局部影响最大化问题是在社会网中寻找最能影响某个目标节点的种集。现有的研究只考虑对单一目标节点的影响,忽略了传播项上的主题分布以及用户之间基于主题的影响概率。重点研究了在主题分布的条件下,如何选取最能影响目标节点集合的种...局部影响最大化问题是在社会网中寻找最能影响某个目标节点的种集。现有的研究只考虑对单一目标节点的影响,忽略了传播项上的主题分布以及用户之间基于主题的影响概率。重点研究了在主题分布的条件下,如何选取最能影响目标节点集合的种集,提出了针对目标节点集合的局部影响程度计算方法(topicbased local influence degree computational method,T-LID),在此基础上提出了基于主题的局部影响最大化(topic-based local influence maximization,TLIM)问题,并证明了该问题为NP-hard问题。为求解TLIM问题,提出了基于主题的局部贪心算法(topic-based local greedy algorithm,TLGA)以及基于主题的局部传播算法(topic-based local propagation algorithm,TLPA)。多个真实数据的实验结果表明,所提算法可以有效并高效地求解基于主题的局部影响最大化问题。展开更多
兴趣点(POI,point of interest)推荐是位置社交网络(LBSN,location-based social network)重要的个性化服务,广泛用于热门景点推荐和旅游线路规划等。传统的基于协同过滤的推荐算法根据用户相似性和位置相似性进行推荐,未考虑推荐用户...兴趣点(POI,point of interest)推荐是位置社交网络(LBSN,location-based social network)重要的个性化服务,广泛用于热门景点推荐和旅游线路规划等。传统的基于协同过滤的推荐算法根据用户相似性和位置相似性进行推荐,未考虑推荐用户与目标用户间的信任关系,而信任关系有助于提高推荐系统的准确性、顽健性和用户满意度。首先分析了信任与不信任关系的传播特征,然后给出了信任度的表示和计算方法,最后提出了融合用户相似性、地理位置相似性和信任关系的混合推荐模型。实验结果表明,与传统协同过滤推荐方法相比,融合信任关系的混合推荐方法显著提高了推荐结果的准确性和用户满意度。展开更多
文摘局部影响最大化问题是在社会网中寻找最能影响某个目标节点的种集。现有的研究只考虑对单一目标节点的影响,忽略了传播项上的主题分布以及用户之间基于主题的影响概率。重点研究了在主题分布的条件下,如何选取最能影响目标节点集合的种集,提出了针对目标节点集合的局部影响程度计算方法(topicbased local influence degree computational method,T-LID),在此基础上提出了基于主题的局部影响最大化(topic-based local influence maximization,TLIM)问题,并证明了该问题为NP-hard问题。为求解TLIM问题,提出了基于主题的局部贪心算法(topic-based local greedy algorithm,TLGA)以及基于主题的局部传播算法(topic-based local propagation algorithm,TLPA)。多个真实数据的实验结果表明,所提算法可以有效并高效地求解基于主题的局部影响最大化问题。
文摘兴趣点(POI,point of interest)推荐是位置社交网络(LBSN,location-based social network)重要的个性化服务,广泛用于热门景点推荐和旅游线路规划等。传统的基于协同过滤的推荐算法根据用户相似性和位置相似性进行推荐,未考虑推荐用户与目标用户间的信任关系,而信任关系有助于提高推荐系统的准确性、顽健性和用户满意度。首先分析了信任与不信任关系的传播特征,然后给出了信任度的表示和计算方法,最后提出了融合用户相似性、地理位置相似性和信任关系的混合推荐模型。实验结果表明,与传统协同过滤推荐方法相比,融合信任关系的混合推荐方法显著提高了推荐结果的准确性和用户满意度。
