【摘 要】
：
为了对在线社交网络进行全面的可视化分析,运用持续同调的计算方法对在线社交网络传播进行计算与分析.首先,将在线社交网络看作距离子空间,构造出该空间的不同子复形;然后,通过计算单纯复形的同调得到相应的贝蒂数和持续性图,从而基于贝蒂数和持续性图获取社交网络的拓扑特征;最后,分析几个不同类型在线社交网络的传播特点,将持续同调应用于在线社交网络传播,从而得出在线社交网络的持续同调信息,并提供一种描述在线社交网络传播的新方法.
【机 构】
：
昆明理工大学理学院,云南昆明650500
论文部分内容阅读
为了对在线社交网络进行全面的可视化分析,运用持续同调的计算方法对在线社交网络传播进行计算与分析.首先,将在线社交网络看作距离子空间,构造出该空间的不同子复形;然后,通过计算单纯复形的同调得到相应的贝蒂数和持续性图,从而基于贝蒂数和持续性图获取社交网络的拓扑特征;最后,分析几个不同类型在线社交网络的传播特点,将持续同调应用于在线社交网络传播,从而得出在线社交网络的持续同调信息,并提供一种描述在线社交网络传播的新方法.
其他文献
针对产品生产制造过程中由于不确定因素导致完工期延误的问题,在考虑高数据维度、广特征空间分布的情况下,提出一种改进深度神经网络的产品生产制造周期预测方法.该算法采用栈式自编码器预训练神经网络的权重和偏置并完成特征提取过程,采用预训练参数初始化深度神经网络进行生产制造预测.为避免模型过拟合,加入L2正则化和dropout.以某制造业某季度产品生产制造数据为例,验证了该预测模型的有效性.与其他预测模型相比,栈式自编码—深度神经网络模型具有较高的预测精度.
现有评论文本推荐方法多使用静态词向量技术获取评论嵌入,但单词多义性会对语义理解产生偏差,且特征拼接策略无法平衡用户和商品特征对推荐结果的影响.为此,提出了基于评论文本的自适应特征提取推荐模型.该模型使用动态词嵌入预训练模型BERT解决多义性问题,结合Bi-GRU与注意力机制的双向特征提取增强特征表达能力,并以自适应特征拼接机制平衡用户和商品特征在交互时的贡献程度.实验结果表明,该模型在6个亚马逊数据集上均方误差值最低为0.678,相比最优基准模型性能平均提高了2.42％,有效改善评论文本中单词多义性问题对
研究基于长短时记忆神经网络模型的优化方法及其在脱轨系数预测中的应用,通过SIMPACK建立列车—轨道仿真场景得到网络训练所需数据集,构建基于长短时记忆神经网络的脱轨系数预测模型,借助动态学习率和Dropout方法针对学习率及网络结构进行优化,并使用优化后的长短时记忆神经网络对脱轨系数进行预测.脱轨系数预测结果表明,经过优化的长短时记忆神经网络预测模型在测试集上的预测误差相较优化前的模型减小23.9％,动态学习率和Dropout方法能高效地优化预测模型,可使模型较准确地预测出脱轨系数变化趋势,可为进一步研究
旅游评价情感分析对了解游客偏好具有重要意义,然而现有的旅游评价情感分析模型较少突出游客情感描述的核心内容.为了更加精确地分析游客评价的情感倾向,提出一种结合词性注意力机制和双向长短期记忆神经网络(Bi-directional Long Short-Term Memory,Bi-LSTM)的旅游评价情感分析模型.该模型采用Bi-LSTM捕获上下文语义信息并充分利用句子中词语的词性与情感极性词之间的关系,无需依赖人工组织的情感领域词典,并使用词性注意力机制关注情感描述内容核心部分.实验结果表明,该旅游评价情感
传统语音情感识别算法模型结构较为简单,需要足够量级的训练数据才能使其具有一定的实用性.然而,在实际应用中可供训练的数据集较少.为解决上述问题,提出了一种语音情感深度迁移识别算法.通过属性分析表构建、特征提取、相关性计算等操作确定源域数据集,并在此基础上训练迁移学习并构建预训练模型,最终构成语音情感分类模型.实验结果表明,该算法可较好解决低资源数据集易陷入局部最优的问题,识别率达到60％以上,相对于BLSTM和CNN模型具有一定优势.
为了改善现有基于深度学习网络的中文评论情感分类方法,同时提高中文评论情感分类的正确率和效率,基于Tensorflow框架,对传统BERT模型进行改进,以Nlpcc2013和Nlpcc2014公开的微博评论数据集为实验数据,分别从两个数据集中清洗抽取出3949条和14163条情感极性明显的评论,将数据输入改进后的RoBER?Ta模型中,提取语义后利用Sigmoid函数进行情感正负极性分类.实验结果表明,该模型的算法准确率、精确率、召回率和F1值较高,在Nlpcc2013数据集上分别达87.85％、88.36
针对射频识别(RFID)中的标签碰撞问题,提出一种基于映射序列码的自适应查询树(MAQT)算法.该算法根据最高碰撞位为首的连续3个比特位的特征,并结合唯一的映射关系,准确地推断出当前查询时隙存在的查询前缀,达到消除空闲时隙、减少碰撞时隙的目的.仿真结果表明,当待识别标签数量达到1000时,MAQT算法相比GBAQT算法能够减少10.8％总时隙数,吞吐率可维持在0.61左右.该算法能够减少总时隙数,提高系统效率.
为了提高铁路货运量的预测精度,基于货运量线性和非线性的特点,选取中国铁路1980-2020年的货运量作为研究对象,提出ARIMA和BP神经网络的组合模型,基于简单加权和残差优化两种不同组合方法对铁路货运量进行建模分析,并与ARIMA、BP神经网络单一模型进行对比.实验结果表明,ARIMA-BP残差优化的组合模型结果精度较高,评价指标MAE、MAPE、RMSE分别为5135.90、0.0209、8462.49.基于ARIMA-BP残差优化的组合模型实现了对货运量的较好预测,对铁路运输部门灵活制定相关政策具有
随着互联网的发展,网购风行千家万户,商品服务在线评价对用户决策产生很大影响.但网上评价门槛较低,其中不乏虚假评价,极大影响了消费者与商家权益.针对此问题,提出一种基于CNN-LSTM模型与迁移学习相结合的虚假评论检测方法.使用CNN-LSTM算法,结合Doc2Vec与TF-IDF方法,将评价文本向量化后作为特征,利用Glove数据集进行迁移学习.与其他方法进行对比验证,结果显示该检测方法检测与识别准确率更高,在英文酒店评论数据集deceptive-opinion-spam-corpus上的实验测试中,正确
由于传统快速扩展随机树的改进算法(RRT*)在处理自主式水下机器人三维路径规划问题时存在算法收敛速度慢、规划出的路径不平滑等问题,提出一种改进型NT-RRT*算法(正态采样、三角裁剪的快速扩展随机树改进算法),利用正态分布的空间采样策略来代替RRT*算法中的全局均匀随机采样,用来提高算法的收敛速度.此外,引入基于三角不等式的几何修剪算法,减少了随机树扩展过程中的节点和路径长度.在有地形障碍物和漂浮障碍物的三维水下环境进行仿真,仿真结果表明,改进后的算法在随机扩展中的节点数减少为原来的15％,算法规划时间缩