检索结果-南通市图书馆

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于图论的信息系统评价研究

数学的实践与认识 2020年第13期50卷 122-130页

作者：高学东纳迪尔北京科技大学东凌经济管理学院北京100083

本文针对信息系统评价中涉及的成本和收益难以理解和预测的问题,开展信息系统评价方法研究.已有的信息系统评价的文献中,用于信息系统评价指标可以归纳为:财务、非财务、显性和隐性方面.本文在对信息系统评价的文献进行梳理的基础上,建... 详细信息

本文针对信息系统评价中涉及的成本和收益难以理解和预测的问题,开展信息系统评价方法研究.已有的信息系统评价的文献中,用于信息系统评价指标可以归纳为:财务、非财务、显性和隐性方面.本文在对信息系统评价的文献进行梳理的基础上,建立了包括内部环境和外部环境的信息系统评价指标体系,运用图论处理评价信息系统中的隐性因素,采用网页排序算法计算隐性因素的权重.研究结果不仅给出信息系统的评价方法,而且有助于理解信息系统环境.文章最后给出了本文提出方法应用的一个示意性例子.

关键词：信息系统评价图论网页排名算法因素权重

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

面向中文书籍的书后索引项提取

计算机工程与设计 2019年第1期40卷 261-267页

作者：田梦李宁吕淑琪田英爱许洁北京信息科技大学计算机学院北京100101 中国电子技术标准化研究院北京100007

为提升索引编制的准确率与效率,改善基于关键词的提取算法无法很好地提取与书籍主题相关并且具有索引价值的索引项的问题,提出综合评价方式进行书后索引项的提取。利用候选索引项在知识库中的类别和引用关系,借鉴网页排名(PageRank)算... 详细信息

为提升索引编制的准确率与效率,改善基于关键词的提取算法无法很好地提取与书籍主题相关并且具有索引价值的索引项的问题,提出综合评价方式进行书后索引项的提取。利用候选索引项在知识库中的类别和引用关系,借鉴网页排名(PageRank)算法计算候选索引项的领域重要度;对书籍内部信息进行全面分析,利用统计、位置等特征计算候选索引项的书籍内部重要度;构建综合评价模型评价候选索引项作为书后索引项的适合程度。实验结果表明,所提方法在准确率、召回率和F值方面比未改进的算法有显著提高。

关键词：书后索引候选索引项提取书后索引项提取网页排名算法特征评价

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

基于稀疏矩阵面向论文索引排名的启发式算法

计算机应用 2015年第10期35卷 2733-2736,2741页

作者：万晓松王志海原继东北京交通大学计算机与信息技术学院

为了提高学术论文检索的精准性,进而为学术研究提供便利,提出了针对学术论文检索问题的排名策略。首先,介绍了基于网页排名算法面向论文索引排名的启发式方法,其中利用Hash索引技术有效地减少了稀疏矩阵计算对内存的消耗;其次,定义了论... 详细信息

为了提高学术论文检索的精准性,进而为学术研究提供便利,提出了针对学术论文检索问题的排名策略。首先,介绍了基于网页排名算法面向论文索引排名的启发式方法,其中利用Hash索引技术有效地减少了稀疏矩阵计算对内存的消耗;其次,定义了论文间引用关系图的密集度均衡值,并通过大量实验阐明了不同排名算法的迭代次数与图密集度均衡值之间的关系;最后,将所提出的基于论文索引排名的启发式算法应用于科学引文索引(SCI)数据库中,并与原被引频次降序的排序结果进行比较与分析。实验结果表明:在三种基于网页排名技术的算法中,基于链接结构分析的随机过程算法比较适合于按关键词搜索得到的相关领域学术论文的排名。

关键词：网页排名算法稀疏矩阵 Hash索引论文索引排名 SCI数据库

基于社区发现的社交网络影响力最大化算法研究

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

基于社区发现的社交网络影响力最大化算法研究

作者：周铨华中科技大学

学位级别：硕士

互联网技术的发展以及大量社交平台的出现,使得对社交网络的研究也引起学者的广泛关注。而社交网络的影响力最大化分析则是其中的一个研究热点,找到社交网络中小部分具有较大影响力的节点,在一定的影响力传播模型下,这些种子节点将影响... 详细信息

互联网技术的发展以及大量社交平台的出现,使得对社交网络的研究也引起学者的广泛关注。而社交网络的影响力最大化分析则是其中的一个研究热点,找到社交网络中小部分具有较大影响力的节点,在一定的影响力传播模型下,这些种子节点将影响力在网络中传播开来,从而最终影响到更多的其他节点。社交网络影响力分析在广告营销、舆情预测与监控等实际场景中都具有重要的作用。目前的影响力最大化算法主要分为启发式算法和贪心算法两大类。前者在时间复杂度上友好,但是挖掘的种子节点质量不高,影响范围没有理论上的保证。后者虽然能够保证种子节点的质量,但是时间复杂度过大,也不适用于当前的大型社交网络中的影响力节点挖掘。从降低时间复杂度和保证最终影响范围的角度考虑,将社区结构这一社交网络具有的重要属性引入影响力最大化分析中。首先,给出了一种改进的标签传播的社区发现算法,能够解决传统的标签传播算法存在的社区发现结果不稳定的缺点。其次,给出了启发式和贪心算法相结合的社交网络影响力最大化算法。首先利用网页排名算法对每个社区内部的节点计算潜在影响力,然后筛选出每个社区内具有高潜在影响力的部分节点,并使用贪心算法进行进一步筛选,从而挖掘出社区内部具有影响力的种子节点,并将它们作为全局候选种子节点。其次,亦选择部分连接多个社区的边界节点作为候选种子节点。最后针对所有候选节点在全局网络上再度执行一次贪心算法,从而得到最终的种子节点。选择了真实数据集,分别对提出的社区发现算法和影响力最大化算法和多个相关的经典算法进行了对比分析。实验结果说明了论文所给出算法的优越性和可行性。

关键词：影响力最大化社交网络社区发现网页排名算法