-
题名基于兴趣聚类的网格资源发现算法
- 1
-
-
作者
肖国强
邹洵
-
机构
华中科技大学计算机科学与技术学院
-
出处
《计算机应用研究》
CSCD
北大核心
2007年第11期274-277,共4页
-
基金
国家自然科学基金资助项目(60503048)
-
文摘
为了更有效地解决网格资源的搜索和定位问题,提出一种以P2P形式实现的、基于兴趣聚类的非集中式网格资源发现算法。算法采用被动学习方式,通过用户的访问历史抽取节点的兴趣属性,将节点按照兴趣属性划分为多个簇,资源发现请求在簇内朋友节点之间传播,查找失败后,将请求路由到与其兴趣最相似的其他簇内。仿真测试表明,算法稳定高效,相比传统算法在低开销情况下性能有显著的提高。
-
关键词
网格
资源发现
兴趣聚类
相似度
-
Keywords
grid
resource discovery
interest-clustering
similarity degree
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名融合社区结构和兴趣聚类的协同过滤推荐算法
被引量：32
- 2
-
-
作者
郭弘毅
刘功申
苏波
孟魁
-
机构
上海交通大学电子信息与电气工程学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2016年第8期1664-1672,共9页
-
基金
国家"九七三"重点基础研究发展计划基金项目(2013CB329603)
国家自然科学基金项目(61472248
61431008)~~
-
文摘
传统的协同过滤推荐算法受限于数据稀疏性问题,导致推荐结果较差.用户的社交关系信息能够体现用户之间的相互影响,将其用于推荐算法能够提高推荐结果的准确度,目前的社交化推荐算法大多只考虑了用户的直接社交关系,没有利用到潜在的用户兴趣偏好信息以及群体聚类信息.针对上述情况,提出一种融合社区结构和兴趣聚类的协同过滤推荐算法.首先通过重叠社区发现算法挖掘用户社交网络中存在的社区结构,同时利用项目所属类别信息,设计模糊聚类算法挖掘用户兴趣偏好层面的聚类信息.然后将2种聚类信息融合到矩阵分解模型的优化分解过程中.在Yelp数据集上进行了新算法与其他算法的对比实验,结果表明,该算法能够有效提高推荐结果的准确度.
-
关键词
重叠社区
兴趣聚类
推荐算法
协同过滤
矩阵分解
-
Keywords
overlapping community
interest cluster
recommendation algorithm
collaborative filtering
matrix factorization
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名MIKAD:一种多兴趣聚类的P2P网络模型
- 3
-
-
作者
雷申
刘方爱
-
机构
山东师范大学信息科学与工程学院山东省分布式计算机软件新技术重点实验室
-
出处
《计算机应用研究》
CSCD
北大核心
2011年第9期3463-3466,共4页
-
基金
国家自然科学基金资助项目(90612003)
山东省自然科学基金资助项目(Y2007G11)
济南市高校院所自主创新项目(2010040072)
-
文摘
为降低P2P网络中数据检索的路由跳数,提高路由效率,提出一种多兴趣聚类的P2P网络模型MIKAD(multi-interest clustering KAD)。该模型通过文档聚类算法维护节点兴趣,将结构化网络Kademlia与兴趣聚类相结合,使兴趣相似节点在逻辑上位于邻居位置,提高了P2P网络中路由的效率。同时利用关键词的同义词特性,降低了网络的复杂度,提高了检索的精度。最后使用PeerSim模拟器对模型进行了实验测试,结果表明,随着节点及数据增多,该模型具有较好的查询效率。
-
关键词
MIKAD
对等网(P2P)
兴趣聚类
-
Keywords
MIKAD
P2P（peer-to-peer）
interesting-cluster
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名一种基于情感倾向分析的网络团体意见领袖识别算法
被引量：27
- 4
-
-
作者
肖宇
许炜
夏霖
-
机构
华中科技大学电信系互联网技术与工程研究中心
-
出处
《计算机科学》
CSCD
北大核心
2012年第2期34-37,46,共5页
-
基金
"十二五"科技支撑计划重点项目(2011BAK08B01)资助
-
文摘
意见领袖对网络舆情的产生和发展有着重要的指引作用,挖掘和识别网络社区中的意见领袖有重要的现实意义。结合聚类算法和分类算法的优势,提出一种基于话题内容分析的兴趣团体发现方法,以有效识别出兴趣团体。并通过分析用户回帖情感倾向来计算用户间链接的权重。在此基础上,提出了一种新的LeaderRank意见领袖发现算法,通过实验证明该算法能有效提高意见领袖挖掘的准确度。
-
关键词
社交网络
兴趣聚类
情感分析
意见领袖
-
Keywords
Social network
Insterest cluster
Sentiment analysis
Opinion leader
-
分类号
TP393.0
[自动化与计算机技术—计算机应用技术]
-
-
题名基于k-means算法的微博用户推荐功能研究
被引量：16
- 5
-
-
作者
杨尊琦
张倩楠
-
机构
天津财经大学
-
出处
《情报杂志》
CSSCI
北大核心
2013年第8期142-144,131,共4页
-
文摘
将微博中的兴趣关注根据现有的类别进行再次分类。以新浪微博达人为研究对象,提取他们关注的名人以及机构,并将这些名人、机构根据主页描述和标签进行归类。基于共链关系统计同时关注每两个类别之间的用户人数。最后将统计结果制成相关性矩阵,导入SPSS软件中进行k-means聚类,结果为具有相似性的兴趣可以聚为一组。最后根据聚类结果结合现实情况分析各类别之间的相似性与区别。挖掘用户关注兴趣的隐性信息,并对微博用户推荐兴趣提出建议。
-
关键词
微博关注兴趣共同关注矩阵k-means聚类新浪微博微博用户
用户推荐
-
Keywords
Attention Recommendation Similarity Matrix K-means Cluster Analysis Sina Microblog Microblog users recommen-clarion
-
分类号
C931
[经济管理—管理学]
-
