暂无评论
针对微博话题检测中需要解决的高维数据、噪声信息以及话题的快速演化等主要问题，提出一个有效的微博在线话题检测模型——可区分语言模型（discriminativelanguagemodel，DLM）。该模
微博意见领袖挖掘中通常单独考虑用户属性、网络结构或交互信息等特征，对这些特征之间的关系及微博信息的话题特征考虑较少。针对上述问题，提出了一种基于用户行为网络的微博意见领袖挖掘算法Topic-Leade
基于稀疏模型的微博用户标签自动生成技术，尚迪，戴新宇，微博作为互联网上兴起的社交媒体平台，用户可以通过微博发表观点言论。微博在一定程度上能够表达用户的兴趣爱好。其中，微博用户
通过对微博文本的特性分析，提取了中文微博情感分析的关键问题：如何识别微博新词并理解其情感含义?如何利用附加信息辅助文本情感分析?如何结合语言特性构造情感计算方法?针对第一个问题，利用统计信息和点间互信
针对微博话题存在时效性的特征以及用户之间交互行为特征，在经典PageRank算法的基础上，提出了基于用户交互的微博用户挖掘算法来有效挖掘推动微博话题流行的关键用户。首先介绍了微博话题关键用户的定义及其
针对传统社区发现方法大多基于链接或主题关系, 且没有考虑获取微博用户社会信息时的限制, 无法有效识别微博中多个社区的问题, 提出了一种综合基于主题和链接分析的微博社区发现算法来挖掘微博中多个社区。算法
指出常见基于单一主机结构的网络信息审计系统的不足，提出了一种具有全局信息共享接口的两级信息流处理的审计系统结构；系统的总框架由区域审计子系统和全局通信认证代理组成；在区域系统内，通过把慢速模块和高速模
微博社区基于内容情感词、用户标签、历史转发频率的综合转发概率预测研究，陈军，张闯，本文通过基于微博社区的微博内容的情感词权重、基于微博用户的标签内容、以及用户历史转发频率三个方面的综合来研究微博被转发
基于“用户画像”的推荐策略研究，王永瑞，吴珊，随着互联网技术和规模的不断发展，大数据背景下蕴藏着巨大的财富，同时也有着很强的竞争，用户使用互联网已经从搜索变为推送，良
随着电子商务的发展，传统的单机计算模型难以满足海量数据的实时推荐需求，基于协同过滤的推荐算法的缺陷也越来越明显。为此，提出一种利用Spark计算模型实现分布式推荐的方法。该推荐方法采用基于谱聚类和朴素
暂无评论