共查询到20条相似文献，搜索用时 31 毫秒
1.
2.
3.
在对当前术语语义相似度集成相关研究进行分析的基础上,针对典型集成方法存在的不足,构建了基于多种测度的术语相似度集成计算模型.首先对集成计算模型的设计思路进行论述;其次提出了在模型中应用的相似度网络初始化算法、术语语词相似度改进算法、术语语境模板相似度改进算法以及基于搜索引擎的术语相似度改进算法,并实现了该集成计算模型;最后对该模型中所使用的各种相似度测度计算性能指标以及完全计算SVM集成和条件计算SVM集成性能指标进行对比评测.实验证明,该计算模型的F1综合性能达到0.8797,并能缩短32%的计算时间,有效提升了术语相似度综合计算性能. 相似文献
4.
针对无线传感器网络中DV-Hop定位算法的不足,提出一种基于迭代协作的优化算法(ICDV-Hop算法)。通过限制跳数来减小距离误差,利用共线度测试约束节点间几何位置关系,选择最优信标三角形组合以提高定位精度。同时将定位误差在设定阈值范围内的已定位节点转化为信标节点,进行迭代协作,从而在控制误差传播的前提下增加定位覆盖。仿真结果表明,ICDV-Hop算法与传统DV-Hop算法相比,定位精度和定位覆盖均有明显改善,定位性能受网络条件影响小,表现出良好的可靠性和鲁棒性,尤其是在信标节点比例较低及网络稀疏的情况下。 相似文献
5.
针对传统微博网络用户影响力度量方法中用户关系不明确、时间特征不明显的问题,从网络结构、交互行为和时间3个角度考虑影响力的个体差异,提出一种基于改进HITS算法的微博用户影响力计算方法。该方法以用户间动态交互行为作为切入点,选择其动态交互强度作为改进算法的边权重,通过sigmoid函数对中心值进行修正,整合用户的权威值和中心值量化用户影响力,提高算法的适应性,计算结果更为合理,为微博用户影响力计算提供了新的思路。以新浪微博为实验对象,实验结果表明,该方法相对于传统影响力计算方法,在DCG值、查准率、召回率和F值评价指标方面均有所提升。 相似文献
6.
二维下料问题是组合优化领域常见的问题之一,在钢板、木材、玻璃、纸张等工程技术和工业生产中有着重要和广泛的应用,本质上是个NP完全问题,传统的优化算法难以求解。本文针对下料问题的特殊性,采用蜂群算法求解,数值实验结果表明了这种算法的有效性。 相似文献
7.
8.
融合社会网络的协同过滤推荐算法研究 总被引：1，自引：0，他引：1
针对传统协同过滤推荐算法的数据稀疏性及恶意行为等问题,提出一种新的基于社会网络的协同过滤推荐算法。该算法借助社会网络信息,结合用户信任和用户兴趣,寻找目标用户最近邻居,并以此作为权重,形成项目推荐,以提高推荐的准确度。实验表明,相对于传统的协同过滤算法,该算法可有效缓解稀疏性及恶意行为带来的问题,显著提高推荐系统的推荐质量。 相似文献
9.
[目的/意义]为应对微博内向型传导热点生灭速度快、热点特征不明显等问题,研究新型的微博内向型传导热点发现与预测算法。[方法/过程]针对上述问题,基于复杂网络分析方法,构建微博传导热点预测算法,该算法通过复杂网络节点模型扩展生成微博传导节点模型,发现内向型传导节点的传导子网;通过对传导节点序列实施热功率计算,对其信息传导覆盖范围以及未来影响力进行预测,进行传导热点发现及预测。[结果/结论]数据实验表明,该算法较之目前常用的热点预测算法,具有较高的传导热点覆盖率和准确率,且耗时较少,性价比较高。 相似文献
10.
11.
网络竞争情报主题采集技术研究 总被引：2，自引：0，他引：2
文章设计与实现了一种网络竞争情报的主题采集系统。该系统在进行主题预测时采用的基于改进的朴素贝叶斯算法提高了主题判断准确率,在进行链接预测时采用的基于规则与锚文本主题相似度结合的算法,避免了URL锚文本较短和噪声的问题。与宽度优先的采集技术相比,通过实验验证该方法具有明显的优越性。 相似文献
12.
本研究通过问卷调查探讨了网络社群参与对个体社区归属感的影响问题,研究发现,网络社群参与的信息获取和社会交往动机都可以正向显著预测个体社区归属感,娱乐消遣动机则无法显著预测个体社区归属感。同时,网络社群参与的卷入程度和自我揭露程度都可以正向显著预测个体社区归属感,但满意程度无法显著预测。总体而言,网络社群参与有助于个体的线下社区归属感,这体现了网络社群的"连接"和"黏贴"原子化个体的积极功能。 相似文献
13.
文章利用LDA模型进行文本降维和特征提取,并将传统分类算法置于集成学习框架下进行训练,以探讨是否能提高单一分类算法的分类准确度,并获得较优的分类效果,使LDA模型能够发挥更高的性能和效果,从而为文本分类精度的提高服务。同时,以Web of Science为数据来源,依据其学科类别划分标准,建立涵盖6个主题的实验文本集,利用Weka作为实验工具,以平均F值作为评价指标,对比分析了朴素贝叶斯、逻辑回归、支持向量机、K近邻算法4种传统分类算法以及AdaBoost、Bagging、Random Subspace 3种集成学习算法的分类效果。从总体上看,通过“同质集成”集成后的文本分类准确率高于单个分类器的分类准确率;利用LDA模型进行文本降维和特征提取,将朴素贝叶斯作为基分类器,并利用Bagging进行集成训练,分类效果最优,实现了“全局最优”。 相似文献
14.
针对微博短文本评论,基于情感分析技术,从情感类转移等角度实现对网络舆情演变趋势的预测。本文以突发事件“新冠肺炎疫情”初期的相关微博评论文本作为研究对象,基于扩展关联规则Apriori算法和马尔可夫链提出一种新的方法,即偏差规则马尔可夫模型（the deviation rules Markov model,DRMM）。该模型分析了网民情感类间的相关性和转移性,通过计算不同的情感类转移概率、构建时变的情感状态转移矩阵对疫情初期网民情感状态的变化趋势进行预测。实验采取平均绝对误差（mean absolute error,MAE）和均方根误差（root mean squared error,RMSE）来衡量模型预测值与真实值之间的误差。研究结果表明,该模型具有较好的有效性和准确性,预测值和真实值的拟合效果在预期范围之内。 相似文献
15.
蜂群算法是一种模仿蜜蜂繁殖、采蜜等行为的新兴的智能优化技术。本文探讨了基于蜜蜂采蜜蜂群算法的理论基础,并使用蜂群算法与禁忌搜索结合解决组合优化问题,如旅行商(TSP)问题。通过分析,蜂群算法与禁忌搜索结合能够改进算法的全局搜索能力,有较好的发现最优解的能力。 相似文献
16.
期刊学术影响力的预测逐渐受到期刊界和学术界的广泛关注。Hirsch曾指出,相比于其他文献计量指标,h指数具有更好的预测能力,预测期刊h指数的未来发展相当于预测期刊影响力的未来演化。本文以中文社会科学引文索引为数据源库,以我国图书情报学科的13种核心期刊作为研究对象,分别建立向量自回归、向量误差修正和长短期记忆神经网络的时间序列预测模型,动态预测期刊的未来h指数。根据集成预测方法,形成上述3个模型的集成预测值,并比较各模型和方法的精度。实证结果表明,集成预测方法下的平均绝对百分比误差与均方根误差均小于3个单一的预测模型;同时,提升了预测稳定性,期刊h指数在未来呈现稳定增长趋势,图书情报领域的期刊学术影响力将保持良好的正向发展。 相似文献
17.
基于信任的电子商务推荐多样性研究 总被引：3，自引：0，他引：3
现有的推荐系统研究大都千方百计地关注于如何提高推荐算法的准确性,考虑到用户兴趣的覆盖范围,这样做的缺陷是只考虑了推荐列表中单个项目的准确度,而忽略了整个推荐列表多样性对用户满意度的影响.近几年的研究表明将信任机制融入到个性化推荐过程中对提高传统协同过滤技术的准确性和鲁棒性有积极的影响,本文提出了基于社会网络信任的推荐多样性算法,该算法通过选择主题多样性好的信任邻居来平衡推荐结果的准确性和多样性.一系列的实验结果表明,该算法能有效地提高推荐的多样性. 相似文献
18.
为克服传统词频—逆向文本频率(TFIDF)关键词提取精度低下的缺点,文章提出一种基于多级统计特征的关键词提取(TFIDF-SK)算法。该算法采用词语TfDf指标的离散系数公式来剔除噪音词,构建基于词偏度、词语位置权重信息和词频—逆向文本频率的评估函数来度量关键词的重要性。实验结果表明该算法优于传统方法,在大数据时代网络情报监测中具有广泛的应用价值。 相似文献
19.
拟合用户兴趣演变特性的协作过滤推荐算法 总被引：2，自引：0，他引：2
个性化推荐技术是将传统的数据挖掘技术同用户访问信息结合起来,根据用户的兴趣爱好来对用户可能访问的内容进行预测并预取其提供给用户进行选择.目前协作过滤技术是个性化推荐系统中应用最为成功的推荐技术之一,但传统的协作过滤算法没有考虑用户的兴趣演变,难以有效地反映用户真实兴趣.在分析目前协作过滤算法存在问题的基础上,利用用户访问兴趣分为偶然兴趣和稳定兴趣的特性,文章提出了基于偶然兴趣的推荐权重和基于稳定兴趣的推荐权重,并将它们融入新的拟合用户兴趣演变的协作过滤算法中.实验表明该算法能准确地反映用户访问兴趣,较传统的协作过滤算法可以有效提高推荐精度. 相似文献
20.
以开源项目Hadoop为实验平台,论证传统协同过滤算法无法适应云平台;从相似度和预测偏好两方面,借鉴共词分析法,将传统协同过滤算法改进为适应Hadoop平台的分布式协同过滤算法;实现顺序组合式MapRe-duce协同过滤任务,并做进一步实验分析。 相似文献