基于结构紧密性的重叠社区发现算法

随着网络结构的不断扩大和日益复杂,传统的重叠社区发现算法已经不能有效地处理大规模网络数据,发现合理的社区结构.本文提出了顶点引力的概念,引入顶点凝聚度和社区凝聚度作为满足社区的外部结构稀疏性和社区内部结构紧密性的判定指标,构造了基于结构紧密性的重叠社区发现算法OCSC.该算法经过预处理,核心子图划分以及核心社区的扩展三个步骤,能有效地发现重叠社区,通过对人工合成网络和真实网络结构的社区发现实验,运用NMI和F1Score等指标验证OCSC算法的合理性和优越性.

基于Attention深度随机森林的社区演化事件预测

在网络结构不断变化的同时,社区结构也随之演化.社区结构在不同时间片的变化可定义为四种不同的演化事件:持续、分离、融合和消失.本文运用网络表示学习的方法,对网络进行图嵌入编码映射到低维向量空间中,研究动态社区演化事件的预测.特征方面,在传统的社区内部属性特征、时间片间属性特性变化和前段时间片的社区演化事件的特征维度的基础上,引入潜在结构特征表征四种演化事件,运用随机游走和Softmax思想获取潜在的结构特征;模型方面,引入深度随机森林的策略,同时采用attention机制、蒙特卡洛特征采样策略进行特征融合和特征训练,克服了已有算法仅获取局部结构特征的缺陷.实验在DBLP、FACEBOOK和Bitcoin数据集上,对比SVM、XGBOOST和RIDGE模型训练,证实了新提出的算法模型对最终预测准确率有很大的提升.

SQM:基于Spark的大规模单图上的子图匹配算法

针对大规模数据图下基于回溯法的子图查询算法的准确率低、开销大等问题,为提高查询准确率,降低大图下的查询开销,提出一种基于Spark的子图匹配(SQM)算法。首先根据结构信息过滤数据图,再将查询图分割成基本查询单元;然后对每一个基本查询单元分别匹配后进行Join操作;最后运用并行化提高了算法的运行效率,减小了搜索空间。实验结果表明,与Stwig、Turbo ISO算法相比,SQM算法在保证查询结果不变的情况下,速度提高了50%。

面向复杂智能制造的多维时空建模方法与应用

为了解决复杂智能制造流程、技术和系统的综合建模问题,提出多维时空建模方法和基础建模元素,包括坐标矩阵、伴随矩阵、伴随关系、伴随指数、扩展矩阵、影子矩阵、属性矩阵、N方矩阵、关联定参法则、关联参数转化法则,在此基础上提出面向智能制造抽象过程和结构的类簇、类、对象,提出面向智能制造具体过程和结构的智能制造数据优化、智能制造信息无损压缩和有损压缩、智能制造数据清洗、智能制造反求和逆向工程,进一步提出带有时空耦合、时空反馈的智能制造复杂结构软硬件的逻辑和空间结构建模方法,带有矛盾流程和矛盾结构、模糊流程和模糊结构及带有时间和条件约束的复杂时序数据和管理流程的综合建模方法.实现了对具有多个组件、多个模块、多个制造设备、多个制造流程、多种制造材料、多种制造工艺的复杂构件和大规模软件进行实例逻辑建模和实例空间结构建模.最后通过对亚萨合莱智能概念锁和钥匙的复杂智能制造流程、功能、原理进行综合建模和反求,说明面向复杂智能制造的多维时空建模方法具有有效性、实用性和功能性.

针对未知PHP反序列化漏洞利用的检测拦截系统研究

针对大部分Web应用在反序列化漏洞防护措施上存在不足,只能在漏洞公开后实行应急措施,无法应对未公开的漏洞攻击的问题,文章通过对PHP反序列化机制的研究,将PHP的敏感函数调用栈作为研究出发点,以Web应用正常运行时的函数调用栈作为判定依据,实现了一个基于敏感函数调用栈的未知反序列化漏洞动态检测与拦截系统。通过对4个PHPWeb应用的6个反序列化漏洞的实验测试可知,该系统可成功拦截当前所有PHP反序列化漏洞攻击,并能够提取或回溯漏洞攻击所构造的POP攻击链,实现零误报。系统平均性能消耗为3.67%。

基于编辑行为码的图概要技术

图数据的处理面临庞大规模和复杂结构的制约.图的概要化,旨在寻找一组简洁的超图或稀疏图,阐明原始图的主要结构信息或变化趋势.针对属性图提出了基于编辑行为码的概要模型,遵循最小描述长度原理(Minimum Description Length,MDL),将结构的相似性和属性的相似性统一为存储代价,构建编辑行为码.在此模型基础上提出了Greedy算法和Random算法,存储属性和结构的编辑信息,生成高质量的超图,并支持原始图的重构.实验结果表明本文提出的概要模型和算法相比于其他图概要算法,在压缩率和时间代价等指标上具有一定的优越性.

基于索引的子图查询技术研究进展

图作为表示实体间的数据结构,在社区发现、生物化学分析、社会安全分析等数据关联性要求较高的领域有着广泛的应用。对于大规模数据下进行实时的图查询问题,通过构建合适的索引可以有效降低查询响应时间,提高查询精确度。首先介绍基于索引的子图查询算法的基本结构;然后按索引的构建方式将主流算法分为基于枚举的方法和基于频繁模式挖掘的方法两大类,分别从索引特征、索引结构、应用数据集等方面进行介绍和分析;最后对基于索引的子图查询算法面临的主要问题进行总结和分析,阐述了最新的分布式系统下图查询技术,并对未来趋势进行展望。

面向城市交通的动态知识图谱综述——构建、表示与应用

在智能交通领域中,各种信息采集设备积累了海量的多源异构数据,如车辆轨迹、道路状态、交通事件等。如何依据这些海量的交通数据进行关联整合,并利用这些数据进行辅助决策是当前面临的挑战。为应对这些挑战,知识图谱技术由于其具有强大的实体间关联建模能力,在知识挖掘、表示、管理及推理能力等方面显现出了巨大的应用潜力。首先,本文依次针对地理交通图、多模态知识图谱及动态知识图谱的构建技术进行综述,以此展示知识图谱在智能交通领域的广泛适用性。接着对智能交通领域的各类知识图谱构建方法进行介绍。其次,对智能交通领域的知识图谱表示学习技术及知识推理技术进行归纳总结。其中涵盖了多模态知识图谱表示学习的相关算法以及动态知识图谱表示学习的探讨,并展开介绍了动态交通多模态知识图谱中的补全技术和因果推理技术,对于提高智能交通系统的数据理解能力和决策推理水平具有重要的理论意义和实际应用前景。再次,归纳整理了几个应用场景下知识图谱为城市的智能决策提供重要支撑的解决方案。最后,对现有技术瓶颈进行了分析和探讨,并对未来交通知识图谱的关键技术及其辅助应用进行了展望。

中文社交媒体用户性别预测研究——以新浪微博短文本内容为例

[目的/意义]与互联网的高速发展不同,个人信息安全保护的发展相对滞后,通过预测社交媒体用户的性别,能够更好地针对不同性别用户提供隐私保护。[方法/过程]以新浪微博这一社交媒体中用户发布的短文本为研究对象,从中抽取语言特征和主题特征,为每一个用户构建基于语言特征、主题特征以及两个特征叠加的特征表达向量,利用SVM机器学习算法构建性别预测的分类器。[结果/结论]实验表明,从微博短文本中抽取的语言特征和主题特征能够准确预测用户性别,其效果在主要评价指标中均有大幅提升。

基于量子辐射场的大数据安全存储寻址算法

大数据存储过程面临着与日俱增的各种威胁,而传统数据存储算法难以有效应对这些新型威胁。以量子力学和量子遗传的关系为基础,构建量子辐射与量子遗传迭代的、双向可逆过程的数学函数和计算机程序,为流数据的大规模量子安全存储构建软件基础环境。在量子力学和量子遗传的映射关系下,将量子染色体的定义和交互作用通过量子比特和量子旋转门的计算实现,将量子染色体的交互通过量子引力作用和量子斥力作用的交互实现,将量子染色体动态过程的主要衡量指标通过引力和斥力的叠加态来计算产生。用量子引力和斥力来引导流数据的动态存储寻址、出入栈过程与路径,进而将大数据存储过程双向映射为量子辐射场和量子空间域问题,得到安全存储路径与存储地址。