链接预测的一个关键问题在于如何合理高效地结合链接属性、节点属性等相关信息以用于预测的目的,针对该问题提出了一种基于节点影响力和兴趣的链接预测算法IPI(Influence Plus Interest),即通过拓扑结构信息来量化用户的影响力,通过文...
详细信息
链接预测的一个关键问题在于如何合理高效地结合链接属性、节点属性等相关信息以用于预测的目的,针对该问题提出了一种基于节点影响力和兴趣的链接预测算法IPI(Influence Plus Interest),即通过拓扑结构信息来量化用户的影响力,通过文本信息来模拟用户兴趣.结合两类信息对节点间的联系进行打分,得分高的节点对即代表具有较强的联系.在真实数据集上的实验表明,我们提出的方法具有一定的可行性.
由于数据规模的快速增长,高效用序列模式挖掘算法效率严重下降.针对这种情况,提出基于Map Reduce的高效用序列模式挖掘算法Hus Ma R.算法基于Map Reduce框架,使用效用矩阵高效地生成候选项;使用随机映射策略均衡计算资源;使用基于领域...
详细信息
由于数据规模的快速增长,高效用序列模式挖掘算法效率严重下降.针对这种情况,提出基于Map Reduce的高效用序列模式挖掘算法Hus Ma R.算法基于Map Reduce框架,使用效用矩阵高效地生成候选项;使用随机映射策略均衡计算资源;使用基于领域的剪枝策略来防止组合爆炸.实验结果表明,在大规模数据集下,算法取得了较高的并行效率.
社会技术系统通常由人类、硬件和软件主体组成,通过它们之间的协同工作满足相关涉众的需求。由于社会技术系统的开放性、动态性和持续变化性,这类系统中的主体需要动态地调整自己的行为,以适应动态变化的环境。一些研究工作已经提出了支持动态重配置和可变承诺的面向社会技术系统的自适应方法。然而,目前还缺少基于这种方法的实现框架。针对这一问题,提出一个基于主体的自适应实现框架,为社会技术系统提供基于可变承诺的自适应能力。该框架是基于JADE(Java Agent Development Framework)平台来实现的,并且提供了面向特定系统的监控器接口和执行器接口来实现个性化配置。最后,通过一个案例分析验证了该实现框架的有效性。
暂无评论