一种改进的微博用户影响力评估算法

在已有PageRank算法构建的微博用户影响力评估模型中,存在用户自身属性信息欠缺以及在用户不活跃期间其影响力被误判下降的问题。为此,综合考虑用户自身的属性,基于用户的活跃度、认证信息及博文质量来确定其自身的基本影响力,通过引入用户博文的传播率挖掘用户的潜在影响力,结合用户不同好友的质量,基于改进的PageRank算法构建微博用户影响力评估算法。实验结果表明,与改进BWPR算法相比,该算法准确率、召回率和F值分别提高13.5%、10.1%和12.3%,能准确、客观地反映微博用户的实际影响力,可为社交网络中的意见领袖挖掘、信息传播和舆论引导等研究提供参考。     

面向微博话题的用户影响力分析算法

微博用户影响力分析作为社交网络分析的重要组成部分，一直受到研究人员的关注。针对现有研究工作分析用户行为时间性的不足和忽略用户与参与话题之间关联性等问题，提出了一种面向微博话题的用户影响力分析算法——基于话题和传播能力的用户排序（TSRank）算法。首先，基于微博话题分析用户转发行为时间性，进一步构建用户转发和用户博文转发两种话题转发关系网络，预测用户话题信息传播能力；然后，分析用户个人历史微博和背景话题微博文本内容，挖掘用户与背景话题之间的关联性；最后，综合考虑用户话题信息传播能力以及用户与背景话题间关联性计算微博用户影响力。爬取新浪微博真实话题数据进行实验，实验结果表明，话题关联度更高用户的话题转发量明显大于关联度很低的用户，引入用户转发行为时间性相比无转发时间性，TSRank算法的捕获率（CR）提高了18.7%，进一步与典型影响力分析算法WBRank、TwitterRank和PageRank相比，TSRank算法在准确率和召回率上分别提高了5.9%、8.7%、13.1%和6.7%、9.1%、14.2%，验证了TSRank算法的有效性。该研究成果对社交网络的社会属性、话题传播等理论研究以及好友推荐、舆情监控等应用研究具有支撑作用。     

基于循环神经网络的微博转发行为预测

随着网络的飞速发展,微博逐渐成为社交网络中信息传播及信息收集的重要平台,微博转发是微博信息传播的重要途径,研究微博转发问题对微博信息传播、微博营销、舆情监控有着极其重要的意义.影响微博转发的主要因素有：粉丝兴趣与微博文本的相似度,微博营销策略及用户粉丝数量的变化.以往的预测模型没有综合考虑这两方面因素,基于此,提出了一种基于循环神经网络的方法来对微博转发量级进行预测,首先利用SIM-LSTM模型构建微博转发趋势度,然后再利用TF-IDF构建粉丝兴趣和微博文本的相似度,最后通过神经网络模型来预测粉丝是否会转发该微博.实验结果表明本文提出的算法相对于其他预测算法F1评估值提高了近5%.     

微博社交网络的用户影响力评价方法

该文主要研究在微博社交网络中怎样评价用户的影响力。在影响用户影响力的众多因素中,该文认为用户的传播能力越强,用户的信息便可以更快地在网络中扩散,其影响力也越大。和传统的用户影响力评价方法相比,该文综合考虑用户的活跃度和用户所发微博质量两个方面的因素,得到用户的影响力权重,然后把每一个用户作为社交网络中的节点,计算其在社交网络中的影响力。通过在公开语料集和真实数据中的实验,表明该方法是可行的,比传统的用户影响力评价方法更能客观、真实地反映用户的实际影响力。     

基于情感倾向性分析的微博意见领袖识别模型

当前,微博意见领袖识别的研究方法纷繁多样,常见的方法有:对用户的个性化特征进行综合分析的方法和基于社交网络结构的分析方法。这些方法大多只考虑了用户的特征,未考虑用户之间的互动行为,或者未考虑 微博文本的情感因素。为此,提出了一种基于微博情感分析的微博意见领袖识别方法。首先,在基于合成情感词典的词频统计结果的基础上,利用支持向量机对微博博文进行情感分析;然后,将变异系数法用于微博属性权重的计算,以体现微博的影响力;最后,利用改进的PageRank算法在微博用户转发关系网络中预测用户影响力的扩散过程,计算用户最终影响力的大小。在新浪微博数据集上通过实验评测该方法的性能,结果表明该方法能够有效提高识别性能。     

基于领域划分的微博用户影响力分析

近年来微博作为一种新兴的社交网络逐渐被广大用户使用.微博信息简短、更新迅速、包含信息量大,给微博用户获取信息带来了诸多不便,因此,利用影响力分析的手段找到具有较大影响力的微博用户具有重大意义.微博内容较传统的媒体信息具有较强的时效性和权威性,同时微博用语也极其不规范,这给微博用户影响力的分析带来了极大的困难.首先对获取的微博用户信息进行领域的划分,采用基于微博内容和用户关注的方式将用户归类到其所属的领域.其中,采用新词发现以及特征扩展的方法来提高划分结果的准确性.然后,对各个领域的用户进行影响力分析,提出3种影响力传播模型,用户最终的影响力大小根据3种模型的结果进行加权计算.最后对实验结果进行分析、比较,证明了计算用户影响力的方法能取得较优的结果.     

融合热点话题的微博转发预测研究

微博转发行为是实现信息传播的重要方式,微博转发预测对微博影响力分析、微博话题分析具有重要价值。现有微博转发预测研究大多围绕消息属性、用户属性等微博自身特征,该文提出融合热点话题的微博转发预测方法,对背景热点话题内容和传播趋势对用户转发行为的影响进行量化分析,提出融合背景热点信息的转发兴趣、转发活跃度、行为模式等特征,并基于分类算法建立了面向热点话题相关微博的转发预测模型,在真实数据上的实验结果表明,该方法的预测准确性达到96.6%,提升幅度最高达到12.14%。     

基于领域的影响力最大化与病毒营销

近年来随着新浪微博、人人网等社交网络新媒体的涌现,线上影响力传播得到了越来越多企业和研究机构的关注。如何在给定资源的约束下实现最大的传播范围(影响力最大化问题),对病毒营销等市场战略的有效开展有着重要意义。如果能充分利用社交网络上的异质性信息来更准确地定位用户所属的领域,进而基于领域实现影响力最大化,将对从整体角度出发的传统研究和片面的结构或内容角度的研究形成很好的补充。该文同时利用新浪微博上用户之间的社交关系和微博内容的话题两个维度的信息将用户划分为不同的领域;进而提出了一种基于贪心和动态规划混合的改良算法实现基于领域的影响力最大化。实验表明该文的领域影响力模型较好优化了传统影响力最大化的时间消耗,同时拥有相近的精度。     

基于R-C模型的微博社区用户影响力分析

微博社区中用户的影响力对微博信息的有效传播具有重要意义。为了快速并准确地寻找微博社区信息传播的规律,提出一种基于微博社区计算用户影响力的USR算法。首先提取种子用户的数据,利用R-C模型进行微博社区发现,在划分好的社区中选取一个社区;然后依据USR算法,对社区内的用户进行影响力计算;最后输出用户的影响力。以新浪微博数据集为例,提出孤立点的概念和信息传播实际影响人次覆盖率评价指标,将USR算法与传统影响力算法进行对比。实验结果表明,使用USR算法能够得到较优的结果。     

基于动态主题模型融合多维数据的微博社区发现算法

随着微博用户的不断增加,微博网络已经成为用户进行信息交流的平台.针对由于博文长度受限,传统的社区发现算法无法有效解决微博网络的稀疏性等问题,提出了DC-DTM算法.DC-DTM算法首先将微博网络映射为有向加权网络,网络中边的方向反映结点之间的关注关系,利用提出的DTM模型计算出结点之间的语义相似度,并将其作为节点间连边的权重.DTM模型是一种微博主题模型,该模型不仅能够挖掘博客的主题分布,而且能计算出某一主题中用户的影响力大小.其次,利用提出的复杂度低的标签传播算法WLPA进行微博网络的社区发现.该算法的初始化阶段将影响力大的用户结点作为初始结点,标签按照结点的影响力从大到小进行传播,克服了传统标签传播算法的逆流现象,提高了标签传播算法的稳定性.在真实数据上的实验表明,DTM模型能很好地对微博进行主题挖掘,DC-DTM算法能够有效地挖掘出微博网络的社区.     

一种新的各向异性扩散时间尺度估计方法

在各向异性扩散(AD)的图像处理应用中,扩散终止机制是当前研究的主要热点。该文把热物理扩散中的扩散平衡概念引入到图像处理的AD中,定义图像扩散平衡(DB)与最优扩散时间(ODTS)的概念,提出利用扩散平衡估计最佳扩散时间尺度的方法。该方法与SURE, MSE及其他时间尺度估计方法相比在噪声压制与特征的保护上达到了一个合理的平衡且不需估计噪声强度(方差),能自适应于图像,在低信噪比下也能获得很好的估计结果,试验测试结果验证了该方法的有效性。     

一种用于分析故障分布的新方法

本文在分析故障分布规律的基础上，提出用正态扩散的方法对故障分布规律进行估计的新方法，理论证明，把正态扩散估计方法用于对故障分布的分析，可提高估计精度，具有较强的实用价值。     

信号自适应衰减的多壳扩散磁共振成像方法

提升总体平均扩散传播算子(Ensemble Average diffusion Propagator,EAP)的重建精度一直以来都是扩散磁共振成像领域中扩散光谱成像(Diffusion Spectrum Imaging,DSI)的核心问题.在诸多成像算法中,用径向基函数(Radial Basis Function,RBF)作为扩散MR信号插值基函数的方法在纤维方向分布重建及成像统计标量重建方面均获得了理想的EAP重建效果,为进一步提升重建效率及精度,本文基于RBF方法提出了对信号进行自适应衰减建模的方法,并结合确保扩散张量正定性的张量求解算法,分别基于系数l1,l2正则化方法求解最优化参数以作对比.针对体模数据的实验结果显示,该算法在提升各项指标重建精度及计算效率方面均取得了理想效果.     

A multiple-theory analysis of a diffusion of information technology case

Abstract. This paper describes a multiple-theory analysis of a diffusion of information technology case. Three innovation diffusion models, the interactive model, the linked-chain model and the emergent model, are used to develop an analysis that describes the essential knowledge that each model produces. Rather than develop conflicting stories, each model leads to distinctly different, but complementary, knowledge about the case setting. More generally, the analysis enables us to circumscribe the distinct conceptual domain of each model. These domains define the scope of research questions that can be addressed by each of the innovation diffusion models. In addition to the theoretical implications, the paper also describes the practical indications and actions of the case subjects.     

Two New Nonlinear Nonlocal Diffusions for Noise Reduction

Two new nonlocal nonlinear diffusion models for noise reduction are proposed, analyzed and implemented. They are both a close relative of the celebrated Perona-Malik equation. In a way, they can be viewed as a new regularization paradigm for Perona-Malik. They do preserve and enhance the most cherished features of Perona-Malik while delivering well-posed equations which admit a stable natural discretization. Unlike other regularizations, however, certain piecewise smooth functions are (meta)stable equilibria and, as a consequence, their dynamical behavior and that of their discrete implementations can be fully understood and do not lead to any “paradox”. The presence of nontrivial equilibria also explains why blurring is kept in check. One of the models has been proved to be well-posed. Numerical experiments are presented that illustrate the main features of the new models and that provide insight into their interesting dynamical behavior as well as demonstrate their effectiveness as a denoising tool.

相干光学系统图像复原的各向异性扩散方法

相干光学系统中图像噪声污染严重,提出一种基于各向异性扩散的图像复原模型,该模型的扩散系数从理论上满足Charbonnier等人提出的构造扩散系数准则,同时结合对数变换对相干光学图像进行复原去噪处理。实验结果表明,同SRAD、Lee、Frost、Non-local Means算法和基于小波的BLS-GSM、BM3D等方法相比,该算法可以更有效地进行边缘平滑,而且还能够较好地解决图像边缘和细节失真的问题,不论从PSNR,还是从视觉评价效果来看,该算法都具有一定的优越性。     

基于节点和信息特征的社会网络信息传播模型

随着在线社会网络的快速发展,越来越多的人开始利用微博或Twitter来传播信息或分享观点.研究社会网络中的信息传播规律对于意见领袖挖掘、舆情监控、品牌营销等有着重要意义.虽然有关社会网络中的信息传播模型已经得到广泛研究,但是影响网络中节点之间信息传播的因素有哪些,以及如何刻画信息传播过程,仍然是一个有待深入研究的重要内容.传统的传播模型及其扩展模型更多地从网络结构出发研究信息传播,很大程度上忽视了节点属性和信息内容的影响.从多个维度提取信息传播的特征,包括节点属性特征和信息内容特征,对节点间传播概率和传播延迟进行建模,提出一个细粒度的在线社会网络信息传播模型.利用随机梯度下降算法学习模型中的各个特征的权重.另外,针对模型的传播预测功能,在新浪微博真实数据集上进行了实验,结果表明,在预测准确率方面,所提出的模型要优于其他同类模型,如异步独立级联模型、NetRate模型.     

相关扩散方程在图像修补中的应用

图像修复是图像复原研究中的一个重要内容,可以用于旧照片中丢失信息的恢复、视频文字去除以及视频错误隐藏等。目前有很多图像修补算法对于灰度图像的修补已经取得了很好的修补效果,但存在着时间消耗大和应用到彩色图像修补中时修补效果不理想的缺点。将相关扩散方程引入到图像修补中,并进行改进,使得图像的修补效率和修补效果都得到了有效提高,而且可以很自然地应用到彩色图像修补中。大量的实验证明了该方法的有效性。     

Image magnification method using joint diffusion

In this paper a new algorithm for image magnification is presented. Because linear magnification/interpolation techniques diminish the contrast and produce sawtooth effects, in recent years, many nonlinear interpolation methods, especially nonlinear diffusion based approaches, have been proposed to solve these problems. Two recently proposed techniques for interpolation by diffusion, forward and backward diffusion (FAB) and level-set reconstruction (LSR), cannot enhance the contrast and smooth edges simultaneously. In this article, a novel Partial Differential Equations (PDE) based approach is presented. The contributions of the paper include: firstly, a unified form of diffusion joining FAB and LSR is constructed to have all of their virtues; secondly, to eliminate artifacts of the joint diffusion, soft constraint takes the place of hard constraint presented by LSR; thirdly, the determination of joint coefficients, criterion for stopping time and color image processing are also discussed. The results d     

P2M扩散与相干增强扩散相结合的抑制噪声方法

该文讨论保边缘的去噪问题。针对P2M扩散不能有效保持线状特征,相干增强扩散易出现虚假条纹的缺点,提出了一种P2M扩散与相干增强扩散相结合的去噪方法。首先,建立了一个P2M扩散与相干增强扩散的加权组合模型。该模型在图像边缘部分侧重于相干增强扩散,其余部分则侧重于P2M扩散。然后,针对模型中存在的参数选取问题进行了分析。从公式推导出发,得到了在边缘点百分比给定的条件下,P2M扩散参数的自适应取值方法,并从应用的角度出发,得到了相干增强扩散参数的经验取值。仿真计算结果表明,与一些常用的去噪方法相比,该方法既能有效地抑制图像噪声,又能较好地保持边缘等线状特征,同时具有较高的峰值信噪比。