动态有向网络中的时序链路预测问题研究

由于动态向网络具有独特的特征,在对其时序链路预测过程中存在许多问题,为此提出动态有向网络中的时序链路预测问题研究。首先针对动态有向网络特征,采用拓扑结构解决其网络定义问题;利用指数加权滑动平均法对网络时序进行分析,得到T+1时刻预测值,解决时序分析问题;利用聚类算法计算出欧式距离最短的链路路径,解决动态有效网络聚类倾向问题,以此完成动态有向网络中的时序链路预测问题研究。针对上述3个问题提出相对应的解决方法之后,该文中通过仿真实验在真实的动态有向网络中进行了验证,证明通过上述方法解决了相关问题后链路预测效果更佳。

基于动态专利有向网络的核心技术集群演化分析

[目的/意义]技术集群因对属性相同的技术集聚进行研究,能够识别新技术,发现技术发展规律,提前感知市场技术变化,引起学者和企业管理者越来越高的关注。[方法/过程]以文本挖掘和复杂网络技术方法对专利文本数据进行分析,进而构建动态专利有向网络,并从网络中基于Python程序提取巨片,通过巨片拓扑性质分析核心技术集群的演化历程。[结果/结论]以美国电商数据处理技术为例的实证研究表明:通过构建动态有向网络,并从网络中提取巨片分析技术演化,能够有效的识别出美国电商数据处理技术中"数据设备技术、数据信息技术、数据系统技术、数据应用技术和数据融合技术"5个核心技术集群,并进一步发现核心技术集群之间很好的更新替换机制。实证研究证明了基于动态专利有向网络的核心技术集群演化分析方法的有效性。

中美电商数据技术演化异同比较研究--基于动态专利有向网络分析视角

[研究目的]电商数据技术将成为我国技术研发与投资的热门领域。通过中美在电商数据技术上比较研究,挖掘优势与不足,取长补短,能够给技术研发与融合提供更多建议。[研究方法]构建动态专利有向网络,通过网络巨片分析中美电商数据技术演化异同,使用技术发展差异指数TDDI比较演化中发展差异。[研究结论]研究表明:a.中美电商数据技术历程均包含数据信息获取与使用、数据系统、数据与设备交融等技术发展阶段,但中国在数字化认证、网页数据分析上有特色,美国在数据电子设备模块研发、金融行业电商数据分析上有特点。b.技术发展差异指数TDDI值显示在电商数据技术发展上中国是先慢后快再慢,美国是先快后慢再快,先期美国“从无到有”,中期中国“从有到优”,后期美国在数据与设备交融技术上具备领先优势。

基于模体演化与社区一致性的时序链路预测方法

针对动态有向网络中的时序链路预测问题,充分分析动态有向网络中微观结构三元组模体的演化规律,使用指数平滑法季节加法(Holter-Winter-Additive)时序分析方法预测三元组模体的转换概率,引入牛顿法寻求时序分析方法中的最优参数;同时考虑到节点的社区属性对链路预测产生的影响,定义模体内节点的社区结构一致性重要指标,对三元组模体的影响力进行评估。基于此,首先使用时间序列分析方法对模体的转换概率进行预测,进而结合模体社区结构一致性的指标提出一种新的链路预测方法。使用不同的方法在三个真实的有向网络中进行验证,实验结果显示该方法能够达到更好的链路预测效果。