基于交互相似度的细粒度社群发掘方法

发现在线社交网络中的社群结构有助于深入研究和分析信息传播规律,同时在社会推荐、群体特征发现等应用领域具有重要的意义。但是现有的社群结构发掘方法多忽略了用户之间的社会属性,导致获取的社群结构难以反映细粒度的结构特征。文中将用户的社会属性引入到社群结构发掘算法中。为了衡量用户的社会交互属性,提出了用户交互相似度模型。基于用户交互相似度模型,提出了一种面向在线社交网络的细粒度社群发掘方法。该算法可以有效衡量用户之间的社会属性,通过层次聚类的手段获得不同粒度的社群,并过滤无关数据。为了验证算法的有效性,以社交网站人人网的用户交互记录为数据集,比较了与其他社区挖掘算法的性能差异。实验结果表明,该方法发掘出的细粒度社群具有较高的准确性,在发现社群之间的不同话题上有着较好的应用。

决策区间值信息系统的交互相容关系及属性约简

决策区间值信息系统的处理方法在解决实际问题中具有重要意义。定义了区间的相对包含度概念,进而提出区间的交互相似度、决策区间值信息系统的交互相容关系,从而克服了以往区间值信息系统方法忽略区间的交互关系的不足,提高了分类的准确性;讨论了交互相容关系下决策区间值信息系统的属性约简和相对属性约简,并给出了寻找约简和相对约简的具体操作方法。

基于直觉模糊动态信息交互的多属性群决策模型

针对目前的多属性群决策研究中很少考虑信息交互环节等问题,提出一种基于直觉模糊动态信息交互的多属性群决策模型。模型中用直觉模糊集表示决策属性值,通过定义两直觉模糊集的相似度,计算各个专家对方案的偏好矢量与理想方案偏好矢量间的相似度。通过计算群体的平均相似度和专家的决策偏差,若决策偏差大于给定阈值,则通过信息交互对决策偏好进行修正,直到所有的专家的决策偏差都小于给定阈值为止。计算各个方案与理想方案的加权相似度,按加权相似度排列,根据加权相似度最大原则选出最优方案。最后,通过结合1个实际案例讨论本模型的实施步骤,并与未考虑动态信息交互的模糊动态信息群决策方法进行比较,结果证明它是可行和有效的。