您的位置: 专家智库 > >

施松

作品数:8 被引量:11H指数:1
供职机构:福州大学更多>>
发文基金:福建省科技创新平台建设项目国家自然科学基金福建省自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 4篇专利
  • 3篇期刊文章
  • 1篇会议论文

领域

  • 4篇自动化与计算...

主题

  • 4篇用户
  • 4篇用户关系
  • 4篇网络
  • 3篇营销
  • 3篇社会网
  • 3篇社会网络
  • 3篇时间复杂度
  • 3篇网络图
  • 3篇复杂度
  • 3篇层级
  • 2篇社交
  • 2篇社交网
  • 2篇社交网络
  • 2篇精确营销
  • 2篇遍历
  • 1篇动态网
  • 1篇动态网络
  • 1篇度分布
  • 1篇增益
  • 1篇PAGERA...

机构

  • 8篇福州大学

作者

  • 8篇陈羽中
  • 8篇施松
  • 4篇郭文忠
  • 3篇陈国龙
  • 2篇牛玉贞
  • 2篇於志勇
  • 1篇郭昆
  • 1篇朱伟平

传媒

  • 1篇模式识别与人...
  • 1篇计算机学报
  • 1篇小型微型计算...
  • 1篇第十一届和谐...

年份

  • 1篇2018
  • 1篇2017
  • 1篇2016
  • 4篇2015
  • 1篇2014
8 条 记 录,以下是 1-8
排序方式:
一种社会网络中的邻域跟随社区发现方法
本发明涉及社会网络技术领域,特别是一种社会网络中的邻域跟随社区发现方法,包括以下步骤:步骤A:读取社会网络数据,构造以社会网络用户为节点,用户关系为边的社会网络图;步骤B:根据社会网络图,遍历社会网络图中的节点,确定节点...
陈羽中牛玉贞郭文忠施松
文献传递
基于节点层级与标签传播增益的重叠社区发现被引量:1
2015年
多标签传播算法具有接近线性的时间复杂度,但用于重叠社区发现时存在精度低、稳定性差的问题.文中基于重叠节点更可能出现在社区边缘的思想,提出基于节点层级与标签传播增益的重叠社区发现算法.该算法首先利用改进的基于节点中心度与社区分布约束的单标签传播方法发现非重叠社区,并在标签传播过程中利用局部信息同步计算节点中心度.然后根据节点中心度定义节点层级函数,标记节点在所属社区中的层级.最后基于节点间的标签传播增益,利用新的多标签更新规则,获得重叠社区结构.实验表明该算法能有效提高精度和稳定性.
陈羽中施松陈国龙於志勇
一种评估社会网络中重叠社区影响力的方法
2015年
社会影响力分析是社会网络研究的热点问题之一.针对社会影响力的研究,目前主要集中于社会网络中个体节点影响力的分析,而对社区级的社会影响力的研究却很少涉及.从一个全新的角度提出一种评估重叠社区影响力的方法.该方法主要包含两个部分:(1)评估每对节点(用户、实体)间的相互影响力,为了量化该影响力,提出一个相互评价学习模型MEL(Mutual Evaluation Learning);(2)基于该模型和PageRank算法的思想,设计了一种重叠社区影响力排序的算法CCIR(Cross-community Influence Rank).真实网络中的实验结果表明,该算法能够适应不同真实网络的场景,合理有效地反应真实社会网络中的社区影响力分布情况.
罗宇敏陈羽中詹振峰施松
关键词:社会网络PAGERANKCCIR
一种社交网络中的多标签传播重叠社区发现方法
本发明涉及社交网络技术领域,特别是一种社交网络中的多标签传播重叠社区发现方法,包括如下步骤:读取社交网络数据,构造以社交网络用户为节点,用户关系为边的社交网络图;根据社交网络图,进行社交网络的初步社区划分,采用综合考虑节...
陈羽中陈国龙郭文忠施松
文献传递
一种基于邻域跟随关系的增量社区发现算法
针对目前的增量社区发现算法无法满足大规模动态网络社区发现要求的问题,提出一种基于邻域跟随关系的社区表示模型,并基于该模型提出邻域跟随社区发现算法,算法遍历网络节点一次即可得到静态网络的社区结构,具有接近线性的时间复杂度....
陈羽中施松朱伟平於志勇郭昆
关键词:动态网络时间复杂度
文献传递
一种社会网络中的邻域跟随社区发现方法
本发明涉及社会网络技术领域,特别是一种社会网络中的邻域跟随社区发现方法,包括以下步骤:步骤A:读取社会网络数据,构造以社会网络用户为节点,用户关系为边的社会网络图;步骤B:根据社会网络图,遍历社会网络图中的节点,确定节点...
陈羽中牛玉贞郭文忠施松
文献传递
一种社交网络中的多标签传播重叠社区发现方法
本发明涉及社交网络技术领域,特别是一种社交网络中的多标签传播重叠社区发现方法,包括如下步骤:读取社交网络数据,构造以社交网络用户为节点,用户关系为边的社交网络图;根据社交网络图,进行社交网络的初步社区划分,采用综合考虑节...
陈羽中陈国龙郭文忠施松
文献传递
一种基于邻域跟随关系的增量社区发现算法被引量:10
2017年
社区发现能够揭示真实社会网络的拓扑结构和动态特性.目前的社区发现算法多针对静态社会网络所设计,而绝大多数真实社会网络的社区结构是动态变化的.针对动态社区发现,现有算法通常基于社区结构平稳变化的假设,无法处理演化过程中可能出现的大量社区消亡或涌现等突发事件.为解决有效并高效地发现大规模动态社会网络的社区结构的问题,提出了一种基于邻域跟随关系的社区表示模型Follow-Community,模型刻画的社区由不同角色的节点以及节点间的跟随关系组成,通过发现节点间存在的直接或间接的跟随关系,可将跟随同一个节点的节点所构成的集合归为一个社区.基于该模型提出了一种具有接近线性时间复杂度的邻域跟随算法NFA(Neighborhood Following Algorithm),遍历网络节点一次即可得到静态社会网络的社区结构.进一步扩展得到增量邻域跟随算法iNFA(incremental Neighborhood Following Algorithm).通过更新网络演化过程中相关节点的邻域跟随关系,iNFA可发现动态社会网络的社区结构及社区演化.实验结果验证了算法在大规模动态社会网络社区发现方面具有精度、效率以及稳定性的优势.
陈羽中施松朱伟平於志勇郭昆
共1页<1>
聚类工具0