-
公开(公告)号：CN104021230B
公开(公告)日：2017-02-15
申请号：CN201410298575.6
申请日：2014-06-27
Applicant: 重庆邮电大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于社区发现的协同过滤方法，包括以下步骤：1)将用户—项目网络转换为邻接矩阵形式，如果用户对项目评分，那么对应于矩阵的相应元素就存在值，即评分数据；2)构造用户—用户矩阵，用户—用户矩阵中的元素为用户与用户的相似度，相似度的计算方法采用新型的基于Pearson的相似度计算方法；3)基于用户—用户矩阵通过社区发现方法发现社区结构，并对用户—项目矩阵中的部分缺失评分进行预测填充；4)计算目标用户与社区之间以及用户与用户之间的相似度关系构造最近邻候选集，并完成推荐。该方法有效的解决了传统过滤算法中的冷启动问题，通过改进相似度计算公式以及对缺失评分的预测填充有效提高了算法推荐的精度，在平均绝对误差上也有着更好的表现。
-
Patent Agency Ranking
公开(公告)号：CN103729467A
公开(公告)日：2014-04-16
申请号：CN201410020036.6
申请日：2014-01-16
Applicant: 重庆邮电大学
IPC: G06F17/30
CPC classification number: G06Q50/01
Abstract: 本发明公开了一种复杂社交网络中的社区结构发现方法，属于网络技术领域。本方法包括以下步骤：步骤一：将社交网络转换为邻接矩阵形式，如果两个节点之间存在边，那么相对应的元素为1，否则为0；步骤二：利用随机游走理论对邻接矩阵进行处理，得到新的节点度数P-degree以及边权值P-weight；步骤三：根据新的节点度数P-degree得到社交网络中的领袖节点；步骤四：基于领袖节点生成子社区，并通过对子社区的一系列操作来进行社区发现。该方法能够高效的识别出社交网络中的社区结构，同时将本方法与一些经典的社区发现算法如Newman算法相比，在模块度指标上有着更好的表现。将本发明用于后续的社交网络实践中有着重要的意义。
-
公开(公告)号：CN103729466B
公开(公告)日：2017-07-04
申请号：CN201410019885.X
申请日：2014-01-16
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于WEB及GBBoosting算法的人名国别识别方法，属于WEB数据挖掘技术领域。该方法包括以下步骤：步骤一：通过WEB数据抽取技术提取高校学者人名；步骤二：构造GBBoosting算法：构造弱分类器，每个弱分类器对输入样本输出一个弱分类假设，通过所有弱分类器的权重融合构成一个强分类器；步骤三：通过GBBoosting算法识别所属的国别。本发明所述的基于WEB及GBBoosting算法的人名国别识别方法，有效的解决了两个国家人名拼写方式相近的情况下不能分类的问题；同时本方法比现有的其它分类方法更易实施，能更好的应用于人名国别或者城市国别语义标注等工程实践中。
-
公开(公告)号：CN103729467B
公开(公告)日：2017-01-18
申请号：CN201410020036.6
申请日：2014-01-16
Applicant: 重庆邮电大学
IPC: G06F17/30
Abstract: 本发明公开了一种复杂社交网络中的社区结构发现方法，属于网络技术领域。本方法包括以下步骤：步骤一：将社交网络转换为邻接矩阵形式，如果两个节点之间存在边，那么相对应的元素为1，否则为0；步骤二：利用随机游走理论对邻接矩阵进行处理，得到新的节点度数P-degree以及边权值P-weight；步骤三：根据新的节点度数P-degree得到社交网络中的领袖节点；步骤四：基于领袖节点生成子社区，并通过对子社区的一系列操作来进行社区发现。该方法能够高效的识别出社交网络中的社区结构，同时将本方法与一些经典的社区发现算法如Newman算法相比，在模块度指标上有着更好的表现。将本发明用于后续的社交网络实践中有着重要的意义。
-
公开(公告)号：CN104021230A
公开(公告)日：2014-09-03
申请号：CN201410298575.6
申请日：2014-06-27
Applicant: 重庆邮电大学
IPC: G06F17/30
CPC classification number: G06F17/30867 , G06Q50/01
Abstract: 本发明公开了一种基于社区发现的协同过滤方法，包括以下步骤：1)将用户—项目网络转换为邻接矩阵形式，如果用户对项目评分，那么对应于矩阵的相应元素就存在值，即评分数据；2)构造用户—用户矩阵，用户—用户矩阵中的元素为用户与用户的相似度，相似度的计算方法采用新型的基于Pearson的相似度计算方法；3)基于用户—用户矩阵通过社区发现方法发现社区结构，并对用户—项目矩阵中的部分缺失评分进行预测填充；4)计算目标用户与社区之间以及用户与用户之间的相似度关系构造最近邻候选集，并完成推荐。该方法有效的解决了传统过滤算法中的冷启动问题，通过改进相似度计算公式以及对缺失评分的预测填充有效提高了算法推荐的精度，在平均绝对误差上也有着更好的表现。
-
公开(公告)号：CN103729466A
公开(公告)日：2014-04-16
申请号：CN201410019885.X
申请日：2014-01-16
Applicant: 重庆邮电大学
CPC classification number: G06F17/30675 , G06F17/2715 , G06F17/30734
Abstract: 本发明公开了一种基于WEB及GBBoosting算法的人名国别识别方法，属于WEB数据挖掘技术领域。该方法包括以下步骤：步骤一：通过WEB数据抽取技术提取高校学者人名；步骤二：构造GBBoosting算法：构造弱分类器，每个弱分类器对输入样本输出一个弱分类假设，通过所有弱分类器的权重融合构成一个强分类器；步骤三：通过GBBoosting算法识别所属的国别。本发明所述的基于WEB及GBBoosting算法的人名国别识别方法，有效的解决了两个国家人名拼写方式相近的情况下不能分类的问题；同时本方法比现有的其它分类方法更易实施，能更好的应用于人名国别或者城市国别语义标注等工程实践中。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
