检索结果-南通市图书馆

重庆大学学报 2022年第7期45卷 93-102页

作者：谭伟贾朝龙桑春艳重庆邮电大学软件工程学院重庆400065

在社交网络中,人们往往会访问自己比较感兴趣和离自己比较近的地方,而兴趣点推荐就是根据用户的兴趣偏好能够有效地帮助用户选择自己比较感兴趣的地点。笔者提出一种基于位置和时间信息的兴趣点推荐方法。该方法从兴趣点的角度出发分为... 详细信息

在社交网络中,人们往往会访问自己比较感兴趣和离自己比较近的地方,而兴趣点推荐就是根据用户的兴趣偏好能够有效地帮助用户选择自己比较感兴趣的地点。笔者提出一种基于位置和时间信息的兴趣点推荐方法。该方法从兴趣点的角度出发分为3个步骤,首先使用用户历史访问的兴趣点的位置信息计算用户历史访问兴趣点和用户未曾访问过的兴趣点的相似度;然后使用时间信息,将一天划分为不同的时间段,统计所有兴趣点在一天中不同时间段被签到的次数,计算用户历史访问兴趣点和用户未曾访问过的兴趣点的相似度;最后根据兴趣点的位置和时间信息综合计算用户历史访问兴趣点与用户未曾访问兴趣点的相似度,根据Top-N策略向用户推荐用户未曾访问过的兴趣点。在现实社会中的真实数据集上进行实验验证,实验结果表明笔者提出的方法是有效的。

关键词：社交网络兴趣点推荐兴趣偏好相似度 Top-N

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

轨道不平顺时间序列关联度及其变化趋势研究

引用

交通运输系统工程与信息 2012年第6期12卷 157-163页

作者：贾朝龙徐维祥王寒凝北京交通大学轨道交通控制与安全国家重点实验室北京100044 北京交通大学交通运输学院北京100044

轨道几何形状检测数据是一个随时间变化具有随机特征的时间序列,反映轨道几何状态的变化.在本文中,灰色关联度理论用于研究轨道水平不平顺时间序列数据,挖掘时间序列数据之间隐含的关系;经过普遍适应性改进和残差修正改进的灰色GM(1,1)... 详细信息

轨道几何形状检测数据是一个随时间变化具有随机特征的时间序列,反映轨道几何状态的变化.在本文中,灰色关联度理论用于研究轨道水平不平顺时间序列数据,挖掘时间序列数据之间隐含的关系;经过普遍适应性改进和残差修正改进的灰色GM(1,1)模型预测固定测点轨道不平顺长期状态变化趋势,随机线性AR和卡尔曼滤波模型分析单元区段轨道不平顺短期变化趋势,探索轨道状态变化随机数据序列中隐藏的规律并进行预测.短期和长期预测模型验证结果表明,三种模型是有效的,能够达到预期的精度.

关键词：铁路运输轨道不平顺时间序列灰色模型灰色关联度卡尔曼滤波

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于GM(1,1)与AR模型的轨道不平顺状态预测

引用

北京交通大学学报 2012年第3期36卷 52-56页

作者：贾朝龙徐维祥王福田王寒凝北京交通大学轨道交通控制与安全国家重点实验室北京100044

反映轨道几何状态变化的轨道几何检测数据是一个随时间变化的时间序列,具有随机性特点.本文将经过普遍适应性改进的灰色GM(1,1)与随机线性AR模型相结合,研究轨道水平不平顺状态在点、单元区段范围随时间变化趋势,并对GM(1,1)预测的残差... 详细信息

反映轨道几何状态变化的轨道几何检测数据是一个随时间变化的时间序列,具有随机性特点.本文将经过普遍适应性改进的灰色GM(1,1)与随机线性AR模型相结合,研究轨道水平不平顺状态在点、单元区段范围随时间变化趋势,并对GM(1,1)预测的残差进行修正,从轨道水平的几何状态变化的随机数据序列中找寻变化规律.用得到的几何状态变化模型分别对轨道的短期、中长期状态进行预测分析,预测结果表明模型是有效的,满足预定精度的要求.

关键词：轨道不平顺随机过程灰色模型时间序列自回归

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

社交网络中基于注意力机制的网络舆情事件演化趋势预测

引用

计算机科学 2021年第7期48卷 118-123页

作者：桑春艳胥文贾朝龙文俊浩重庆邮电大学软件工程学院重庆400065 重庆大学大数据与软件学院重庆401331

与传统媒体相比,社交网络在传播新闻、思想、观点等方面发挥着突出的作用,同时也是传播谣言、虚假新闻等负面信息的最佳途径。因此,对网络舆情演化趋势的准确预测和有效控制已成为重要的研究话题。目前,大多数研究从理论建模的角度对网... 详细信息

与传统媒体相比,社交网络在传播新闻、思想、观点等方面发挥着突出的作用,同时也是传播谣言、虚假新闻等负面信息的最佳途径。因此,对网络舆情演化趋势的准确预测和有效控制已成为重要的研究话题。目前,大多数研究从理论建模的角度对网络舆情事件的演化特性和发展趋势进行预测,基于用户行为特征的信息传播演化趋势预测模型的建模及分析有待进一步研究。考虑到信息传播过程中用户之间的相互影响,文中提出一种基于注意力机制的方法,旨在探究社交网络中用户在信息传播过程中的影响来预测信息的传播趋势。首先,利用基于长短时记忆神经网络(Long Shot-Term Memory,LSTM)的网络架构来获取信息传播的轨迹特征。其次,考虑到信息传播和用户行为的复杂性,利用注意力机制挖掘用户之间的依赖性来预测真实的信息传播过程。最后,综合考虑影响信息传播的驱动因素,得到一种基于注意力机制的信息传播演化趋势预测模型(Attention Diffusion Neural Network,ADNN)。在4个对比数据集上的实验结果显示,ADNN模型优于流行的序列模型,该模型能够有效利用驱动因素对信息传播的影响,更准确地预测社交网络中信息的传播趋势。

关键词：信息传播趋势预测注意力机制深度学习

来源：

维普期刊数据库

同方期刊数据库评论