一种基于社会信任潜在因子模型的推荐方法

随着社交网络的快速发展、社交网络用户规模的不断扩大,如何为用户推荐感兴趣的信息变得越发困难。传统的推荐方法利用用户兴趣的历史数据来预测用户未来感兴趣的项目,忽视了社交网络中的信任关系,导致推荐方法的推荐质量不高。针对上述问题,提出了基于社会信任潜在因子模型的推荐方法。该方法引入社会信任来度量社交网络中朋友之间的隐含信任关系,根据社会信任程度来选择用户信任的朋友,对用户信任的朋友与目标用户的共同兴趣进行潜在因子分析,构建基于社会信任的潜在因子模型,实现目标用户的前k个项目推荐。真实数据集上的对比实验结果表明,基于社会信任潜在因子模型的推荐方法在推荐质量上优于现有的推荐方法。     

融合社交网络威胁的攻击图生成方法

针对现有攻击图生成和分析方法多数未考虑社交网络威胁的问题,提出一种基于知识图谱融合社交网络威胁的攻击图生成方法。根据攻击图的构建需求和收集的内网环境数据,设计融合社交网络威胁的网络安全本体模型和知识图谱,以实现对社交网络和物理网络数据的关联分析以及对攻击图输入信息的扩展,基于知识图谱采用广度优先搜索算法生成融合社交网络威胁的攻击图,并给出内部社交网络威胁的攻击成功率计算方法。基于真实网络拓扑和脆弱性信息的实验结果表明,与现有攻击图的相关方法相比,该方法可有效发现网络中潜在的借助社交网络入侵的攻击路径。     

社交网络项目推荐模型及应用研究

将社交网络中目标用户和朋友之间相同兴趣产生的原因解释为潜在因子空间中的潜在因子,对社交网络中目标用户和朋友用户共同兴趣进行潜在因子分析,构建基于用户朋友关系的社交网络项目推荐模型,预测社交网络目标用户喜欢的项目。将基于社交网络项目推荐模型应用于实际应用场景中,研究表明与基于协同过滤技术的推荐方法相比较,该模型能够显著提高推荐质量,并具有良好的可扩展性。     

基于用户签到的跨社交网络用户匹配

跨社交网络用户匹配技术可以融合多平台用户数据,从而实现更多元的应用,现有基于签到的社交网络用户匹配研究,忽略了多源社交网络签到数据的失衡性,导致算法在真实数据集下匹配精度下降的问题。针对此问题,提出一种基于用户签到的跨社交网络用户匹配方法。通过网格聚类算法对用户签到数据进行粗粒度化和过滤,选择出潜在相关性强的签到数据;从这些签到数据中提取时空特征,计算出不同属性相似度;通过优化多属性相似度的权重分配,综合计算用户匹配分。在多组数据集上的实验结果表明,所提出方法在签到数据失衡情况下的有效性。     

TraDR:一种基于轨迹分解重构的移动社交网络位置预测方法

随着移动社交网络的不断发展,利用用户发布的位置信息为其提供基于地域的个性化推荐服务不仅给用户提供了便利,也为商户带来了巨大的潜在利益。位置预测技术作为此类服务中的关键技术,是移动社交网络中的重要研究内容之一。结合移动社交网络的特点,提出了基于轨迹“分解-重构”的位置预测方法TraDR,利用公开易得的先验知识,为用户建立个性化的位置推理模型,有效解决了常见位置预测算法所面临的“轨迹数据稀疏问题”。基于真实数据集的实验验证了该预测方法在预测有效性及效率方面的优越性。     

基于兴趣的社交网络用户聚类及可视化

随着社交网络的流行,从各种各样的社交网络数据中提取出有效信息并进行清晰直观的可视化分析,从而为用户提供有价值的潜在知识,显得尤为重要。聚类分析是数据挖掘中的重要分析手段,传统的面向社交网络数据的用户聚类分析大都仅考虑网络的拓扑链接结构,未考虑用户的兴趣相似度。文中基于贝叶斯概率模型来计算用户兴趣相似度并进行聚类,进一步设计交互可视化方式来展示上述聚类结果。具体地,针对社交网络中的用户评分数据 建立潜在语义模型来提取表示每个用户兴趣特点的特征向量;基于用户的特征向量对用户进行聚类,得到具有不同特征的人群,并通过实验和热度图选择合适的人群聚类数;最后提出了基于层次气泡图的可视化展现和分析方案,将用户、电影类型、电影等多维信息在图形中交互展示,支持用户从全局概览到局部细节的推进式探索,从多角度可视化人群特征。对豆瓣网用户和电影评分数据进行了实验和分析,结果验证了所提方法的有效性。     

基于地域特征和异构社交关系的事件推荐算法研究

近几年,在基于事件的社交网络(EBSNs)服务中,为便于增强用户体验,事件推荐任务一直被广泛研究。本文基于对EBSN中用户行为数据的详细分析,提出了一种新型的融合多种数据特征的潜在因子模型。该模型综合考虑EBSN中两种新型的数据特征: 异构的社交关系特征(线上社交关系+线下社交关系)和用户参与行为的地域性特征。基于真实的Meetup数据集,实验结果表明我们的算法在解决事件推荐问题时比传统的算法有更好的性能。
     

社交网络账号的马甲关系辨识方法

正确辨识网络账号的马甲关系,能够维护网络环境的安全与和谐,抑制网络中不法行为和虚假信息。基于文本挖掘的作者身份识别一直受到广泛关注,但对社交网络中文本作者关系鉴别的研究较少,该文提出了一种社交网络账号的马甲识别方法,基于网络语言的风格和账号关系,分别提取网络文本特征和账号之间的回复关系频次两组特征构成特征集合,同时基于账号组合构建训练样本向量空间,鉴别网络账号的马甲关系。结合论坛数据对所提方法进行了实验验证,准确率达到80%,结果表明该方法具有较高的马甲辨别准确率。     

社交网络用户在在线媒体中点播行为预测

在线媒体快速发展,为用户带来丰富多彩信息的同时,用户的参与也给在线媒体本身带来巨大的经济利益。因此,如何通过精确预测用户的偏好以增加在线媒体点击,成为一个学术界和工业界均关注的问题。现有的预测方法主要是借助用户个人信息和历史行为来预测用户行为,然而此类方法没有考虑媒体本身缺乏用户信息造成无法预测的问题。随着社交网络的发展,在线媒体与服务运营商间的兼并或合作的增多,支持用户通过单一账户使用多个媒体网络服务的情况越来越常见,这就为基于用户在社交网络中的资料预测用户在其他媒体中的喜好提供海量可信的基础数据。该文基于社交网络Google+和视频媒体YouTube的数据,首先证明用户在YouTube偏好具有高度的集聚性,并提出用户在社交网络中偏好与其在线媒体点击行为具有关联性,基于这种关联性,该文使用社交网络用户信息预测用户在在线媒体中的点播行为。实验结果显示,使用社交网络用户信息可以有效预测用户偏好,预测准确率比仅使用媒体本身信息提高了17%,而且能满足用户个性化需求。     

社交媒体用户行为的时间模式隐私攻击方法

网络社交媒体用户个人隐私信息的保护具有极其重要的意义。现有的有关隐私保护的研究集中于一般关系型数据、位置和轨迹信息、社交网络关系等数据类型的隐私保护,而社交媒体数据结构的复杂性使得隐私泄露的情况变得更加隐蔽,现有针对其他类型数据的隐私泄露的判定方式和隐私保护方法难于直接用于社交媒体用户行为的时间模式分析。为了发现社交媒体复杂时间数据中存在的潜在隐私泄露问题,给出针对网络论坛用户的行为时间模式的隐私泄露挖掘方法,设计并实现了多方法、多选择的聚类攻击者模型,实验通过攻击社交媒体用户的行为模式数据集,发现了用户行为时间模式的特异性和网络论坛中广泛存在着的用户隐私泄露的问题,应当引起充分重视。     

基于评论挖掘的药物副作用发现机制

从医疗社交网站的用户评论中挖掘药物副作用时,由于人们可能采用不同的表述方式来描述副作用,而新药的上市与用药者的差异性也会造成新的副作用出现,因此从评论中识别新的副作用名称并进行标准化十分重要。该文利用条件随机场模型识别评论中的副作用,对识别出的副作用名称进行标准化,最后得到药物的副作用。通过将挖掘出的药物已知的副作用与数据库记录进行对比验证了本文方法的有效性,同时得到一个按评论中的发生频率排序的药物潜在副作用列表。实验结果显示,条件随机场模型可以识别出已知的与新的副作用名称,而标准化技术将副作用名称进行聚合与归并,有利于药物副作用的发现。
     

Temporality and Context for detecting adverse drug reactions from longitudinal data

This paper introduces a method for mining co-occurring events from longitudinal data, and applies this method to detecting adverse drug reactions (ADRs) from patient data. Electronic health records are richer than older data sources (such as spontaneous report records) and thus are ideal for ADR mining. However, current data mining methods, such as disproportionality ratios and temporal itemset mining, ignore certain important aspects of the longitudinal data in patient records. In this paper, we highlight two specific problems with current methods, which we name temporal and contextual sensitivity, and discuss why these two properties are vital to mining patterns from longitudinal data. We also propose two sensitive longitudinal rate comparison measures, which utilize condition occurrence rates and length of drug eras, for mining ADRs from this type of data. These novel methods are then used to rank potential ADRs, along with existing state-of-the-art methods, under many simulated yet realistic datasets. In 48 out of 60 experiments, the proposed longitudinal rate comparison methods significantly outperform other methods in mining known ADRs from other drug / condition pairs.     

Member promotion in social networks via skyline

Research on Social Network is becoming popular in recent years because of the prevalence of online social communities, e.g., Facebook. As a result, the importance of the role which every single member plays in the social network is attracting more and more attention spontaneously. Meanwhile, the skyline operator is considered to be a useful tool to recognize important data entity, especially multi-dimensional data. The skyline operator is thus introduced into social networks to distinguish the important members from the entire community. For decision-making, people are not only interested in the result of skyline query on social networks, i.e., skyline points which represent important entities, usually known as stars, e.g., competitive companies, popular actors, famous scholars, but in many cases, people also care about the potential stars which are less important right now but will play a significant role in the near future. In this paper, we study and provide better approaches to a newly raised problem called Member Promotion in Social Networks, which aims at discovering the most potential star(s), i.e., the member(s) which will be promoted into skyline with minimum cost, in the social network for promotion. Based on the edge-weighted characteristic of the social network and the peculiarity of the promotion process, we systematically divide the scenario of the problem into two parts, i.e., unequal-weighted social networks and equal-weighted social networks. Against unequal-weighted social networks, based on some new proposed concepts, e.g., Promotion Boundary and Plan Limitation, and the theories of permutation and combination, we design a remarkably effective pruning process and propose the Skyboundary algorithm. Then, after bringing forward an interesting new concept named as Infra-skyline, we present another optimized approach, namely the Infrasky algorithm, to the member promotion problem in equal-weighted social networks. Extensive experiments on real datasets are conducted to show our algorithms can effectively find the potential members and improve the efficiency by orders of magnitude than the baseline algorithms. We also implemented a demonstration tool entitled as “StarMiner” to present the promotion process in a graphical and interactive way.     

基于神经网络集成的汽车牌照识别

对基于神经网络集成的汽车牌照识别的原理和方法进行了研究,并着重分析了现有技术的积极因素和潜在问题,提出了一种基于神经网络集成进行车牌文字识别的方法.在特征提取时采用了多种特征提取的方法,对提取的每种特征构建一个BP神经网络分别进行训练.最终待识别的字符将被神经网络集成进行识别.实践证明,利用该方法比单个神经网络识别有更高的识别率,具有较高的使用价值.     

基于神经网络的汽车车图象自动识别

提出了一种利用前向三层神经网络及计算机视觉技术对汽车车型进行自动识别的方法,包括汽车车型图象的分割,特征提取以及基于前向三层神经网络的自动识别和分类,文中的所有算法均在５８６／１３３微机上实现,识别和分类效果良好。     

基于结构稳定性校准的在线式社区识别

本文探讨在线社会网络的社区识别问题, 重点研究网络演变特性对社区结构产生的影响. 首先基于节点的邻域倾向性提出社区稳定性的概念并给出稳定社区的快速识别算法, 然后设计了一种基于事件的社区稳定性校准算法以此识别新网络的社区结构. 由于算法的局部搜索策略, 该方法无需在新时间片段重复执行, 并且可以在无参数条件下识别加权网络中具有任意形状的社区结构. 在人工合成网络和真实网络上的实验结果验证了算法的可行性和有效性.     

Overlapping community detection based on discrete biogeography optimization

Community detection can be used to help mine the potential information in social networks, and uncovering community structures in social networks can be regarded as clustering optimization problems. In this paper, an overlapping community detection algorithm based on biogeography optimization is proposed. Firstly, the algorithm takes the method of label propagation based on local max degree and neighborhood overlap for initial network partitioning. The preliminary partition result used to construct initial population by cloning and mutating to accelerate the algorithm’s convergence. Next, to make biogeography optimization algorithm suitable for community detection, we design problem-specific migration rules and mutation operators based on a novel affinity degree to improve the effectiveness of the algorithm. Experiments on benchmark test data, including two synthetic networks and four real-world networks, show that the proposed algorithm can achieve results with better accuracy and stability than the compared evolutionary algorithms.     

支持复杂社会网络演化的过程挖掘技术综述

复杂社会网络演化过程研究对于发现社会网络群体的隐含结构和演化规律,以及风险预测具有重要意义。首先梳理了过程挖掘技术的发展脉络,阐述复杂社会网络分析方法与过程挖掘技术相结合在复杂社会网络演化模式研究、组织结构发现中的应用现状,结合社会网络分析方法和大数据技术,运用服务工程思想,进而从社会和资源维度综述社会网络跨组织业务过程发现、动态社会网络演化过程发现、角色挖掘与服务挖掘等技术,指出现有复杂社会网络过程挖掘研究面对大数据质量和跨组织异构等研究方面的不足,对大规模社会网络过程挖掘领域的研究难点和发展趋势进行了讨论。     

一种基于BP网络的错帖检测新算法

提出了一种基于BP神经网络与图像不变矩的页面识别方法。应用规则矩的快速算法对一幅图像计算,将得到的7个图像矩不变量作为识别特征向量,输入到BP神经网络中进行识别,并最终确定出分类对象以达到对页面文字、图形以及图文的识别。通过实验仿真表明应用文中的方法能够对页面进行快速的训练与识别,既得到了较高的识别率,又满足了实时性要求。     

基于人工神经网络与证据理论相结合的数据融合中的辐射源识别方法研究

文章给出了一种基于人工神经网络与证据理论相结合的数据融合中的辐射源识别方法及其结构,并分析了该方法的性能。文中给出了实例,通过这个实例可以证明该方法在强噪声环境下具有良好的适应性,并可以得到较高的识别率。