一种基于改进K-means的动态文摘提取方法

随着互联网的发展和Web2.0的应用,网络信息呈现出越来越明显的动态演化性,传统的静态文摘方法不能很好地反应文摘的动态变化和新颖性,难以满足人们对于摘要获取效率的要求,动态文摘技术成为新的研究热点。提出一种基于改进K-means算法的动态文摘提取和更新方法。为了减小聚类结果对初值的依赖性,提高聚类的稳定性,采用聚类中心的搜索算法获得较优的初始聚类中心。它能解决使用传统聚类方法进行动态文摘提取中存在的重复计算问题,并能保持较高效率。在TAC2008上的实验证明,该方法生成的动态文摘效果较好、算法效率高。

一种改进的爬行动物搜索算法

针对爬行动物搜索算法存在早熟收敛、易陷入局部最优等问题,提出一种改进的爬行动物搜索算法(LERSA)。通过精英反向学习策略提高初始种群的质量,在种群位置更新求解适应度值的过程中加入Levy飞行策略对种群中个体位置进行更新,结合非线性加权策略改良控制参数平衡RSA算法的全局搜索与局部搜索能力。使用公开的性能验证函数、秩和检验及三杆桁架问题进行算法性能测试,结果表明改进后的算法具有良好的寻优性能,能有效解决工程优化问题。

面向维基百科的领域知识演化关系抽取

互联网下同一领域中不同知识概念间存在多种关系,其中演化关系对于用户学习和理解领域知识,梳理领域知识的前序和后续逻辑关系具有重要意义,然而网络数据的多样和无序使用户难以准确有序地获取领域知识关系.针对该问题,提出一种面向中文维基百科领域知识的演化关系抽取方法,利用语法分析特征,挖掘演化关系模式,构建演化关系推理模型,采用基于句子层面的关系抽取算法识别领域知识演化关系,最后在真实的维基百科数据集上对该文方法进行了性能评测.实验表明,该方法具有较高的关系抽取准确率和召回率,能有效地抽取出维基百科中领域知识的演化关系.同时,基于实验抽取结果构建知识图谱,能有效挖掘领域学科下知识集合的演化体系,识别重难点知识,对学科建设以及相关课程教学具有一定的指导意义.

风能等效转化利用模型及其效益研究

以能源互联网为依托,研究了风能在转化利用过程中不同"能质"能量之间的等效转化关系及其对应的效益。为综合考虑负荷需求特性及供能价格因素对风能利用方式的影响,以风电利用率最大和系统运行综合效益最大化为目标,构建风能转化利用多目标优化模型;然后,采用量子行为的粒子群优化算法对模型进行优化求解;最后,在不同的供能模式下进行对比分析。算例结果表明,所提模型能够有效地提高能耗系统对风能的综合利用率及消纳能力,并取得更高的能售效益,验证了所提模型及其运行方式的有效性和可行性,为大规模风电的开发和利用提供了新的思路。

多能源等效替代方式及其转移效益模型

以能源互联网为背景,研究多种能源在转化利用过程中,不同"能质"能量之间的等效转化关系及其效益模型。首先,在含有风机、光伏电池、冷热电联供系统以及蓄能系统的多能源互联系统中,综合考虑负荷需求特性和价格因素对能源利用方式的影响,以能源利用率最大和系统综合运行成本最小为目标,构建了能源转化利用的多目标优化模型;然后,采用量子行为的粒子群优化算法对模型进行优化求解,并与传统用能模式进行对比分析。算例结果验证了所提模型的可行性。

基于动态能耗模型的微电网经济运行优化

微电网系统具有较高的运营成本,为实现其经济运行,需要对系统的能耗量和运行成本给出准确的描述。基于微电网系统内冷、热、电等多种负荷的能耗特性及各能耗设备的运行工况特性,通过对数据的分析拟合得到系统内各能耗设备的动态能耗模型。考虑一次能源对冷、热、电3种负荷的转换利用方式及各能源之间的互补关系,构建了微电网系统的经济运行模型。利用量子行为粒子群优化算法对其进行优化求解,得到系统的最佳能源结构及综合运行成本。采用不同的算例对提出模型的有效性和可行性进行了验证,为微电网的能耗及经济性分析提供了一种新的思路和方法。

基于特征词的Web领域知识分类研究

Web环境下,领域知识对于构造面向互联网的领域知识间的知识图谱具有重要意义,然而网络数据的杂乱无序使学习者难以快速准确全面地获取其中的领域知识。针对该问题,提出一种基于特征词的Web领域知识文本分类方法,以特征词为特征,利用支持向量机(SVM)作为基本分类算法。实验表明,该方法具有良好的准确率和召回率,能有效地从数据中分类出含有领域知识的数据,为面向Web的领域知识后续研究奠定基础。

基于用户行为网络的微博意见领袖挖掘算法

微博意见领袖挖掘中通常单独考虑用户属性、网络结构或交互信息等特征,对这些特征之间的关系及微博信息的话题特征考虑较少。针对上述问题,提出了一种基于用户行为网络的微博意见领袖挖掘算法TopicLeader Rank。该算法利用微博用户的内容属性和社交属性,并结合用户在特定话题中的交互信息构建用户行为网络,然后利用Page Rank算法的投票思想,同时考虑网络中节点权重和边权重对投票的影响来挖掘意见领袖。在新浪微博三个话题数据集上的实验结果表明,该算法是有效的,在覆盖度和核心率指标上的值高于用户权重排序和Microblog-Rank算法,在人工评价上的表现也优于这两种算法。

一种话题相关的微博意见领袖挖掘算法

微博中的意见领袖对信息的快速传播起着关键作用,能在短时间内对数量众多的用户产生直接或间接的影响.在微博中,意见领袖除了具有自身属性和网络结构特征外,还与参与的话题高度相关.针对已有挖掘研究只考虑了意见领袖的局部特征以及忽略了话题相关性的问题,提出一种话题相关的意见领袖挖掘算法.该算法首先根据微博用户的自身属性及用户间话题相关的交互信息构建带权的话题相关的微博图模型,并采用随机游走的思想来寻找图模型的中心节点,以此挖掘微博中的意见领袖.在新浪微博三个话题数据集上的实验结果表明,该算法挖掘的意见领袖在扩展核心率指标上优于类似算法.

基于双边满意度匹配电动汽车充电调度策略

电动汽车因节能减排而被大力推广,但其续航能力差,需要频繁充电。为了提高用户的出行体验和充电站收益,提出了一种基于双边满意度匹配的电动汽车充电调度策略(Bilateral Satisfaction Charging Schedule,BSCS),对分布在一定区域内的电动汽车与充电站实现一对一匹配。为了便于比较分析,进行了实验分析,与随机分配和面向用户行驶计划的调度策略进行了对比,实验结果证明,本匹配调度模型能够有效提高电动汽车主体与充电站主体的满意度,并优于上述两种调度模型。

基于IPSO-LSTM的高校贫困生精准资助方法

针对高校经济困难学生帮扶人工评审中主观因素影响较大的问题,提出基于IPSO-LSTM的高校贫困生精准资助方法。通过分析学生的基本信息数据和消费行为数据提取多维特征,使用长短期记忆神经网络搭建学生经济困难分类模型;利用粒子群优化算法解决模型参数确定困难的问题,并改进粒子群优化算法,提高算法的参数寻优精度和收敛速度。使用高校真实学生数据对所提方法的有效性和可靠性进行了验证,所提方法能较好完成学生贫困分类识别工作,分类准确率较好。

一种基于话题演化的意见领袖发现方法

微博中的意见领袖不仅在社交网络的信息传播中发挥着举足轻重的作用,而且在网络舆情演化中也表现出显著的意见代表性。针对已有的意见领袖挖掘方法仅从复杂网络或者基本图模型来建模发现意见领袖,忽略了意见领袖在具体的话题演化中的意见代表性的问题,提出了基于话题演化的意见领袖发现的方法。该方法首先根据用户之间的交互构建图模型,然后利用寻找中心节点的图论算法挖掘潜在意见领袖,再利用话题演化模型判断潜在意见领袖的演化中心度,最后发现在整体舆情上的具有意见代表性的真实意见领袖。在新浪微博的话题数据集上的试验结果表明,该算法较仅考虑网络模型的意见领袖发现方法更优。

基于概率矩阵分解的多指标协同过滤算法

为解决已有关于多指标评分推荐方法中忽略多指标之间存在相关性的问题,提出一种基于概率矩阵分解的多指标协同过滤算法(multi-criteria collaborative filtering algorithm based on probabilistic matrix factorization,M CPM F)。该算法将多指标评分表示成一个对整体用户和产品产生影响的权重矩阵,并假设该矩阵潜在分布服从高斯分布,其概率密度分布与用户和产品特征矩阵的概率密度分布条件相关。通过概率矩阵分解的方法学习得到用户和产品特征矩阵。在两个真实数据集上的试验结果表明,该方法比只考虑单一综合评分的方法能更加精确地预测用户的综合评分,同时能降低数据稀疏对推荐算法的影响。