基于LDA主题模型的标签传递算法

标签传递算法是一种半监督分类方法,由于该算法存在要求数据分类结果符合流行假设、数据维数较高时计算复杂度高等问题,在文本分类中效果较差。针对这些问题,经过对LDA主题模型和标签传递算法原理及复杂度的分析,将两者结合,提出一种基于LDA主题模型的标签传递算法LPLDA。该算法用LDA主题模型中的主题表示文本数据,一方面使用LDA主题模型表示文本保证分类结果符合流行假设,另一方面有效减少标签传递算法相似度计算时间。经过实验证明,该算法在标记数据少于待测样本时,分类效果优于传统的有监督分类方法。

基于主题和链接分析的微博社区发现算法

针对传统社区发现方法大多基于链接或主题关系,且没有考虑获取微博用户社会信息时的限制,无法有效识别微博中多个社区的问题,提出了一种综合基于主题和链接分析的微博社区发现算法来挖掘微博中多个社区。算法首先研究微博用户的链接及博文主题特性,定义了链接相关度和主题相关度公式;然后推出用户总相关度公式,以此来计算节点间的传递概率,用改进后的标签传递算法对用户分类;最终划分出兴趣相似且社会联系紧密的用户群。真实数据集上的仿真实验验证了该方法的合理性和有效性。

基于LPA和频繁项集的社团检测方法

首先充分利用LPA的不确定性来构造事务数据,然后通过挖掘频繁项集的方法发现核心社团结构,对单个顶点构成的社团和核心社团进行合并,得到最终的社团结构.最后通过在5个实际网络上进行实验,实验结果表明,该方法在保持LPA算法高效率的情况下,能得到更好的、确定性的社团结构.

基于药物剂量及作用的方剂核心用药配伍规律复杂网络算法的构建

利用复杂网络相关算法,结合方剂中药物“君、臣、佐、使”的药物作用及剂量,构建一种基于药物剂量及作用的方剂核心用药配伍规律的新算法。通过构建方剂子网,根据方剂中药物作用及剂量确定核心药物及其权重;基于药物核心度权重构建中药方剂复杂网络模型;改进复杂网络标签传递算法对相关方剂的核心用药配伍规律进行挖掘。以《中医方剂大辞典》中治疗产后中风方剂及用药为例,收集相关方剂143首,频次>20的药物16味,支持度>10、置信度>80的关联规则组合88个,构建包含74个节点、1245条边的产后中风治疗用药复杂网络模型,利用复杂网络算法发现药物聚类组合结果51个。通过分析研究发现,中医治疗产后中风用药以祛风除湿、散寒止痛、补益气血为主,同时对改进的标签传递算法与传统的关联规则等方法进行比较,认为改进复杂网络标签传递算法可得出一些围绕核心药物的新颖且更有针对性的药物组合结果。