基于内容分析的短信种子客户挖掘模型与算法

来源 :南昌大学 | 被引量 : 0次 | 上传用户:bbs_zj
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着互联网的发展和智能终端的普及,短信、微博、微信等现代信息传播手段被广泛应用,它们都具有使用便捷、传播快速等优点。相对而言,短信对受众的年龄与知识水平、移动终端功能的要求较低而具有特定的优势,更适合于信息广播、知识普及、亲情交流等场景。种子短信指承载某些特定信息的定制短信。短信种子客户则是种子短信的首轮接收/转发者,由于他们对特定种子短信具有尽可能高的兴趣与短信转发量,因此对于信息的传播效率与成本具有决定性的影响。然而,目前确定短信种子客户的方法基本凭借人工经验寻找和筛选,其效率和准确率极不理想。因此,从海量的短信记录中挖掘出优质的短信种子客户,对于控制种子短信的传播路径、提高其传播效率、降低传播成本,具有重要意义。为从海量的短信记录中挖掘短信种子客户,控制种子短信的传播路径,提高其传播效率,本文提出一种基于内容分析的短信种子客户挖掘模型与算法。首先通过分析客户转发短信的兴趣性、随机性、单向性特征,构建客户转发短信的树型模型;其次,通过定义和应用综合评价函数生成优化的短信种子客户挖掘模型,并基于亲密群概念实现短信种子客户的挖掘,再使用电信运营商的实际数据进行实证分析,验证了上述模型与算法的有效性。最后,详细分析了电信短信增效应用平台的功能需求,给出了其系统架构设计,将上述研究成果予以实现并应用到该系统中。
其他文献
人脸检测最初来源于人脸识别,是指对于任意一幅彩色图像,判断其是否存在人脸,若存在则标记出人脸在图像中的位置及其面部的主要特征,并确定人脸的个数。近些年来该研究方向在模式
人脸检测与识别是模式识别领域一个重要的研究课题,具有广泛的应用前景。针对国内外人脸检测与识别研究现状,本文对AdaBoost、KPCA及SVM等算法在人脸检测识别领域的应用进行了
过去医学影像诊断简单地从采集到的二维图像中观察病人病灶位置,由于其不能建立立体性的观察,往往带有医生的主观判断,将病人的健康甚至生命寄托在医生的临床经验上来,是不科学、
上个世纪八十年代,电子邮件开始在全球范围内广泛使用。其快捷、方便、廉价的特点,受到了广大网民的喜爱。伴随着互联网的大规模普及,电子邮件逐渐成为一种常用的通信方式。
随着网络技术的飞速发展,多媒体数据逐渐成为人们获取信息的重要来源,人们可以轻松地从网络上获取各种各样的多媒体信息。与此同时大量诸如非法复制、伪造、篡改等侵犯多媒体
传统的工作流模型往往只注重活动以及活动之间的关系,而忽略了活动的主体角色和角色之间的交互关系。而对于流程重组主要集中在理论和优化算法研究方面,缺乏理论与实践相结合的
由于网格环境的开放性,使得它不论是进行并行计算,还是进行信息的共享与互操作,都会面临各种各样的安全问题。同时,网格的跨管理域、异构和网格资源的广域分布性、动态性、异
对称密码算法专用描述语言(Special Description Language for the Symmetric Cryptographic Algorithm, SDLSCA)主要应用于密码学这一特定领域,是为了方便密码学专家描述密
科学和工程应用领域中的很多问题都可以通过数学建模转化为函数优化问题(Function Optimization Problems, FOPs),因而对函数优化问题的研究具有十分重要的理论和实际意义。免
随着Internet的快速发展与普及,如何在开放、动态、难控的网络环境下实现各类资源的共享和集成已经成为计算机软件技术面临的重大挑战之一,流程建模技术也受到更为广泛的关注。