检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

区域创新体系的交互强度及其边界

管理学报 2009年第11期6卷 1501-1506页

作者：陆立军陆舞鹄浙江师范大学工商管理学院杭州市工业资产经营有限公司

提出了交互强度的概念,指出它是区域内各个节点之间相互交流、合作、竞争和学习的紧密程度,并主张用交互强度来界定区域创新体系的边界。区域作为一个创新体系,其内部最主要的因素是行为主体之间的互动关系以及由此形成的网络结构,而交... 详细信息

提出了交互强度的概念,指出它是区域内各个节点之间相互交流、合作、竞争和学习的紧密程度,并主张用交互强度来界定区域创新体系的边界。区域作为一个创新体系,其内部最主要的因素是行为主体之间的互动关系以及由此形成的网络结构,而交互强度的测定量化了这种互动关系,从而为明确界定区域创新体系的边界奠定了基础。

关键词：区域创新体系交互强度创新网络

在线全文

学校读者我要写书评

暂无评论

区域创新体系的交互强度及其边界

创新政策与管理 2010年第4期 1501-1506页

作者：陆立军陆舞鹄

提出了交互强度的概念，指出它是区域内各个节点之间相互交流、合作、竞争和学习的紧密程度，并主张用交互强度来界定区域创新体系的边界。区域作为一个创新体系，其内部最主要的因素是行为主体之间的互动关系以及由此形成的网络结构，... 详细信息

提出了交互强度的概念，指出它是区域内各个节点之间相互交流、合作、竞争和学习的紧密程度，并主张用交互强度来界定区域创新体系的边界。区域作为一个创新体系，其内部最主要的因素是行为主体之间的互动关系以及由此形成的网络结构，而交互强度的测定量化了这种互动关系，从而为明确界定区域创新体系的边界奠定了基础。

关键词：区域创新体系交互强度创新网络

来源：人大复印报刊资料评论

在线全文

人大复印报刊资料

学校读者我要写书评

暂无评论

基于交互链路的相似用户推荐算法

南京理工大学学报 2018年第2期42卷 183-188页

作者：李颖朱保平南京理工大学计算机科学与工程学院江苏南京210094

用户推荐是社交软件中必不可少的功能之一。针对目前绝大多数的用户推荐算法仅从用户的关注和粉丝中寻找相似用户,忽略了与其有过交互但却未关注该用户的人,以及仅关注用户间的直接交互、未考虑间接交互对推荐效果的影响等问题,该文提... 详细信息

用户推荐是社交软件中必不可少的功能之一。针对目前绝大多数的用户推荐算法仅从用户的关注和粉丝中寻找相似用户,忽略了与其有过交互但却未关注该用户的人,以及仅关注用户间的直接交互、未考虑间接交互对推荐效果的影响等问题,该文提出了一种有效的基于交互链路的相似用户推荐算法。该算法将用户基本信息相似度与交互强度相结合,实现了相似用户的推荐。与已有算法相比,该算法扩展了发现相似用户的范围,并在交互链路的大背景下将间接交互引入交互强度计算中。实验结果表明,该文算法能够发现更多的相似用户。

关键词：用户推荐交互链路基本信息相似度交互强度间接交互

在线全文

学校读者我要写书评

暂无评论

基于签到数据的城市间交互网络研究

地理与地理信息科学 2013年第6期29卷 1-5,F0002页

作者：隋正伟邬伦刘瑜北京大学遥感与地理信息系统研究所北京100871

大数据时代的到来及LBS(Location Based Service)服务的迅猛发展产生了前所未有的海量精度高、范围广的数据,这为研究人类行为模式及由此产生的城市间交互研究提供了新的途径。该文利用带有位置的签到数据,通过提取个体在城市间的移动... 详细信息

大数据时代的到来及LBS(Location Based Service)服务的迅猛发展产生了前所未有的海量精度高、范围广的数据,这为研究人类行为模式及由此产生的城市间交互研究提供了新的途径。该文利用带有位置的签到数据,通过提取个体在城市间的移动轨迹构建了中国城市间交互网络,并通过复杂网络理论与方法对城市间交互网络的基本特征和区域结构空间格局进行了实证研究。研究表明,中国城市间交互网络呈现小世界特性和区域化结构状态,由于城市规模分布不同造成了城市间交互强度的幂律分布特征,中国城市体系形成了8个国家级城市区域和21个省级地方城市区域的总体格局,区域边界与行政边界呈现了高度的吻合。

关键词：签到数据交互强度中国城市复杂网络

基于节点亲密度和影响力的社交网络舆论形成模型

在线全文

学校读者我要写书评

暂无评论

计算机应用 2017年第4期37卷 1083-1087页

作者：张亚楠孙士保张京山尹立航闫晓龙河南科技大学信息工程学院河南洛阳471023

针对舆论传播过程中个体交互的广泛性和个体社会影响力的差异性,在Hegselmann-Krause模型的基础上建立了社交网络舆论形成模型。新模型通过引入个体间亲密度、人际相似性和交互强度等概念,对个体交互集合进行了扩展,并对影响力权重进行... 详细信息

针对舆论传播过程中个体交互的广泛性和个体社会影响力的差异性,在Hegselmann-Krause模型的基础上建立了社交网络舆论形成模型。新模型通过引入个体间亲密度、人际相似性和交互强度等概念,对个体交互集合进行了扩展,并对影响力权重进行了合理量化,进而构建更切合实际的观点交互规则。通过一系列仿真实验,分析了模型主要参数在舆论演化中的作用。结果表明:在不同信任阈值下,群体观点均能收敛到一致,形成舆论共识;且信任阈值越大,收敛时间越短;当信任阈值为0.2时,收敛时间仅为10。同时,扩大交互集合、提高人际相似性的作用强度会促进舆论共识的形成。此外,当无标度网络的聚类系数和平均度较高时,群体观点更容易产生趋同效应。研究结果有助于理解舆论形成的动力学过程,对社会管理者进行决策分析具有指导作用。

关键词：社交网络舆论形成共识亲密度人际相似性交互强度

面向移动社交网络的用户关系强度并行挖掘算法研究

在线全文

学校读者我要写书评

暂无评论

面向移动社交网络的用户关系强度并行挖掘算法研究

作者：朱一波南京师范大学

学位级别：硕士

近年来,在定位技术和通信技术发展的双重推动下,社交网站、应用、媒体的迅速扩散和基于位置的服务的迅速崛起催生了移动社交网络,为社交网络的挖掘提供了新的研究视角和思路。社交网络挖掘既是一个新兴而又热门的研究领域,同时也是多学... 详细信息

近年来,在定位技术和通信技术发展的双重推动下,社交网站、应用、媒体的迅速扩散和基于位置的服务的迅速崛起催生了移动社交网络,为社交网络的挖掘提供了新的研究视角和思路。社交网络挖掘既是一个新兴而又热门的研究领域,同时也是多学科交叉的研究领域。用户关系强度挖掘是社交网络挖掘的一个重要研究内容,可以广泛的应用于用户隐私保护、社会化推荐、微博情感分析、网络信息传播研究、舆情监控和研判等领域。本文研究了移动社交网络中的用户关系问题,提出了面向移动社交网络的用户关系强度并行挖掘算法,创新点如下。1.提出了一种基于特征赋权的用户交互强度计算方法UISFW(User Interaction Strength computing algorithm based on Features Weighting),提取蕴含了交互行为和交互模式信息的交互特征计算用户交互强度,并对不同交互特征赋予了不同的权重,体现了不同交互特征对交互强度的影响程度。2.提出了一种用户频繁移动模式并行挖掘算法PAUFMP(a Parallel Algirithm for mining User Frequent Moving Patterns with time-constraints),借助序列模式挖掘方法发现用户频繁移动模式,同时考虑了时间和空间因素,适用于海量时空数据的挖掘。3.提出了一种面向移动社交网络的用户关系强度并行挖掘算法PMAURS(a Parallel Mining Algorithm of User Relationship Strength for mobile social network),结合了移动社交网络中用户交互数据和轨迹数据的特点,从规律性的交互模式和频繁移动模式中挖掘用户关系强度。4.提出了基于用户关系强度的用户分组方法EquiGroup、NormGroup和ExpoGroup,将定性分析和定量分析、离散表示和连续表示两两结合起来,同时体现用户之间的社会关系和亲密程度。通过一系列相关实验表明,本文提出的面向移动社交网络的用户关系强度并行挖掘算法的准确率和排序效果与真实结果有着很高的一致性;同时,用户分组方法能够准确体现不同场景中用户间的社会关系和亲密程度。本文对移动社交网络中用户关系强度挖掘算法的研究真实有效,具有一定价值。

关键词：移动社交网络基于位置的服务交互强度频繁移动模式用户关系强度挖掘用户分组并行化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

社交网络上舆论形成模型研究

社交网络上舆论形成模型研究

作者：张亚楠河南科技大学

学位级别：硕士

随着网络信息技术的快速发展,微博、微信、Facebook、Twitter等在线社交网络已成为人们获取信息、发表观点、表达情绪的重要途径,给舆论的传播、演化与形成带来极大便利。研究社交网络中舆论信息的传播过程和演化机制,对科学进行舆论的... 详细信息

随着网络信息技术的快速发展,微博、微信、Facebook、Twitter等在线社交网络已成为人们获取信息、发表观点、表达情绪的重要途径,给舆论的传播、演化与形成带来极大便利。研究社交网络中舆论信息的传播过程和演化机制,对科学进行舆论的监控和引导具有重要的意义。网络舆情的相关研究逐渐从社会传播学、心理学延伸到了信息科学、复杂性科学、理论物理学等交叉学科领域。本文从复杂网络和协同理论视角出发,分析了社交网络舆论演化与形成过程中存在的内外因素,对舆论动力学模型进行了深入研究,主要工作包括:第一,针对规则网络、随机网络和小世界网络无法反映真实社交网络拓扑特性的问题,构建了具有可变聚类系数和无标度性质的社交网络模型,以此作为舆情演化模型的网络载体。第二,针对舆情演化过程中人际关系网络的复杂性和个体邻域的异质性,建立了协同舆情演化模型。通过不同参数下的实验,分别讨论了序参量和网络结构特征对系统磁化率的影响。结果表明,序参量更能体现舆情系统的协同效应,比较符合网络舆情演化的实际情况。第三,针对舆论传播和演化过程中个体交互的广泛性和个体社会影响力的差异性,在Hegselmann-Krause模型的基础上建立了社交网络舆论形成模型。新模型通过引入个体间亲密度、人际相似性和交互强度等概念,对个体交互集合进行了扩展,并对影响力权重进行了合理量化,进而构建更切合实际的观点交互规则。通过一系列仿真实验,对模型进行了深入分析和讨论。结果表明:在不同信任阈值下,群体观点均能收敛到一致,形成舆论共识;且信任阈值越大,收敛时间越短。同时,扩大交互集合、提高人际相似性的作用强度会促进舆论共识的形成。此外,当无标度网络的聚类系数和平均度较高时,群体观点更容易产生趋同效应。

关键词：复杂网络社交网络协同效应舆情演化舆论形成亲密度人际相似性交互强度

基于核心成员视角的创新生态系统演化特征及其适应度提升研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于核心成员视角的创新生态系统演化特征及其适应度提升研究

作者：阮芙蓉合肥工业大学

学位级别：硕士

创新生态系统作为创新管理研究相对较新的领域,对创新活动的开展具有关键的影响作用,演化问题是创新生态系统的重要基础性问题,而探究成员间交互机制则是进一步明确系统发展模式的方式之一。目前关于创新生态系统演化的研究较少体现成... 详细信息

创新生态系统作为创新管理研究相对较新的领域,对创新活动的开展具有关键的影响作用,演化问题是创新生态系统的重要基础性问题,而探究成员间交互机制则是进一步明确系统发展模式的方式之一。目前关于创新生态系统演化的研究较少体现成员间互利共生的特质以及动态的寻优过程,对于成员交互的研究则较少考虑成员间角色差异及关系强度的影响。基于此,我们通过仿真模拟对创新生态系统演化过程中的一般性系统特征与成员交互特征进行探讨,试图发现其对于创新生态系统适应度的影响差异。本文首先基于不同成员及成员间不同关系强度对创新生态系统适应度及其演化影响的差异性,引入权重参数和关系强度对NK基本模型进行了拓展,并基于拓展模型对创新生态系统的演化路径进行研究。结果显示:○1基于权重视角,相较于传统的“补短板”思想,创新生态系统中“补长板”将取得更高的效益;○2适宜的关系强度能够提升创新生态系统整体的适应度值;○3全局性眼光有助于创新生态系统最佳演化路径的选择。其次,基于拓展NK模型,通过调整系统规模、成员间交互数量与交互强度,对创新生态系统的交互机制及其对系统适应度的影响进行分析。结果显示:在其他因素保持固定的情况下,考虑核心成员的作用后,系统规模以及成员间交互数量的变化均会对系统适应度带来较大的影响,变化趋势可由明显波动的折线表达。

关键词：创新生态系统 NK模型交互数量交互强度系统适应度

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于矩阵分解的优化社交推荐算法研究

基于矩阵分解的优化社交推荐算法研究

作者：周璐鑫重庆交通大学

学位级别：硕士

随着网络技术的不断发展,人们面临的信息过载问题愈发严峻。在信息选择和决策过程中,用户受信息获取方式的影响日益显著。推荐算法凭借其出色的信息过滤和数据挖掘能力,在短时间内为用户提供了有效推荐。考虑到用户在购物或接受服务时... 详细信息

随着网络技术的不断发展,人们面临的信息过载问题愈发严峻。在信息选择和决策过程中,用户受信息获取方式的影响日益显著。推荐算法凭借其出色的信息过滤和数据挖掘能力,在短时间内为用户提供了有效推荐。考虑到用户在购物或接受服务时易受朋友影响,本文认为融合社交信息的推荐算法有助于提高推荐的准确性和可解释性。尽管近几年社交化推荐算法已取得显著进展,但仍存在间接关系挖掘不充分、特征间关联被忽略等问题。因此,本文对基于矩阵分解的社交化推荐算法展开进一步的研究,提出融合交互强度的优化社交推荐算法,主要从以下两个方面进行研究:第一,针对现有社交化推荐算法在探索评级数据与社交数据间关联方面存在不足的问题,本文提出一种融合交互强度的优化社交推荐算法。首先,为了充分挖掘用户的社交和评级信息,该算法将好友相似度和评级相似度相结合来丰富社交矩阵。其次,将用户间的复杂关系定义为交互强度,以更准确地描述他们之间的互动程度。最后,利用交互强度与社交关系间的关联,以及用户潜在特征与群体参与特征间的关联,构建新的目标函数,学习用户和项目的潜在特征,实现对用户的个性化推荐。第二,为进一步结合社交信息探索用户间的间接关系,并融入项目间关联来提高推荐质量,本文提出一种新的基于相似度和间接关系的优化社交推荐算法。首先,为了缓解数据稀疏性,同时挖掘用户社交与项目之间的关联,对相似性度量方法进行改进,得到两个相关矩阵。其次,通过矩阵分解得到用户和项目间的间接关系。最后,为了确保用户和项目潜在特征能够同时捕获各自的偏好和各自所处群组的偏好,对矩阵分解中的目标函数进行优化,以期得到更好的用户和项目潜在特征,从而改善推荐性能。为了验证所建立算法的有效性,本文在一些公用数据集上进行了实验。实验结果表明:两种优化社交推荐算法在各自选取的性能指标上都表现良好。不仅如此,两种算法在面对不同评级数量的用户时还展现出良好的鲁棒性。综上,融合交互强度可以进一步提升社交化推荐算法性能,增强用户体验感。

关键词：矩阵分解交互强度相似度计算间接关系社交化推荐