张树森
- 作品数：8 被引量：176H指数：5
- 供职机构：中国人民大学信息学院更多>>
- 发文基金：国家自然科学基金北京市自然科学基金国家重点实验室开放基金更多>>
- 相关领域：自动化与计算机技术社会学经济管理更多>>
- 在线社会网络的动态社区发现及其演化被引量：3
- 2017年
- 分析了目前动态社区发现及其演化所存在的问题,提出了一种新的动态社区演化方法.该方法利用静态社区挖掘算法提取不同时间快照的每个社区,然后计算出相邻快照的社区之间的演化影响力,进一步分析连续快照中社区结构的发展演化过程.在新浪微博、网络测量Gnutella等大规模实验数据集上的验证,证明了该方法的有效性.此外,实验中还分析了社会网络中节点的出现和消失的频繁程度会影响社区稳定性以及社区结构的演化.
- 齐金山梁循张树森陈燕方
- 关键词：社会网络
- 移动社交网络幂律分布特征及亲属关系判别
- 2018年
- 社交网络特征和用户关系是社交网络分析研究的重要内容。该文对移动社交网络中存在的幂律分布及用户亲属关系判别问题进行研究。在幂律分布的研究中,该文在度、连通子图规模及用户联系人数量的分布中找出存在的三个幂律分布,同时分析其中规律和结论,并与其他社交网络进行对比。在该文亲属关系判别研究中,通过提取用户通话行为的多种显著特征,采用GBDT(gradient boost decision tree)与LR(logistic regression)融合方法,提出一种用户亲属关系判别模型,并通过实验验证该模型能有效判别出用户间是否存在亲属关系,判别精确率达到81.01%。
- 张树森魏玉党梁循窦勇许媛梁天新
- 关键词：社交网络幂律分布亲属关系
- 基于内容的社交网络用户身份识别方法被引量：14
- 2019年
- 社交网络中识别用户身份具有重要价值,它对社交网络的分析与监管、用户行为的预测以及用户之间交互过程的研究具有重要意义.该文针对社交网络中的用户身份进行研究,将用户身份分为组织用户和个人用户,并对这两种用户身份进行具体定义和识别.该文研究问题属于社交网络用户分析研究中的子研究问题,主要通过用户在社交网络中发表的文本内容、多媒体内容以及用户时间序列内容识别出该用户的组织-个人身份,为社交网络用户身份的识别及进一步研究提供借鉴和帮助.在识别过程中,通过对文本内容中用户的口语化水平、内容(主题)复杂化水平、内容规范化水平的度量以及多媒体内容中用户图片特性和用户时间序列内容的分析,从不同角度提出5种机器可操作的用户组织-个人身份识别方法,进而识别出社交网络中用户是组织用户还是个人用户.最后,为了验证该文所提识别方法的可行性和有效性,该文选择新浪微博数据进行实验,并通过概率模型识别方法进行了对比分析.同时,在验证过程中,使用多种指标对实验结果进行评价.实验结果表明,该文识别方法能够有效识别出用户的组织-个人身份,其中内容复杂特性识别方法、内容规范化识别方法以及时间序列内容识别方法的用户身份识别准确率超过80%.
- 张树森梁循弭宝瞳赵吉超周小平
- 关键词：社交网络身份识别时间序列
- 极限学习机前沿进展与趋势被引量：101
- 2019年
- 极限学习机(Extreme Learning Machine,ELM)作为前馈神经网络学习中一种全新的训练框架,在行为识别、情感识别和故障诊断等方面被广泛应用,引起了各个领域的高度关注和深入研究.ELM最初是针对单隐层前馈神经网络的学习速度而提出的,之后又被众多学者扩展到多隐层前馈神经网络中.该算法的核心思想是随机选取网络的输入权值和隐层偏置,在训练过程中保持不变,仅需要优化隐层神经元个数.网络的输出权值则是通过最小化平方损失函数,来求解Moore - Penrose广义逆运算得到最小范数最小二乘解.相比于其它传统的基于梯度的前馈神经网络学习算法,ELM具有实现简单,学习速度极快和人为干预较少等显著优势,已成为当前人工智能领域最热门的研究方向之一.ELM的学习理论表明,当隐层神经元的学习参数独立于训练样本随机生成,只要前馈神经网络的激活函数是非线性分段连续的,就可以逼近任意连续目标函数或分类任务中的任何复杂决策边界.近年来,随机神经元也逐步在越来越多的深度学习中使用,而ELM可以为其提供使用的理论基础.本文首先概述了ELM的发展历程,接着详细阐述了ELM的工作原理.然后对ELM理论和应用的最新研究进展进行了归纳总结,着重讨论并分析了自ELM提出以来的主要学习算法和模型,包括提出的原因、核心思想、求解方法、各自的优缺点以及相关问题.最后,针对当前的研究现状,指出了ELM存在的争议、问题和挑战,并对未来的研究方向和发展趋势进行了展望。
- 徐睿梁循齐金山李志宇张树森
- 关键词：极限学习机网络结构正则化并行计算
- 社会网络角色识别方法综述被引量：20
- 2017年
- 在社会网络研究中,角色识别是一个十分重要的研究问题,它对分析和理解社会网络、预测用户行为、研究用户之间的关系和交互过程具有重要意义.相对其他人或事物来说,社会网络中每个人都扮演着所在环境下的一个角色.社会角色可根据用户之间的交互水平来定义,这些角色可看作是对用户位置、行为或虚拟身份的刻画,并且随着时间的变化这些角色也在不断的改变和演化.当前,社会网络角色识别研究更多的是集中在新出现的社交网络平台上,如Facebook、Twitter、微博等,也正是由于这些社交媒体网络的快速增长以及可被获得,使我们有了新的机会和条件来定义和识别社会角色.文中主要对近年来关于社会网络中角色识别的方法和研究现状进行了总结,并提出自己的想法和意见.文中首先阐述了社会网络中网络、角色等基本概念,提出了社会网络角色识别问题并给出社会网络角色识别研究中关键挑战问题;然后根据角色是否提前定义,将社会网络角色分为非明确角色和明确角色,并总体概括了当前这两种角色识别的主要方法和研究现状;最后对社会网络角色识别中的难点和未来研究方向进行了分析和展望.社会网络角色的识别是一个复杂的问题,不是单靠某一种方法能解决的,而是需要用"组合拳"方式来解决,这就要求我们综合考虑各种因素进行优化组合,识别出最终的社会角色.
- 张树森梁循齐金山
- 关键词：社会网络网络分析社会计算
- 图神经网络前沿进展与应用被引量：30
- 2022年
- 图结构数据是现实生活中广泛存在的一类数据形式.宏观上的互联网、知识图谱、社交网络数据,微观上的蛋白质、化合物分子等都可以用图结构来建模和表示.由于图结构数据的复杂性和异质性,对图结构数据的分析和处理一直是研究界的难点和重点.图神经网络(Graph Neural Network,GNN)是近年来出现的一种利用深度学习直接对图结构数据进行学习的框架,其优异的性能引起了学者高度的关注和深入的探索.通过在图中的节点和边上制定一定的策略,GNN将图结构数据转化为规范而标准的表示,并输入到多种不同的神经网络中进行训练,在节点分类、边信息传播和图聚类等任务上取得优良的效果.与其他图学习算法相比较,GNN能够学习到图结构数据中的节点以及边的内在规律和更加深层次的语义特征.由于具有对图结构数据强大的非线性拟合能力,因此在不同领域的图相关问题上,GNN都表现出更高的准确率和更好的鲁棒性.本文在现有GNN研究的基础上,首先概述了GNN的出现历程,并介绍了相关概念和定义.之后本文着重讨论和对比了GNN中的各种算法框架,包括核心思想、任务划分、学习方式、优缺点、适用范围、实现成本等.此外,本文对GNN算法在多个不同领域下的应用场景进行了详细的阐述,将GNN与其他图学习算法的优缺点作了联系和比较.针对存在的一些问题和挑战,本文勾画了GNN的未来方向和发展趋势,最后对全文进行了全面而细致的总结.
- 吴博梁循张树森徐睿
- 关键词：拉普拉斯矩阵谱分解图生成
- 金庸小说中主角复杂爱情模式的识别与分析被引量：5
- 2019年
- 该文提出了一种基于复杂网络分析方法的小说人物关系识别模型。通过以金庸14部武侠小说的分析过程为样例,首先提出了基于小说社会网络关系的降噪分析框架,然后在此基础上构建了人物亲密度评估与关系判别模型,最后给出了一种识别小说主角复杂爱情模式的通用模型。实验发现该模型能够有效地分析出小说中的复杂爱情模式,且在保证识别效率的同时还具备较高的精准度。在模型训练时,设置了变尺度窗口,发现随着窗口的变小,模型识别的主角复杂爱情模式呈现出召回率会不断上升至稳定,同时精确率则会维持相对稳定至超过一个阈值后不断下降这一重要现象。该文提出的复杂爱情模式识别框架,不仅对长文本小说人物关系分析具有较好的借鉴意义,还可以应用于判断小说精彩性和小说内容个性化推荐的图书决策支持系统。
- 张旋梁循李志宇张树森赵晓磊
- 关键词：爱情模式
- 时序紧密耦合的社会网络企业双舆情分析被引量：3
- 2018年
- 社交网络的兴起改变了信息的传播方式,对企业网络舆情的传播过程也产生了更深的影响。由于社会网络的使用范围越来越大,舆情传播的方式和内容上也越来越复杂,企业舆情的管理面临着不小的压力和挑战,企业舆情也需要现代化的手段进行管理。近期不断出现时序紧密耦合的双舆情案例,本文首先根据时序紧密耦合的企业网络舆情传播的特点,提出了双舆情之间的三种交互作用机制,即正向激励、反向抑制和无关作用。然后,通过在时序紧密耦合的魏则西及雷洋事件的双舆情典型案例,结合其他五例双舆情事件,对时序上紧密耦合的交互作用机制,进行了具体分析。最后,本文给企业提出了在时序紧密耦合的社会网络双舆情环境下的舆情管理建议。
- 许媛梁循程恒超张树森
- 关键词：社会网络
