题名 标签共现的标签聚类算法研究
被引量：3
1
作者
王娅丹 李鹏 金瑜 刘宇
机构
武汉科技大学计算机科学与技术学院 智能信息处理与实时工业系统湖北省重点实验室
出处
《计算机工程与应用》
CSCD
北大核心
2015年第2期146-150,208,共6页
基金
国家自然科学基金(No.61303117) 湖北省重点实验室开放基金资助项目(No.znss2013B012) +2 种基金 湖北省教育厅科研基金(No.B2014085 No.B20101104) 武汉科技大学大学生科技创新基金研究项目(No.12ZRC061)
文摘
在社会网络中,标签聚类研究可以解决标签冗余和语义模糊等问题。为了提高聚类有效性,提出综合标签共现信息确定标签特征向量,通过特征向量的提取计算相似度,将传统聚类算法中用几何距离计算对象与中心对象的距离改为用皮尔森相关系数计算,提出结合K-means聚类算法对标签进行聚类的标签共现聚类算法,并分析了算法的复杂度。最后对不同聚类算法进行了相关对比实验,实验结果表明该聚类算法效果要好于其他的聚类算法,从而验证了该聚类算法的有效性和可行性。
关键词
标签聚类 标签共现 K-MEANS 皮尔森系数 特征向量
Keywords
tag clustering tag co-occurrence K-means Pearson correlation coefficient feature vector
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
题名 社交网络节点中心性测度
被引量：11
2
作者
刘欣 李鹏 刘璟 王娅丹
机构
武汉科技大学计算机科学与技术学院 智能信息处理与实时工业系统湖北省重点实验室
出处
《计算机工程与应用》
CSCD
2014年第5期116-120,共5页
基金
湖北省教育厅科研基金资助项目(No.B20101104) 湖北省重点实验室开放基金资助项目(No.znss2013B012) +2 种基金 武汉科技大学科研基金资助项目(No.2009xz1 No.2012xz015) 武汉科技大学大学生科技创新基金研究项目(No.12ZRC061)
文摘
研究节点影响力以及扩大节点影响力的范围在社交网络传播中具有重大意义。为了综合分析节点自身影响力与其潜在影响力,提出了PPI(Personal-Potential Influence,PPI)算法,用介数中心性值,紧密中心性值及k-shell值加权来评估节点自身影响力,再通过节点间的相互影响来评估其潜在影响力。实验结果表明PPI算法在评估节点影响力上有较好的准确性。
关键词
节点影响力 影响力最大化 社交网络 重要节点 中心性
Keywords
node influence influence maximization social network key node centrality
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
题名 达氟沙星完全抗原的制备与鉴定
被引量：2
3
作者
王娅丹 杨雅梅 强敏 朱新生 王云
机构
江苏大学食品与生物工程学院 江苏省镇江市产品质量监督检验中心
出处
《江苏农业科学》
北大核心
2016年第10期354-356,共3页
基金
国家科技支撑计划(编号:2015BAK45B01) 江苏省镇江市农业科技支撑计划(编号:NY2014024) 江苏省普通高校研究生科研实践计划(编号:SJLX_0483)
文摘
通过N-羟基琥珀酰亚胺(NHS)法,将半抗原达氟沙星(danofloxacin,DAN)与载体蛋白牛血清白蛋白(BSA)偶联,制备完全抗原DAN-BSA。对所制备的完全抗原通过FT-IR光谱、紫外光谱和SDS-PAGE进行分析确证,并通过测定免疫血清的效价和IC50对其免疫原性进行检测。结果表明,DAN-BSA的FT-IR光谱较BSA和DAN均有变化;紫外光谱扫描中,DAN-BSA的最大吸收波长较BSA和DAN有所偏移;SDS-PAGE电泳中DAN-BSA的条带较BSA条带上移,说明DAN-BSA的分子量大于BSA;免疫原性检测中,血清的效价达到256 000,IC50值为28.84μg/L,说明所制备的完全抗原具有免疫原性。综上可知,完全抗原DAN-BSA成功合成,可以用来免疫动物制备抗体,这为后续免疫学检测方法的建立奠定了良好的基础。
关键词
达氟沙星 完全抗原 N-羟基琥珀酰亚胺法 免疫原性
分类号
Q812
[生物学—生物工程]
题名 基于用户聚类的推荐算法
被引量：3
4
作者
刘璟 李鹏 刘欣 王娅丹
机构
武汉科技大学计算机科学与技术学院 智能信息处理与实时工业系统湖北省重点实验室
出处
《计算机应用与软件》
CSCD
2015年第10期269-272,共4页
基金
湖北省教育厅科研基金项目(B20101104) 湖北省重点实验室开放基金项目(znss2013B012) +1 种基金 武汉科技大学科研基金项目(2009xz1) 武汉科技大学大学生科技创新基金研究项目(12ZRC061)
文摘
由于社交网络中人物与内容之间错综复杂的关系,如何合理地给用户推荐感兴趣的内容具有十分重要的意义。提出CCVR(Core user for Clustering interesting Vector for Recommend)算法。基于用户的兴趣矩阵,运用改进的K-means算法进行聚类从而推导类兴趣向量,由此预测用户对哪些内容标签感兴趣,从而形成推荐。实验结果证明CCVR算法具有良好的准确性。
关键词
推荐算法 聚类 兴趣度
Keywords
Recommendation algorithm Clustering Interestingness
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
