这两种关系构建的用户网络的拓扑结构进行基本特征量的大数据分析,并在此基础上,利用多子网复合复杂网络模型,对豆瓣网用户多关系复合网络进行了实证研究,得出影响网络拓扑结构和演化机制的机理。

基于多种社交关系的概率矩阵分解推荐算法

随着社交网络的发展,社会化推荐算法得到普遍应用,现有的推荐算法往往只是将一种社交关系引入到推荐系统,但在现实社交网络中用户之间往往存在多种社交关系。基于多子网复合复杂网络模型,利用共享用户特征矩阵,提出了基于多关系社交网络的矩阵分解推荐算法。通过在Epinions数据集上的实验结果分析,准确率评价指标MAE、RMSE和NMAE分别提高了34%、27%和7%,由此可以证明,多关系社交网络的矩阵分解推荐算法能有效提高推荐准确率。

融合多关系的矩阵分解社会化推荐算法

在现实的社交网络中,用户之间往往存在多种关系,而现有的社会化推荐算法都只考虑一种关系对推荐结果的影响。基于多子网复合复杂网络模型,将用户间的多种社交关系引入用户特征矩阵,提出了基于多关系的矩阵分解社会化推荐算法。通过对2个真实数据集上的实验结果分析,发现加入多种社交关系的矩阵分解社会化推荐方法比传统的矩阵分解算法在推荐准确率方面有显著提高。

基于多子网复合复杂网络的关键节点识别算法

传统关键节点识别算法仅考虑一种关系,无法表示实际网络中节点间存在多种关系相互影响的特性。因此,本文基于多子网复合复杂网络,提出引入多关系的MCCN-Degree算法识别关键节点。根据多子网复合复杂网络理论构建山东省青岛市公共交通复合网,应用传统关键节点识别算法和MCCN-Degree算法分别对网络中节点重要性进行分析,研究节点被攻击时的网络鲁棒性,进而验证算法效果。研究结果表明:MCCN-Degree算法识别的节点被攻击时更容易使网络鲁棒性降低,有效提高了识别的准确性;节点重要性排序受节点间多关系比例影响。