裴广战
- 作品数：5 被引量：4H指数：1
- 供职机构：桂林电子科技大学计算机与信息安全学院更多>>
- 发文基金：广西研究生教育创新计划广西壮族自治区自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术环境科学与工程文化科学更多>>
- 基于LT^+模型的社交网络影响力最大化研究被引量：3
- 2016年
- 影响力最大化问题的目标是寻找社交网络中一组种子结点集合,在给定的传播模型下,使得这些结点最终传播的影响范围最大。Kempe和Kleinberg提出的贪心算法可以获得很好的影响范围,但是因复杂度太高而并不适用于大型社交网络。Chen和Yuan等人基于线性阈值(LT)模型提出了构造局部有向无环图的启发式算法,但是LT模型只考虑了邻居结点的直接影响力,忽略了结点之间存在的间接影响力。因此,在LT模型的基础上,结合网络中结点之间存在的间接影响力,提出了LT+影响力模型,并利用构造局部有向无环图的启发式算法求解LT+模型的影响力最大化,称为LT+DAG算法。真实数据集上的对比实验表明,LT+DAG算法具有更好的影响范围以及较好的可扩展性。
- 蔡国永裴广战
- 关键词：社交网络贪心算法
- 一种基于用户距离改进的线性影响力传播模型
- 2017年
- 根据在线社交网络中用户的历史行为进行信息传播的预测是当前研究的热点之一,然而传统的传播模型仅解释了信息在社交网络中的传播规律,不具备信息传播预测能力。Jaewan Yang和Jwe Leskovec根据未激活的用户会受到激活用户的影响,提出了线性影响力模型LIM(Linear Influence Model),但是LIM模型在信息传播的过程中只考虑了时间因素,忽略了信息在传播过程中的空间因素,即用户间的相互关系。首先引入社交网络中用户间距离的度量,并结合距离的度量对LIM模型进行了改进,提出了基于距离正则化的LIM模型,即d-LIM模型。真实数据集上的对比实验表明,d-LIM模型能获得更准确的预测结果。
- 蔡国永裴广战
- 关键词：社交网络
- 基于MapReduce的MIC算法并行化被引量：1
- 2015年
- MIC是一种分析变量之间可能存在的关系的方法。该方法不仅能够有效识别出变量间各种复杂类型的关系,还能够准确描述噪音数据对存在关系的影响,对探索大数据集中变量之间的关系具有重要意义。针对该方法在处理包含大量变量的数据集时性能方面的不足,首次对它进行了基于MapReduce模型的并行化。提出的并行化方法首先对原算法进行更细颗粒度的划分,然后采用一种基于Map-Reduce-Map任务链的并行模型,该模型不仅有效地增加了并行的计算单元,还大大地降低了不必要的系统开销。最后,通过理论分析和实验验证得出,改进后的算法与原算法相比,在准确率方面具有等效性,运行速度大幅度提升且具有良好的可扩展性;实验同时指出了算法性能的提升与系统资源的关系。
- 吕瑞蔡国永裴广战
- 关键词：大数据MICMAPREDUCE并行化
- 基于MapReduce的MIC算法并行化
- MIC统计量常被用来探测数据集中变量间关系的类型和特征.然而,随着数据集中变量个数和坐标点的增多,该方法的时间复杂度也大幅增加,不能满足大数据集分析的要求.基于此,本文对该方法进行了基于MapReduce模型的并行化.文...
- 蔡国永吕瑞裴广战
- 关键词：并行化设计编程模型
- 文献传递
- 社交网络中社会影响力分析及预测
- 裴广战
