2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩79頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、大規(guī)模社交網(wǎng)絡(luò)中的二元關(guān)系預(yù)測(cè)問題是指通過已知的網(wǎng)絡(luò)結(jié)構(gòu)信息預(yù)測(cè)網(wǎng)絡(luò)中已存在邊的二元關(guān)系問題,該問題對(duì)于研究網(wǎng)絡(luò)完整的結(jié)構(gòu)和挖掘網(wǎng)絡(luò)隱藏的相關(guān)信息都具有很重要的意義。目前預(yù)測(cè)效果最好的方法是 Jure等人提出了的使用LR模型的方法,LR模型是一種線性回歸方法,不能很好的擬合大量的、復(fù)雜的社會(huì)關(guān)系,因此本文在此基礎(chǔ)上提出了使用支持向量SVM模型來解決普通的社交網(wǎng)絡(luò)中的二元關(guān)系。
  針對(duì)于普通的社交網(wǎng)絡(luò),本文主要在3個(gè)方面上進(jìn)行了改

2、進(jìn):第一,Jure等人雖然選取了23種特征描述網(wǎng)絡(luò),但通過分析發(fā)現(xiàn)在這23種特征中,存在一些線性相關(guān)的特征,這樣的特征對(duì)于預(yù)測(cè)沒有意義,但卻會(huì)耗費(fèi)時(shí)間以及空間,因此,本文通過特征選擇的方法(PCA方法)進(jìn)行特征選擇。本文首先提出了10種新的特征,綜合Jure等人的23種特征,一共33種特征,然后使用PCA對(duì)這33種特征中的11種特征進(jìn)行了降維處理,選出影響力大的主成分,再對(duì)網(wǎng)絡(luò)中的二元關(guān)系進(jìn)行預(yù)測(cè);第二,Jure等人使用LR的模型適合處

3、理線性分類,而社交網(wǎng)絡(luò)中的關(guān)系不是線性可分的,因此本文提出使用SVM模型進(jìn)行分類,支持向量SVM支持非線性的分類;第三,使用Adaboost算法對(duì)已有的算法進(jìn)行集成,將多個(gè)單獨(dú)的算法作為弱分類器,使用Adaboost集成為一個(gè)強(qiáng)分類器,提高了預(yù)測(cè)的準(zhǔn)確率。
  以上三個(gè)改進(jìn)是針對(duì)于普通的社交網(wǎng)絡(luò)中的二元關(guān)系預(yù)測(cè)問題的改進(jìn),而針對(duì)于大規(guī)模社交網(wǎng)絡(luò)難以使用單一的模型進(jìn)行預(yù)測(cè)的問題,本文提出了將一個(gè)大規(guī)模的網(wǎng)絡(luò)劃分為幾個(gè)小的網(wǎng)絡(luò),然后對(duì)

4、每一個(gè)子網(wǎng)絡(luò)單獨(dú)建立各自的SVM模型,取得了較好的預(yù)測(cè)結(jié)果。本文提出了兩種劃分網(wǎng)絡(luò)的方法,第一種方法是根據(jù)邊的EM值,即邊的嵌入度來劃分網(wǎng)絡(luò),第二種方法是使用K-means聚類方法將整個(gè)網(wǎng)絡(luò)聚為 K類。通過這兩種分類方法將一個(gè)大規(guī)模的社交網(wǎng)絡(luò)劃分為幾個(gè)小的子網(wǎng)絡(luò),然后對(duì)每一個(gè)子網(wǎng)絡(luò)建立各自的SVM模型。
  該算法在Epinions, Slashdot以及Wikipedia三個(gè)數(shù)據(jù)集上進(jìn)行了測(cè)試,在隱藏10%的邊的條件下,slas

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論