检索结果-南通市图书馆

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

粗糙集方法在基于属性分类中的应用

安徽大学学报（自然科学版） 2005年第1期29卷 19-22页

作者：程家兴钱付兰安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039

介绍粗糙集基础上的属性分类系统的构造,给出一种数据挖掘中新的分类方法:从初始的数据信息出发,依次构造约简属性集,并对其使用Bayes判别法进行基于属性的分类。最后给出了实例,验证算法的可行性。

关键词：粗糙集属性集约简数据挖掘验证算法数据信息分类系统分类方法种数构造

在线全文

学校读者我要写书评

暂无评论

基于用户声誉的鲁棒协同推荐算法

自动化学报 2015年第5期41卷 1004-1012页

作者：张燕平张顺钱付兰张以文安徽大学计算机科学与技术学院合肥230601 安徽大学智能计算与信号处理教育部重点实验室合肥230601

随着推荐系统在电子商务界的快速发展以及取得的巨大经济收益,有目的性的托攻击是目前协同过滤系统面临的重大安全威胁,研究一种可抵御攻击的鲁棒推荐技术已成为目前推荐系统领域的重要课题.本文利用历史记录得到用户声誉,建立声誉推荐... 详细信息

随着推荐系统在电子商务界的快速发展以及取得的巨大经济收益,有目的性的托攻击是目前协同过滤系统面临的重大安全威胁,研究一种可抵御攻击的鲁棒推荐技术已成为目前推荐系统领域的重要课题.本文利用历史记录得到用户声誉,建立声誉推荐系统,并结合协同过滤推荐领域内的隐语义模型,提出基于用户声誉的隐语义模型鲁棒协同算法.本文提出的算法从人为攻击和自然噪声两个方面对系统的鲁棒性进行了改善.在真实的数据集Movielens 1M上的实验表明,与现有的鲁棒性推荐算法相比,这种算法具有形式简单、可解释性强、稳定的特点,且在精度得到一定提升的情况下大大增强了系统抵御攻击的能力.

关键词：推荐系统协同过滤声誉托攻击

在线全文

学校读者我要写书评

暂无评论

基于种子候选的贪心策略影响力最大化算法

模式识别与人工智能 2020年第11期33卷 1033-1042页

作者：李美玲钱付兰徐涛赵姝张燕平安徽大学计算机科学与技术学院合肥230601 安徽大学计算智能与信号处理教育部重点实验室合肥230601

爬山贪心算法的时间复杂度较高,不易扩展至大规模社会网络.为了解决此问题,文中从理论上分析节点集影响力评估可转化为局部概率解计算,能够提高算法运行效率.将局部概率解函数拓展到贪心算法中,提出基于种子候选的贪心影响力最大化算法... 详细信息

爬山贪心算法的时间复杂度较高,不易扩展至大规模社会网络.为了解决此问题,文中从理论上分析节点集影响力评估可转化为局部概率解计算,能够提高算法运行效率.将局部概率解函数拓展到贪心算法中,提出基于种子候选的贪心影响力最大化算法和基于种子候选的偷懒贪心影响力最大化算法.在4个真实数据集上实验表明,文中算法与具有成本效益的惰性前向选择算法(CELF)性能一致,但在运行时间上快于CELF.

关键词：社会网络贪心算法蒙特卡洛模拟影响力最大化局部概率解

在线全文

学校读者我要写书评

暂无评论

加权好友推荐模型链路预测算法

计算机科学与探索 2019年第3期13卷 383-393页

作者：钱付兰杨强马闯张燕平安徽大学计算机科学与技术学院合肥230601 安徽大学信息保障技术研究中心合肥230601 安徽大学数学科学学院合肥230601

链路预测是复杂网络的一个重要研究方向。基于节点结构相似性进行链路预测是目前常用的方法。真实网络中存在大量的局部群落结构,针对不同的网络结构构建算法是链路预测的核心问题。利用社交网络好友推荐策略,中介人倾向于将自己更熟悉... 详细信息

链路预测是复杂网络的一个重要研究方向。基于节点结构相似性进行链路预测是目前常用的方法。真实网络中存在大量的局部群落结构,针对不同的网络结构构建算法是链路预测的核心问题。利用社交网络好友推荐策略,中介人倾向于将自己更熟悉的人介绍给目标用户,提出了一种节点相似性度量指标。该指标结合局部特征描述并有效区分了用户节点之间影响力的不同,更适用于一类特定的局部群落结构。依据该指标提出的加权好友推荐模型链路预测算法在12个数据集上的实验结果表明,该算法在AUC和Precision两个评价标准上具有明显优势。

关键词：复杂网络好友推荐链路预测相似性指标

在线全文

学校读者我要写书评

暂无评论

基于局部概率解的免疫遗传影响力最大化算法

计算机科学与探索 2020年第5期14卷 783-791页

作者：钱付兰徐涛赵姝张燕平安徽大学计算机科学与技术学院合肥230601 安徽大学信息保障技术研究中心合肥230601

影响力最大化问题是在复杂社会网络中选择一小部分用户在特定传播模型下最大化影响扩散。基于贪心的蒙特卡洛模拟方法在理论上保证近乎最优的解决方案,但算法运行效率很低。虽然已经开发出许多没有理论保证的启发式方法,但都大大降低了... 详细信息

影响力最大化问题是在复杂社会网络中选择一小部分用户在特定传播模型下最大化影响扩散。基于贪心的蒙特卡洛模拟方法在理论上保证近乎最优的解决方案,但算法运行效率很低。虽然已经开发出许多没有理论保证的启发式方法,但都大大降低了解决方案的质量。为解决该问题,提出局部概率解策略计算节点集的影响力,其性能近似于蒙特卡洛模拟,并且提出基于免疫遗传的影响力最大化算法。在4个真实数据集上的实验表明所提算法在解决影响力最大化问题上的高效性。在影响力传播范围上,和当前表现最好的CELF算法有极其相近的性能,且运行效率比CELF算法快大约5个数量级。

关键词：社会网络影响力最大化蒙特卡洛模拟免疫遗传

在线全文

学校读者我要写书评

暂无评论

基于深度混合模型评分推荐

南京航空航天大学学报 2019年第5期51卷 592-598页

作者：钱付兰李建红赵姝张燕平安徽大学计算机科学与技术学院合肥230601 安徽大学信息保障技术研究中心合肥230601

从用户?项目评分矩阵中学习用户对项目的个性化偏好,对于评分推荐来说至关重要。许多推荐方法如潜在因子模型,无法充分利用评分矩阵中的交互信息学到较好的个性化偏好而得到较差推荐效果。受深度学习中Wide and Deep模型应用于APP推荐启... 详细信息

从用户?项目评分矩阵中学习用户对项目的个性化偏好,对于评分推荐来说至关重要。许多推荐方法如潜在因子模型,无法充分利用评分矩阵中的交互信息学到较好的个性化偏好而得到较差推荐效果。受深度学习中Wide and Deep模型应用于APP推荐启发,本文提出一种深度混合模型并命名为DeepHM用于评分推荐。与Wide and Deep模型相比,使用DeepWide和DNN部分重构Wide模型和Deep模型得到DeepHM,并且DeepWide和DNN部分共享交互信息输入。因此,DeepHM可以更有效地使用评分矩阵中的用户和项目的交互信息学到个性化偏好信息。DeepHM将评分推荐作为分类问题旨在提高推荐准确性。实验表明在公开的Movielens数据集上DeepHM算法相比现有的基于评分推荐模型具有更好的效果。

关键词：深度学习推荐算法评分推荐

结合共同邻居贡献度的节点相似性链路预测算法

在线全文

学校读者我要写书评

暂无评论

数据采集与处理 2018年第5期33卷 900-910页

作者：王鑫陈喜钱付兰张燕平安徽大学计算机科学与技术学院合肥230601 安徽大学计算机智能与信号处理教育部重点实验室合肥230601

链路预测是复杂网络的一个重要研究方向,基于节点相似性的链路预测方法是最为常用的一种方法。目前大部分使用节点链接紧密度的节点相似性链路预测方法,未考虑每个共同邻居节点的差异性,即不同的节点对连边的贡献度是不同的。本文提出... 详细信息

链路预测是复杂网络的一个重要研究方向,基于节点相似性的链路预测方法是最为常用的一种方法。目前大部分使用节点链接紧密度的节点相似性链路预测方法,未考虑每个共同邻居节点的差异性,即不同的节点对连边的贡献度是不同的。本文提出一种结合共同邻居节点之间的节点贡献度和链接紧密度的链路预测算法。该算法首先计算共同邻居节点之间的链接信息作为节点的链接紧密度,再定义耦合度聚簇系数表示共同邻居节点贡献度,最终将二者结合。在实际数据集上的实验结果表明,该算法比4种经典的链路预测算法(CN,AA,RA和Jaccard)和基于节点链接密度的算法CNBIDE具有更好的预测精度。

关键词：复杂网络链路预测贡献度紧密度节点相似性

一种局部和全局用户影响力相结合的社交推荐算法

在线全文

学校读者我要写书评

暂无评论

南京大学学报（自然科学版） 2015年第4期51卷 858-865页

作者：张燕平张顺钱付兰严远亭安徽大学计算机科学与技术学院合肥230601 安徽大学智能计算与信号处理教育部重点实验室合肥230601

传统的协同过滤推荐系统认为用户之间的行为相互独立,忽视了用户之间的影响关系.而用户的历史行为数据不同、社交网络关系不同,其相互之间存在的影响力不同.为了分析用户的社交影响力在推荐中所起到的作用,通过历史行为数据和社交网络... 详细信息

传统的协同过滤推荐系统认为用户之间的行为相互独立,忽视了用户之间的影响关系.而用户的历史行为数据不同、社交网络关系不同,其相互之间存在的影响力不同.为了分析用户的社交影响力在推荐中所起到的作用,通过历史行为数据和社交网络结构分析用户的局部影响力和全局影响力,分别提出基于局部影响力和基于全局影响力的模型以及两种影响力综合的模型.通过在真实的数据集上的实验表明,与以往方法相比,本文提出的基于影响力的三种模型在推荐精度上有一定提升,且在稀疏的数据集上基于全局影响力的模型和综合模型提升效果比更明显.

关键词：推荐系统社交网络矩阵分解影响力

在线全文

学校读者我要写书评

暂无评论

粒计算与统计学习理论

计算机科学与探索 2013年第8期7卷 754-761页

作者：张铃钱付兰何富贵安徽大学计算机科学与技术学院合肥230039 皖西学院信息工程学院安徽六安237012

互联网信息时代,如何从复杂的数据中进行有目标的数据挖掘是很多领域的一个中心问题。目前针对此问题的方法大多是基于统计学习理论的机器学习方法,并且粒计算在数据挖掘问题中有着广泛的应用。将粒计算方法与统计学习方法相结合,提出... 详细信息

互联网信息时代,如何从复杂的数据中进行有目标的数据挖掘是很多领域的一个中心问题。目前针对此问题的方法大多是基于统计学习理论的机器学习方法,并且粒计算在数据挖掘问题中有着广泛的应用。将粒计算方法与统计学习方法相结合,提出了一个更优的粒计算统计学习方法。给出了一个基于粒计算的统计分类算法,并与支持向量机(support vector machine,SVM)、覆盖算法进行了比较,实验表明通过粒化所得到的支持向量求解出的分类结果较优。

关键词：统计学习理论粒计算商空间支持向量机(SVM)