沈静
- 作品数：4 被引量：12H指数：2
- 供职机构：广东工贸职业技术学院计算机工程系更多>>
- 发文基金：广东省科技计划工业攻关项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 多维相似度特征的社交网络链接分类被引量：1
- 2017年
- 深入挖掘社交网络的特征信息对链接的分类具有重要作用.然而已有的特征均基于单维网络构建,忽视了社交网络的多维复杂性及特征之间的冗余信息问题.为解决此问题,提出一种基于RReliefF特征选择模型的多维社交网络链接分类算法.该方法首先在单维相似度特征模型的框架下给出维度关联因子的定义,然后通过改进基于加权传播的的相似度指标,构造多维特征相似度,最后引入RReliefF算法对特征进行选择,有效处理了特征间的冗余信息和噪音信息.在YouTube数据集的实验结果表明,引入的维度关联因子提高了特征的多维度属性,对多维特征信息分析和选择有助于筛选判别性的特征,提高链接分类的质量,验证该方法的有效性.
- 伍杰华沈静周蓓
- 关键词：社交网络
- 一种集成局部加权聚类系数的链接预测算法被引量：5
- 2018年
- 针对基于局部结构的加权链接预测算法仅仅利用了一级共邻节点的拓扑属性,无法反映共邻节点的邻居对潜在节点对的贡献以及度量共邻节点互连密集程度对预测结果的影响这一问题,从局部结构的密集层面来分析共邻节点对潜在节点对的影响,提出了一种集成加权聚类系数的相似度指标(WCCLP)。该指标能够有效地扩大局部共邻节点结构对预测性能的影响,同时也能轻易地拓展到加权局部朴素贝叶斯链接预测模型(WLNB)中。采用无监督学习的实验表明,WCCLP在多个真实数据集比现有的基准指标取得了更好的预测效果,拓展到WLNB的实验效果证明加权聚类系数的定义能够有效推广到其他模型当中。同时在有监督学习的链接预测场景中,由WCCLP构建的特征比现有的局部相似度算法构成的特征更具判别性。
- 伍杰华张小兰沈静周蓓
- 关键词：加权网络复杂网络聚类系数链接预测
- 基于社区特征的平衡模块度最大化社交链接预测模型被引量：1
- 2019年
- 链接预测和社区发现是社交网络分析领域的两大研究方向。如何挖掘社区结构帮助提高链接预测效果具有十分重要的意义。在模块度最大化模型的基础上,提出一种基于社区结构特征提取与选择的链接预测方法。首先,在网络进化模型中引入基于社区结构的相似度指标建立局部特征,并利用影响力节点识别方法构建全局特征;然后,采用最小冗余最大相关度的特征选择算法度量特征之间的相互影响,并筛选出最有表示力的候选特征;最后,将基于经过上述步骤处理后的特征融入模块度最大化链接预测模型中。该算法在人工和真实两类数据集上与相关算法做了对比实验,结果证实了该算法的高效性,也表明了基于社区结构的特征提取与选择步骤的必要性。
- 伍杰华沈静周蓓
- 关键词：链接预测模块度社交网络
- 改进朴素贝叶斯模型的复杂网络关系预测被引量：5
- 2017年
- 复杂网络包括生物性信息网络、科学家合作网络、社交关系网络等,研究复杂网络的关系预测问题有助于预测蛋白质相互关系,发现科学家合作关系,以及挖掘潜在好友关系等。目前,绝大多数关系预测算法由复杂网络的相似度模型实现,但该类型算法基于显式的网络拓扑特征构建,忽视了影响关系生成的隐含信息。针对这一问题,在朴素贝叶斯链接预测模型(LNB)基础上提出了一种加强(Enhanced)朴素贝叶斯链接预测模型(ELNB),该模型通过定义共邻节点关系概率对共邻节点构成的局部子图特征进行建模,有效缓解了LNB中的独立性假设,实现了共邻节点关系贡献的量化计算。在人工数据集和真实复杂网络数据集上的实验表明,本文提出的模型优于基准算法和其他新近提出的模型。同时,把ELNB的思想有效地拓展到其他基于共邻节点的相似度算法中,为该类模型的研究提供一种新的方案。
- 伍杰华沈静周蓓
- 关键词：复杂网络贝叶斯模型
