基于BiGRU-CapsNet的社交媒体文本作者识别

针对社交媒体文本存在文本短、特征提取困难的问题,结合深度学习提出了一种双向门控循环神经网络（bidirectional gated recurrent neural network,BiGRU）和胶囊网络（capsule network,CapsNet）混合模型（BiGRU-CapsNet）。社交媒体文本首先通过Bert预训练模型生成词向量,利用BiGRU提取序列浅层特征,结合CapsNet进一步提取深层特征,最终通过softmax分类器实现作者识别。实验结果证明,该模型可以提升社交媒体文本作者识别的性能。     

融入社区评估的节点重要性分析

针对在目标中挖掘关键成员的研究是社交网络领域的重要分支,但现有的重要性算法很容易出现挖掘的关键节点聚集现象。针对此问题,提出了一种融入社区评估的节点重要性算法,该算法根据目标群体网络拓扑结构,定义了社区重要性评估函数,融合了成员在其社区的内部影响力及外部连通性,综合评价成员重要度。以4个真实的复杂网络作为实验数据,与现有算法进行对比,从传播能力、鲁棒性和肯德尔相关系数三个维度验证,实验表明该算法对群体中的成员重要性度量更加准确。