检索结果-内蒙古大学图书馆

作者：韦光南京邮电大学

学位级别：硕士

近年来,随着大量低成本、具备短距离无线通信能力的移动设备的大量普及,通过以人为载体的移动设备的相遇机会进行数据交换为特征的机会网络的发展对于实现未来普适计算具有重大影响,因此对于机会网络中海量节点数据特征属性的研究对企... 详细信息

近年来,随着大量低成本、具备短距离无线通信能力的移动设备的大量普及,通过以人为载体的移动设备的相遇机会进行数据交换为特征的机会网络的发展对于实现未来普适计算具有重大影响,因此对于机会网络中海量节点数据特征属性的研究对企业和用户而言已经变得越来越重要了。目前针对社会网络中节点数据的社会特性研究是国内外研究的热点,然而针对机会网络中的社会特性研究却很少,在对于机会网络中海量节点数据进行社会特性分析时存在如下问题:对于机会网络中的海量节点数据进行分析处理,将面临数据集过大,处理效率低下的问题;运用特定计算模型处理海量数据集时,存在数据集格式不规范,冗余数据过多的问题;传统串行计算方法的社会特性分析算法效率低下,无法满足对算法性能方面的需求问题。为了高效快捷地对机会网络中海量节点数据进行社会特性分析,本文针对以上三个问题开展研究并提出了解决方案:针对机会网络分析面对其呈爆炸式增长的海量节点数据所带来的性能问题,本文提出了使用MapReduce并行计算技术对机会网络中的海量节点数据分析,该技术将机会网络抽象成一张图,将图中的节点及节点间的关系进行标准化建模,运用MapReduce框架对图中的数据进行处理,从而有效的提升了运算性能和处理效率;针对基于MapReduce的机会网络中社会特性分析所需规范的数据格式问题,设计并实现了基于MapReduce的数据预处理算法,该算法从机会网络原始数据集中抽取出所需要的数据信息,然后对其进行格式转换以及去重处理,为其社会特性分析提供了规范格式的数据集;针对传统串行计算方法的社会特性分析算法性能严重低下的问题,提出了两种改进的连通分量并行分析算法:面向无向图连通分量的基于MapReduce的标签传播算法和面向有向图强连通分量的基于MapReduce的双向同步标签传播算法,实验测试表明,通过算法并行化设计,减少了算法的计算量,提高运算效率,从而对机会网络中海量的节点信息的社会特性分析提供了可靠的算法基础。最后,本文设计实现了一个基于MapReduce的机会网络社会特性分析系统,并将以上两点描述的模块和算法应用在系统中,实验结果表明通过MapReduce计算模型的引入和社会特性算法性能的优化不仅大幅度地提高了整个系统的处理效率,而且为机会网络中节点数据的社会特性分析提供了可靠有效的方法。

关键词：机会网络社会特性分析并行计算 MapReduce 标签传播算法

来源：评论

学校读者我要写书评

暂无评论

基于Spark的大规模社交网络社区发现算法设计与实现

基于Spark的大规模社交网络社区发现算法设计与实现

引用

作者：李镇扬州大学

学位级别：硕士

近年来,随着互联网技术的飞速发展,加上移动终端及移动互联网的逐渐普及,越来越多的人成为了社交网络中的一员。社交网络的不断发展,导致了社交网络的规模呈现出了爆炸式的增长。社区发现也面临着数据量大、复杂性高等问题。由于传统的... 详细信息

近年来,随着互联网技术的飞速发展,加上移动终端及移动互联网的逐渐普及,越来越多的人成为了社交网络中的一员。社交网络的不断发展,导致了社交网络的规模呈现出了爆炸式的增长。社区发现也面临着数据量大、复杂性高等问题。由于传统的社区发现算法大多数只能适用于一些小规模的网络或者实验生成的网络,当网络中用户数量的规模很大时,使用传统的社区发现算法受到了硬件及算法自身复杂度的限制,因此很难高效的来处理如此海量的数据,严重制约了大规模社交网络中的社区发现。本文针对传统社区发现方法难以适应大规模的社交网络场景,采用Spark大数据处理框架将传统的社区发现算法并行化,利用集群所具有的计算优势来处理海量的用户数据,降低算法执行所消耗的时间。选取经典的标签传播方法作为基础算法,在Spark平台上进行并行化拓展,实现了一种基于Spark的并行化社区发现算法,同时针对算法在实验过程中所产生的问题对算法进行了相应的改进。最后,通过使用Faceboo、Twitter社交网络数据集进行实验,验证了本文所设计的算法的高效与简洁性。本论文的主要工作及创新点有以下几方面：(1)首先,对传统的社区发现算法进行理论研究,同时对其并行化的可行性进行分析；接着,对当前流行的Spark等大数据处理工具作了理论与技术上的分析,为后续算法的并行化提供技术保障。(2)选择传统的标签传播算法作为基础算法,通过将其与Spark技术相结合进行并行化实现,解决了传统标签算法难于解决大规模网络社区发现的问题；(3)为解决基于Spark的标签传播算法在实验过程中表现出的随机性较强等问题,引入社区核心节点影响力的概念,并将其用于标签传播算法之中。同时实现了基于Spark的PageRank算法来解决社区核心节点影响力的计算。通过在Spark平台上实现了改进前后的算法,对改进前后算法所得的实验结果进行了详细的分析,并对出现的相关问题进行了深入探讨。最后,通过几组对比实验对两种算法所发现社区质量进行了比较。

关键词：社区发现大规模标签传播算法 Spark 并行化

来源：评论

学校读者我要写书评

暂无评论

基于LPA和Tri-Training的半监督文本倾向性分类

引用

北京交通大学学报 2015年第6期39卷 114-121页

作者：郭毅黄磊北京交通大学经济管理学院北京100044

提出了一种基于LPA和Tri-Training算法的半监督文本倾向性分类框架.通过LPA对初始样本进行快速分类,获得更多可信的有标签数据,优化分类框架的训练过程.引入Tri-Training算法,提高分类框架的泛化能力和可用性.实验结果表明,在不同标注... 详细信息

提出了一种基于LPA和Tri-Training算法的半监督文本倾向性分类框架.通过LPA对初始样本进行快速分类,获得更多可信的有标签数据,优化分类框架的训练过程.引入Tri-Training算法,提高分类框架的泛化能力和可用性.实验结果表明,在不同标注比例的样本集上,该框架都有较好的分类性能,相较有监督学习算法和单一的半监督算法提高了分类精度,并有较强的鲁棒性,为解决有标签样本比例较少情况下的文本倾向性分类提供了一个新的思路.

关键词：半监督学习 LIT2 文本倾向性分类 Tri-Training算法标签传播算法

来源：评论

学校读者我要写书评

暂无评论

利用中文在线资源的远程监督人物关系抽取

引用

小型微型计算机系统 2015年第4期36卷 701-706页

作者：潘云布勒布丽汗.伊沙巴依杨静尹敏华东师范大学计算机科学技术系上海200241

人物关系抽取是信息抽取研究中的一个重要领域,针对需要预先定义人物关系类型的不足,提出一种利用中文在线资源的远程监督人物关系抽取方法.该方法首先利用Web上已经通过半人工化方式形成的在线百科网站自动构建知识库,以获取尽可能全... 详细信息

人物关系抽取是信息抽取研究中的一个重要领域,针对需要预先定义人物关系类型的不足,提出一种利用中文在线资源的远程监督人物关系抽取方法.该方法首先利用Web上已经通过半人工化方式形成的在线百科网站自动构建知识库,以获取尽可能全面且准确的关系类型及其人物关系实例.接着提取语料库中所有共现的人名对以及上下文特征,并将人名对与知识库中关系实例相互匹配,得到标记关系的人名对集合和未标记的人名对集合.最后,引入标签传播算法实现未标记人名对的关系匹配.在Sogou C、sohu和baidu语料库上进行实验,结果表明该方法能够充分利用在线百科中丰富的关系类型,并且都可获得近70%的准确率.

关键词：人物关系抽取远程监督人物关系知识库标签传播算法

来源：评论

学校读者我要写书评

暂无评论

基于DTM-LPA的突发事件话题演化方法研究——以H7N9微博为例

引用

图书与情报 2015年第3期 9-16页

作者：吴小兰章成志南京理工大学信息管理系江苏南京210094 安徽财经大学管理科学与工程学院安徽蚌埠233030 江苏省数据工程与知识服务重点实验室(南京大学) 江苏南京210093

传统的动态话题模型在高维、稀疏的微博数据上进行话题演化分析时,存在话题数无法确定与结果可解释性差的问题,为此文章提出了一种结合动态话题模型与社区发现技术的话题演化方法,即DTM-LPA方法,即首先利用动态话题模型选取不同时间窗... 详细信息

传统的动态话题模型在高维、稀疏的微博数据上进行话题演化分析时,存在话题数无法确定与结果可解释性差的问题,为此文章提出了一种结合动态话题模型与社区发现技术的话题演化方法,即DTM-LPA方法,即首先利用动态话题模型选取不同时间窗口中具有较高价值的演化词;然后根据各个时间窗口上的微博构造演化词共现网络;再借用标签传播算法找到演化词之间的社区,并根据演化词社区来追踪各个时间窗口上的话题。最后,文章以新浪微博上H7N9禽流感事件为例进行了实证研究,实验结果表明文章所提出的方法能真实地实现微博话题演化分析。

关键词：话题演化动态话题模型标签传播算法社区发现突发事件

来源：评论

学校读者我要写书评

暂无评论

基于复杂网络分析的微博社区发现

基于复杂网络分析的微博社区发现

引用

作者：李剑兰州交通大学

学位级别：硕士

微博作为一种新兴的社交平台,在社交网络中占据了十分重要的地位。由于微博有信息传播迅速、实时性强、交流方便等特点,因此它吸引了大量来自不同行业、领域的用户。正是由于微博用户职业的多种多样,兴趣的多种多样等,导致了在微博网络... 详细信息

微博作为一种新兴的社交平台,在社交网络中占据了十分重要的地位。由于微博有信息传播迅速、实时性强、交流方便等特点,因此它吸引了大量来自不同行业、领域的用户。正是由于微博用户职业的多种多样,兴趣的多种多样等,导致了在微博网络中存在许多不同种类的社区。微博社区发现的主要目的是通过采用某种方法,对微博用户网络进行组织与划分,以使相互之间有最大相似度的微博用户聚集在一起,从而形成一个个的微博社区。显然,可将数据挖掘技术应用于微博网络,以达到发现微博网络中的社区结构的目的。该研究领域业已存在相当数量的社区模型和社区发现算法,并取得了一定的研究成果。随着互联网技术的发展和社交工具的日益推广应用,人们的社交方式也在逐渐改变,对社区发现研究提出了新的挑战。基于以上背景,本文在分析已有微博社区发现技术的基础上,针对传统算法大多仅考虑单一因素,难于有效识别微博中多个社区的问题,借鉴社会网络分析思想,综合考虑微博用户的主题相似度和链接关系,基于标签传播算法展开微博社区发现的研究,主要研究内容为:(1)以新浪微博为例,分析研究了微博的类型、结构特征与功能,分析了微博社区的无标度性、链接关系与同质性。(2)研究了社区发现的经典技术与文本分析的基本方法,并进行了对比分析。(3)针对微博这一被广泛使用的社交媒体,在将其抽象成为一个网络之后,以标签传播算法为基础,通过分析网络中节点的主题相似度及不同节点之间的标签传播概率,提出了一种从复杂网络分析角度出发进行研究的微博社区发现算法,并针对新浪微博数据集,与GN算法和Spectral Bisection Method进行了初步的对比实验,实验证明了本方法的有效性。

关键词：微博社交媒体社区发现主题相似度标签传播算法

来源：评论

学校读者我要写书评

暂无评论

面向新闻的读者情绪自动分析方法研究

面向新闻的读者情绪自动分析方法研究

引用

作者：刘欢欢苏州大学

学位级别：硕士

随着互联网的迅猛发展,网络上用户产生了大量富有情绪表达的文本信息。情绪分析研究旨在对这些文本表达的情绪(例如:喜、怒、哀、恐等)进行自动分析。近年来,情绪分析研究受到计算语言学领域研究者们的密切关注,成为一项基本的热点研究... 详细信息

随着互联网的迅猛发展,网络上用户产生了大量富有情绪表达的文本信息。情绪分析研究旨在对这些文本表达的情绪(例如:喜、怒、哀、恐等)进行自动分析。近年来,情绪分析研究受到计算语言学领域研究者们的密切关注,成为一项基本的热点研究任务。作为一种特殊的情绪,读者情绪具体是指读者看完文本后所产生的情绪。本文针对面向新闻文本的读者情绪,开展了以下关于读者情绪分类的几个方面研究:首先,本文提出了一种基于协同训练算法的粗粒度情绪分类方法。该方法是一种半监督学习方法,其核心思想是结合新闻文本的读者情绪和评论文本的作者情绪进行读者情绪分类。具体而言,将新闻文本和评论文本作为两个不同的视图,采用协同训练分类方法提高半监督方法的情绪分类性能。最后实验结果显示,我们提出的方法取得了较好的分类效果。其次,本文提出了一种基于标签传播算法的粗粒度情绪分类方法。该方法是一种半监督学习方法,其核心思想是充分利用新闻和评论文本之间的相关性并克服了评论信息不足的困难进行读者情绪分类。具体而言,构建两个关联的二部图子图(新闻文本二部图和评论文本二部图)用于描述新闻文本和评论文本之间的关联。在此基础上,设计关于评论文本长度的关联转移概率函数用于描述新闻和评论之间的情绪转移强度。该双视图标签传播方法克服了协同训练算法的局限性,有效克服了评论文本内容不足所带来的不利影响,从而提高了情绪分类效果。最后,本文提出了一种基于特征-标签因子图模型的细粒度情绪分类方法。该方法是一种全监督学习方法,其核心思想是联合文本特征学习和标签相关性共同建模进行多标签读者情绪分类。具体而言,构造每个情绪标签对应的伪样本及由这些伪样本构成的样本网络用于描述不同情绪标签间的关联。在此基础上,构建特征-标签因子图(FLFG)模型用于实现对文本特征和情绪标签间关联的共同学习。实验结果表明,本文的方法能够有效地使用标签间的关联来帮助学习分类器,取得更好的分类效果。

关键词：读者情绪分类协同训练算法标签传播算法多标签分类概率图模型

来源：评论

学校读者我要写书评

暂无评论

手机通讯社交网络节点影响力排序及社区发现

手机通讯社交网络节点影响力排序及社区发现

引用

作者：王伟东北大学

学位级别：硕士

复杂网络是真实世界中系统的另一种表达方式,具有一些基本的统计特性。对复杂网络的研究可以使人们对真实系统有更加深入的了解与掌握,具有巨大的理论意义与现实价值。节点影响力排序可用以分析网络中各个节点影响力大小,确定网络中的... 详细信息

复杂网络是真实世界中系统的另一种表达方式,具有一些基本的统计特性。对复杂网络的研究可以使人们对真实系统有更加深入的了解与掌握,具有巨大的理论意义与现实价值。节点影响力排序可用以分析网络中各个节点影响力大小,确定网络中的核心节点,通过核心节点去影响和改变其他节点的行为等。社区发现可用于分析复杂网络的拓扑结构,有助于人们对复杂网络的组成和隐藏规律的了解。本文基于数据挖掘理论和方法,针对手机通话网络中节点影响力排序及社区发现两大问题进行研究,主要工作如下:1)讨论了节点影响力排序和社区挖掘的目的及意义,综述了节点影响力排序和社区挖掘的主要方法及研究现状。2)以PageRank算法为基础,提出了 PhonePageRank算法度量手机通话网络中的节点影响力,并通过问卷调查的方式统计了某课题组半年内的通话数据,用PhonePageRank算法对该数据网络进行影响力分析,证明该算法的有效性。3)在标签传播算法LPA的基础上提出了基于PhonePageRank的标签传播算法PPRLPA算法。算法以节点的PhonePageRank值为基础,选出一定规模的具有较高影响力的种子节点赋予标签,通过种子节点进行标签传播,在某课题组的通话网络及其他真实数据集上进行测试,验证了算法的有效性。4)以某公司实际需求为背景,以手机通话网络数据挖掘算法为核心,完成了“手机信息线索链分析系统”的需求分析、系统设计和系统开发。系统前台采用Windows Form组件,数据库采用SqlServer2008,后台代码采用MVP框架分离界面显示、功能逻辑以及数据模型。系统可为用户提供数据建立、数据分析、基础数据和系统管理四个模块的功能。仿真测试结果表明,系统具有很好的挖掘效果和很高的运算效率,可以满足用户的现实需求。

关键词：手机通讯社交网络数据挖掘 PageRank 标签传播算法

来源：评论

学校读者我要写书评

暂无评论

网络舆情的倾向性分析及应用研究

网络舆情的倾向性分析及应用研究

引用

作者：徐小星电子科技大学

学位级别：硕士

21世纪是一个互联网的时代,互联网的快速发展,使人们的生活发生了翻天覆地的变化,人们越来越习惯于在网络上浏览获取信息和发表自己的看法,网络构成的虚拟社会环境成为广大民众表达自我情绪和态度的平台。由于互联网的开放性和直接性,... 详细信息

21世纪是一个互联网的时代,互联网的快速发展,使人们的生活发生了翻天覆地的变化,人们越来越习惯于在网络上浏览获取信息和发表自己的看法,网络构成的虚拟社会环境成为广大民众表达自我情绪和态度的平台。由于互联网的开放性和直接性,民众可以通过网络随时发表自己的看法,这为社会管理者及时了解社情民意提供了便利,通过对网络舆情的有效监控,社会管理者对民众的意愿能够及时的了解并做出相应的反馈和正确的决策,这对于社会稳定有着重要意义。本论文针对上述问题,对网络舆情分析的相关技术进行了调研,并着重对倾向性分析的各种技术进行了研究与实验,最后设计实现了舆情倾向性分析系统。论文主要工作如下:1.对网络舆情分析技术进行了调研,并着重了解舆情倾向性分析的理论与技术。对目前已有的各种机器学习分类方法进行研究。2.针对于目前舆情语料库缺少的情况,本论文利用爬虫技术,从网络上爬取舆情信息,人工标注构建了一个舆情语料库,用于实验分析等。3.区别于已有的倾向性分析方法,采用机器学习的分类方法用于舆情倾向性分析。考虑到有标记数据难以获得的问题,本文采用主动学习算法和半监督学习算法来解决这个问题,并对各种机器学习算法的有效性进行了实验分析。经过实验结果比较,朴素贝叶斯算法和标签传播算法具有较好的分类效果。4.在朴素贝叶斯算法和标签传播算法这两种算法的基础上,进行系统分析和模块设计,开发并实现一个网络舆情的倾向性分析系统,用于对舆情的情感倾向性进行判别,最终经过测试分析,系统具有良好的分类效果。

关键词：网络舆情倾向性分析标签传播算法主动学习

来源：评论

学校读者我要写书评

暂无评论

基于流形保持的半监督局部排列降维算法

引用

微型电脑应用 2013年第5期29卷 17-20页

作者：宋德华姚莉秀上海交通大学电子信息与电气工程学院

判别局部排列是基于谱分析片排列框架下的降维算法,但是,算法只能针对单流形数据进行降维。针对判别局部排列算法存在的缺陷,着重研究了多流形学习和半监督学习技术,利用标签传播算法(LP)和线性重构分析,提出一种流行结构保持的半监督... 详细信息

判别局部排列是基于谱分析片排列框架下的降维算法,但是,算法只能针对单流形数据进行降维。针对判别局部排列算法存在的缺陷,着重研究了多流形学习和半监督学习技术,利用标签传播算法(LP)和线性重构分析,提出一种流行结构保持的半监督降维算法,利用标签传播后得到的全体样本标签信息进行片都构建,并通过求解目标函数的最优解来获得低维嵌入。在YALE和FERET这两个标准人连数据库上的实验,验证了算法的有效性能并体现了算法在分类上的良好性能。

关键词： DLA 标签传播算法多流行学习半监督学习人脸识别

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：