暂无评论
基于用户-微博图分析的自适应Twitter用户排名,马凤龙,张宪超,Twitter是当今最流行的微博平台之一,本文的研究问题是Twitter上的权威用户排名。Twitter具有大量的用户,并含有丰富的
用于微博情感分析的可视化模型研究,钱鹰,叶云智,随着社交网络的飞速发展,以新浪微博为首的社交媒体受到越来越多用户的青睐。通过对大量微博数据进行处理和情感分析,以一图胜千
帖立方微博主动推荐方案的设计与实现,郭振强,胡正名,伴随着微博客的快速发展和网民的急剧增加,使信息量以成倍的速度增长。如何在海量的信息中找出有用有价值的信息,提高微博客用户
针对传统推荐算法在推荐过程中存在忽略用户偏好、用户恶意虚假信息和时间序列等问题,引入用户兴趣模型,结合用户可疑度与时间效应计算更新用户相似度,经过深度学习网络得到最佳推荐目标。为避免出现数据过拟合情况
基于话题的微博用户影响力评价,徐饶,陈光,本文致力于发现微博话题里有影响力的用户。微博是当前最有影响力的在线社交平台,也是在线社交网络领域的热门研究对象。本文基于
微博用户行为的动力学分析,刘影,王祖喜,微博作为一种典型的在线社会网络,因其庞大的用户数量和开放性使其用户结构呈现出多元化特性,除正常用户外其中存在由自动化应用
当前最新的兴趣点推荐工作开始融合地理、文本和社交信息进行推荐,但是还存在信息挖掘不充分的情况。为此,提出了改进的多类型信息融合的联合概率生成的兴趣点推荐模型。首先提出了自动学习文档话题数目的分层狄利克
用户评论中产品特征的抽取及聚类的方法研究,韩雪婷,李炜,在用户评论中蕴含了大量的产品特征和用户对这些特征的观点和态度。本研究提出了基于Apriori关联规则算法的产品特征抽取方法,利用��
融合电信业务模型的建模方法,李浩,,模型驱动架构是新一代的软件开发方法学。模型驱动的业务生成技术将MDA的理念系统的应用到电信业务的生成中,使得电信业务应用级的
基于兴趣度的分层式兴趣管理方法,王娅森,,基于兴趣层次的兴趣管理方法是将量化的兴趣度划分层次后采取不同的数据发送策略的过滤方法。在基于兴趣层次的基础上提出了一种DM-
暂无评论