广东省高校优秀青年创新人才培养计划项目(2012LYM0077)
- 作品数:4 被引量:21H指数:4
- 相关作者:贺超波汤庸郑凯杨镇雄沈玉利更多>>
- 相关机构:仲恺农业工程学院华南师范大学更多>>
- 发文基金:广东省高校优秀青年创新人才培养计划项目国家自然科学基金国家科技支撑计划更多>>
- 相关领域:自动化与计算机技术更多>>
- 在线社交网络挖掘综述被引量:9
- 2014年
- 介绍了在线社交网络挖掘产生的背景以及不同学科领域研究的侧重点,并对在线社交网络挖掘所涉及的用户分类、社区发现、观点挖掘、情感分析、信息传播、社会化推荐以及可视化分析等代表性研究话题的现状进行了详细论述,重点归纳了每一个话题所涉及的关键问题和代表性解决方法.分析和讨论了在线社交网络的迅速发展给在线社交网络挖掘领域所带来的新问题和新挑战,最后指出了该领域的发展前景.
- 贺超波汤庸麦辉强杨镇雄洪少文郑凯
- 关键词:用户分类情感分析信息传播社会化推荐可视化分析
- 应用非负值矩阵分解模型的社区挖掘方法被引量:4
- 2014年
- 在线社交网络增长迅速,对其进行社区挖掘对于了解网络结构特征具有重要意义.提出一种基于非负值矩阵分解的社区挖掘方法,能够将社交网络矩阵分解为适合于发现用户与社区所属关系以及社区之间重叠关系的矩阵组合形式.该方法应用迭代更新规则对分解矩阵进行了优化求解,并证明了更新规则的收敛性.另外针对社交网络存在的无标度特性,通过利用用户节点属性信息计算用户间的相似性,对大量孤立用户建立隐式联系,可以将孤立用户纳入统一的挖掘框架进行社区划分,从而解决了孤立用户无法准确划分社区的问题.相关实验以及实际应用表明该方法可以有效对现实中的在线社交网络进行社区挖掘.
- 贺超波汤庸沈玉利石玉强
- 关键词:社交网络
- 应用随机游走的社交网络用户分类方法被引量:7
- 2015年
- 针对现有在线社交网络用户分类方法不能有效利用用户属性和关系网络信息提高分类性能的问题,设计了一种基于随机游走模型的多标签分类方法MLCMRW。该方法的分类过程包括学习用户初始化类别标签以及通过迭代推理获得用户稳定标签分布两个阶段,并且其可以同时考虑用户属性以及关系网络特征信息进行分类。多个在线社交网络数据集上进行的实验表明,MLCMRW比其它已有的代表性方法有更好的分类性能,并且更适合对现实中的在线社交网络进行用户分类。
- 贺超波杨镇雄洪少文汤庸陈国华郑凯
- 关键词:用户分类随机游走
- 融合社交网络信息的协同过滤方法被引量:4
- 2013年
- 针对目前协同过滤方法存在的数据稀疏性、冷启动以及未能有效利用用户社交网络信息提高推荐质量等问题,提出一种融合用户社交网络信息的协同过滤方法,该方法以矩阵分解推荐模型为核心,可综合集成目标用户个人偏好以及社交网络中的关系用户偏好特征信息做出推荐.通过设计相应的推荐方法,并基于梯度下降法对用户以及商品特征矩阵的求解进行了优化运算.相关实验结果表明融合社交网络信息可在一定程度上提高协同过滤的推荐准确度以及缓解数据稀疏性、冷启动问题.
- 贺超波汤庸傅城州沈玉利石玉强
- 关键词:协同过滤社交网络矩阵分解梯度下降法推荐系统