基于组增长的小世界Scale-free网络模型

小世界和Scale-free是很多大规模复杂网络的重要特征,建立体现这些特征的网络模型是研究网络结构和行为的重要基础。针对现有模型不能全面地反映实际网络所具有的特征属性,提出了基于组增长的小世界 Scale-free网络模型。该模型在小世界和 Scale-free模型的基础上,结合了节点的本地强连接性、新增连接的度相关性和网络动态的增长方式,把小世界和 Scale-free联系了起来。仿真结果表明,该模型生成的网络图同时具有小世界和 Scale-free特征。

基于Scale-free网络的客户协同创新合作伙伴选择

为在大量创新客户中筛选出协同创新伙伴,提出基于Scale-free网络的客户协同创新合作伙伴选择方法。首先根据在线社区中客户间关系建立创新客户网络拓扑结构模型,并对创新客户网络的Scale-free特性进行验证,然后应用Scale-free网络的中心化指标初步筛选出创新合作伙伴,在此基础上应用网络效率指标对Scale-free网络的中心化指标进行评定,并选择最终的创新合作伙伴,最后通过某品牌在线社区创新客户数据实例验证了方法的可行性与有效性。

Scale-free网络鲁棒性研究

本文首先总结了复杂网络研究的现状和成果,介绍了复杂网络的一些基本度量值和常见模型,然后,以BA无标度网络模型为基础,以平均最短路径和聚类系数为衡量标准,通过分析遭遇随机故障和蓄意攻击后网络性能的变化,得到复杂网络节点数和平均度对其可靠性的影响。仿真结果证明了无标度网络鲁棒但又脆弱。

基于神经网络模型的煤层气产能预测研究

目的煤层气产能主要受地质和工程因素影响,阐明这些因素对煤层气井产能的影响机制是实现储层精细改造和煤层气井提产的基础。方法本文以沁水盆地柿庄南区块为研究对象,综合考虑地质背景、储层物性和动态排采数据,利用神经网络算法开展煤层气产能预测。首先,利用灰色关联分析法遴选出10个地质参数作为煤层气产能预测的主控因素,在此基础上,运用模糊数学法实现研究区34口煤层气井富集区划分,最后,根据分类结果,结合实际排采数据,分别利用BP(back propagation)和LSTM(long short-term memory)神经网络算法实现煤层气井日产气量预测。结果结果表明:(1)渗透率、含气饱和度和储层压力梯度等10个参数是影响研究区煤层气产气性能的关键因素;(2)利用模糊数学评价方法评价煤层气的富集,可将研究区34口井产气效果划分为有利区、较有利区和不利区;(3)依托LSTM算法建立了煤储层日产气量预测模型,预测误差值为4.06%~14.79%,平均误差值为11.09%,预测精度明显高于BP神经网络模型,结论根据LSTM算法建立的煤储层日产气量预测模型稳定性好且预测精度高,可作为煤储层产能长程预测的一种有效手段,进而为煤层气开发工艺布施与排采方案制定提供科学依据。

面向社交网络平台的多模态网络欺凌检测模型研究

随着社交网络平台的迅速发展,网络欺凌问题日益突出,文本与图片相结合的多样化网络表达形式提高了网络欺凌的检测和治理难度.构建了一个包含文本和图片的中文多模态网络欺凌数据集,将BERT(bidirectional encoder representations from transformers)模型与ResNet50模型相结合,分别提取文本和图片的单模态特征,并进行决策层融合,对融合后的特征进行检测,实现了对网络欺凌与非网络欺凌2个类别的文本和图片的准确识别.实验结果表明,提出的多模态网络欺凌检测模型能够有效识别出包含文本与图片的具有网络欺凌性质的社交网络帖子或者评论,提高了多模态形式网络欺凌检测的实用性、准确性和效率,为社交网络平台的网络欺凌检测和治理提供了一种新的思路和方法,有助于构建更加健康、文明的网络环境.

基于Scrapy的农业网络信息采集技术

在信息化时代背景下,互联网已成为信息传播与交流的重要平台,尤其是在农业领域,网络信息的快速获取与有效利用对于推动农业现代化、促进农业科技发展具有不可估量的价值。农业网络信息不仅涵盖政策法规、市场动态、技术革新等多个方面,还直接关乎农民的生产决策、农产品的销售,以及农业产业链的整合与优化。基于此,该文对基于Scrapy的农业网络信息采集技术进行了深入探究,旨在高效、准确地从海量网络资源中采集并筛选出有价值的农业信息,为农业领域的发展提供助力。

社区同群效应与居民网络消费扩容提质

在百年未有之大变局下,扩内需、促消费已成为推动经济高效循环、满足人民美好生活需要的关键途径。作为人际互动与社会关系构建的关键场所,社区居民所形成的关系网络,不仅能强化居民之间的相互依赖,也能使居民消费行为产生同群效应。社区同群效应的信息传递与知识溢出,在促进居民网络消费扩容提质的同时,可以通过增加网络消费信贷、提升消费等级和降低居民依赖心理,使得低于参考点的居民受到激励,实现网络消费的扩容提质,这一点在男性和银发群体以及处于中小城市和农村地区的居民中表现得更为明显。社区同群效应对居民网络消费所产生的这种积极作用,为建立社区交流机制、设计符合居民需求特点的网络消费信贷体系、树立理性消费观和构建能释放内需动力的消费机制提供了新的实证证据,也丰富了居民消费领域的研究。

考虑多重异质性的区域环境合作治理小世界网络演化博弈研究

由于环境污染具有负外部性,跨区域的环境问题不断涌现,因此,地方政府之间的合作治理是化解区域环境问题的重要路径,也是未来中国区域环境治理的发展方向。本文基于复杂网络理论、演化博弈理论,考虑地方政府间的偏好异质性和收入异质性,引入权重来刻画不同地区在合作中的贡献度的差异,并纳入收益分配机制、违约金机制,构建了加权NW小世界网络上地方政府间合作治理的演化博弈模型;通过数值仿真,分析了合作收益和成本、违约金、异质性三方面对网络合作水平的影响。研究结果表明:合作收益增加与合作成本降低均能促进地方政府合作治理网络向着帕累托最优方向演化,且当合作收益和合作成本到达一定水平时,经济发展水平低的地区对合作收益和合作成本的变化更为敏感。适当的违约金可以促进地方政府合作行为的演化,但违约金只是起到保障和制约的作用,仅提高违约金难以促进合作策略全扩散。节点异质性对于提高地方政府区域合作治理水平是一把双刃剑。

基于双图神经网络的会话推荐算法

针对现有会话推荐算法缺乏对属性信息利用的问题,提出一种基于双图神经网络的会话推荐算法(SR-DGNN)。分别构建会话图和全局相似图学习项目的时序特征和内容特征表示,设计相似度图卷积网络(S-GCN)对全局相似图进行建模。设计基于注意力机制的融合策略对项目的特征表示进行聚合,获取会话的全局表示。综合考虑用户的长期和短期兴趣,预测用户偏好。在KKBOX和MIND两个数据集上进行了大量实验,实验结果表明,所提模型优于现有基准模型。

基于广义换热网络的质量交换网络质能比拟及全局优化

质量交换网络是过程系统高效经济回收污染物或杂质的重要途径,其中组分浓度的小尺度特征对于其求解域和全局优化性能存在一定限制。基于质量传递和能量传递比拟理论,本文假设了单位高度塔板提供有效传质的塔板质量,建立了非连续传质的板式塔和广义换热器的比拟关系;在此基础上,将小尺度质量交换网络比拟为广义换热网络,进而采用节点非结构模型和强制进化随机游走算法对广义换热网络进行全局优化;最后,将优化所得的广义换热网络回归为质量交换网络,使其满足传质可行性约束。算例分析表明,该方法可有效拓展质量交换网络搜索空间,提升流股匹配的多样性和全局优化性能。同时,灵活调整比拟尺度和协调系数能够进一步丰富优化路径,提升最优解的质量,获得了R2S3算例和R2S2算例优于文献最优的结构。

基于耦合网络的舆情观点演化机制分析

[研究目的]在互联网时代,舆情观点演化并非局限于单一网络环境,而是在多个网络环境交织互动中协同演进。分析舆情观点在耦合网络中的演化机制,对提升舆情治理能力具有重要意义。[研究方法]根据社交网络结构特点设计了线上网络为BA无标度网络,线下网络为WS小世界网络的线上线下耦合网络架构。结合影响力与Deffuant模型构建线上观点演化模型,结合影响力和沉默螺旋理论构建线下观点演化模型,基于用户倾向程度构建层间观点演化模型。[研究结果/结论]通过模型参数配置并进行仿真实验,对不同参数配置下的观点演化进行分析。研究结果表明,所构建的观点演化模型能更好地反映线上线下耦合网络中舆情观点演化的复杂特性,为网络舆情演化分析提供有力支持。

图书馆信息系统网络安全研究

在大数据及云计算技术、物联网技术快速发展的背景下,图书馆局域网内书籍、文献资料、文档文案等信息逐渐增多,网络安全态势感知、安全预警与防护成为多方关注的重要问题。为解决网络攻击、网络用户访问导致的图书馆信息系统安全问题,引入Hadoop分布式软件架构、MapReduce编程模型、HDFS(Hadoop Distributed File System)分布式文件系统、Hive数据仓库、MySQL数据库等组件,建构面向图书馆网络日志监测、告警分析的安全管理系统,收集局域网间数据传输通信的用户访问、网络威胁攻击等安全日志,使用K-means数据簇聚类算法展开数据挖掘分析,作为网络安全预测与评估的依据,提出ABE(Attribute Based Encryption)算法进行图书馆通信数据的加解密操作,从而最大程度地保障图书馆系统传输层、应用层的网络数据访问及传输安全性。

全球光伏产业链贸易网络演化特征及影响因素

本文基于社会网络分析法对2007~2022年全球光伏产业链贸易网络演化特征及影响因素的研究发现:(1)产业链上、中、下游整体网络指标依次增高,中游受到贸易保护政策影响最大;(2)光伏贸易趋于活跃,制裁与规避使产业向东南亚、中东欧转移;(3)经济规模、制造业能力、距离等对产业链各环节贸易水平产生了持续影响。综上,光伏产业政策所拓展的市场可以保证一定水平制造业规模和技术的更迭,进而获得贸易优势地位并反哺贸易政策,保证其有效性。本文研究对于把握我国光伏产业未来贸易方向,制定差异化政策提供数据支持。

区域旅游业绿色创新发展网络优势匹配与组态提升路径——以山东半岛城市群为例

人与自然和谐共生背景下,绿色创新作为旅游业绿色化转型的重要引擎,是对旅游发展方式转变和生态环境问题改善的积极回应,直接关系到旅游业经济增长与资源环境的协调发展。频繁的要素流动推动城市间绿色创新联系增强,探究区域旅游业绿色创新网络优势匹配的路径有助于因地施策推进区域旅游业可持续发展。探索构建区域旅游业绿色创新发展分析框架,综合运用超效率SBM模型、社会网络分析法、哈肯模型和核密度估计等方法,选择山东半岛城市群为研究案例地,测度和分析其旅游业绿色创新效率及其网络优势度和二者协同特征,进一步基于非对称创新理论和模糊集定性比较分析法识别区域旅游业绿色创新发展网络优势匹配的组态路径。研究发现:旅游业绿色创新效率在空间上具有“沿海沿边”的集聚分布规律;旅游业绿色创新效率网络优势度“马太效应”显著,形成以济南、东营为主的点状格局;二者协同度区域差异明显,可分为高度协同型、中度协同型和低度协同型3大类;旅游业绿色创新效率、网络优势度及二者匹配的提升路径可归纳为政府支撑的外向型市场拓展模式、政府扶持的内源型动力驱动模式和内外部环境双元驱动下的动态优化调整模式等7种。

基于SRv6技术实现高可靠网络传输研究

随着信息技术的不断发展,网络在各个领域的重要性日益凸显。高可靠的网络传输成为确保各类业务正常运行的关键。基于IPv6的段路由(Segment Routing over IPv6,SRv6)作为一种新兴的网络技术,为实现高可靠网络传输带来了新的契机。基于SRv6的原理和特点,研究提出了实现高可靠网络传输的技术途径,分析了面临的问题挑战,列举了相关应用场景,旨在为推动高可靠网络传输和网络可编程技术的发展提供有益的参考。

高精度tDCS对网络成瘾者非理性决策行为的干预效果研究

研究发现网络成瘾者存在严重的“忽视长期利益、追求短期利益”的非理性决策行为.采用高精度tDCS技术干预网瘾被试和对照组,对比两组在最后通牒任务中的拒绝率和相应的反应时,发现单次20 min的右背外侧前额叶阳性刺激可以显著降低网瘾被试的拒绝率,并缩短其反应时间.研究结果说明,不仅单次高精度tDCS可促进网瘾者非理性决策行为的改善,而且通过干预关键脑区,即使是神经环路复杂的决策这一高级社会认知,高精度tDCS也可以实现对于决策整体加工的促进作用.因此,从其短时高效的作用效果出发,高精度tDCS未来可以考虑作为网瘾甚至更多其他病症的有效干预方法之一.

基于改进标签传播算法的舆情社交网络社区发现

通过改进的标签传播算法研究了舆情社交网络中的社交主题发现。针对传统算法容易陷入局部最优的问题,依据节点间相似度选择标签传播时的邻居节点;针对传统算法标签更新时的随机性问题,通过结合舆论动力学模型HK的观点交互过程,依据节点影响力的大小更新标签。实验结果表明,该方法在最好情况下(k=0.9)相较于原算法,在稳定性和模块度指标两方面分别提高了31%和78%,并且优于其他几种改进算法。由此可见,该算法相较于原算法及其他改进算法在舆情社交网络的主题社区发现中表现更好。

基于FS-SIA的毁伤预测神经网络超参数优化方法

针对毁伤预测中神经网络超参数设置及调试过程较为复杂的问题,提出一种基于特征选择结合群体智能(feature selection and swarm intelligence algorithm,FS-SIA)的超参数优化方法,用于在毁伤预测中对神经网络进行超参数的搜索和优化。首先,通过多种特征排序方法确定毁伤特征的重要性,选取公共的特征偏序子集用于模型训练。其次,针对具体的神经网络模型,分别采用多种群体智能算法进行超参数的搜索和优化。最后,得出特征集性能最优的超参数训练模型。实验结果表明,相较于未经特征排序而单纯采用群体智能算法的其他超参数优化模型,所提方法在毁伤预测中具有更快的收敛速度和更高的准确率。

结合图同构和混合阶残差门控图神经网络的会话推荐

基于会话推荐的目的是依据当前会话的先前动作来预测用户的下一个动作。针对现有基于图神经网络的会话推荐模型存在的不足之处,提出一种结合图同构和混合阶残差门控图神经网络的会话推荐模型(GIHR-GNN)。使用图同构网络聚合相邻项目的特征向量,有效融合全局和局部信息,解决图神经网络善于捕获节点之间的局部连接而忽略全局信息的问题,并通过门控融合函数聚合用户的长短期兴趣以更好地捕捉用户兴趣的动态变化。使用混合阶门控图神经网络对位置嵌入向量进行处理以捕获用户长时间后重新交互所反映出的用户意图,并在此基础之上添加残差模块,解决深层网络的退化问题。将未去噪和去噪后的用户长期兴趣表示进行对比学习,缓解了数据稀疏和噪声干扰的问题。在Tmall和RetailRocket两个数据集上进行多次实验,并与先进基线模型进行比较,结果表明该模型在Tmall数据集上P@20指标和MRR@20指标至少提升了3.26%和10.33%,在RetailRocket数据集上P@20指标和MRR@20指标至少提升了0.55%和2.57%,证明了GIHR-GNN模型的有效性。

社交网络节点重要性识别研究进展

准确识别社交网络中的节点重要性对于促进或抑制信息传播、遏制疾病传播具有重要意义,同时在精准营销和社会治理等领域也具有重要理论意义和应用价值。该文从4个角度对节点影响力识别算法进行总结和梳理,具体包括:基于微观局部结构、中观的社团结构、宏观全局结构及基于机器学习的算法。详细介绍了其中的代表性算法,并从不同层面分析了不同算法的优缺点。此外还总结了常用的传播动力学模型和评价指标。最后提炼了仍需解决的问题和未来可能的研究方向。