基于时间序列分析的微博突发话题检测方法

针对微博信息噪音大、新颖度难以判断的问题,在动量模型的基础上进行优化,提出了基于时序分析的微博突发话题检测方法。通过动量模型提取候选突发特征后,对特征的动量时间序列分别借鉴信号频域分析理论和股票趋势分析理论进行建模,分析特征的频域特性来识别频繁伪突发特征,分析特征的新颖程度来识别间歇性伪突发特征,合并过滤后的有效突发特征形成突发话题。微博数据实验表明,该方法有效提高了突发话题检测的准确率和F值。     

基于数据挖掘技术的微博热点话题预测

微博热点话题受到多种因素的影响,具有强烈的非线性变化特点,为了获得理想的微博热点话题预测结果,提出基于数据挖掘技术的微博热点话题预测模型。首先对当前微博热点话题的研究现状进行分析,指出当前微博热点话题预测模型的局限性,然后采用数据挖掘技术,即支持向量机对微博热点话题进行建模与分析,最后采用仿真实验对微博热点话题的预测性能进行分析。结果表明,数据挖掘技术可以描述微博热点话题的变化特点,提高了微博热点话题的预测准确性。     

微博转发网络中的节点特征和传播模型

微博作为重要的社交网络平台,具有传播快速、平台影响大的特点.微博用户的节点特征决定了其网络影响力.研究了微博转发网络中节点的度值特征和传播模型.首先通过区分信息流动方向构建了微博转发网络;其次分别讨论了出度一入度的均值和方差,明确二者的差异,并分析了考虑节点度值特征的信息传播过程;最后通过仿真验证可以看出:边的有向性对信息传播有着显著的影响,在有向条件下,渗流阈值增加,同样概率下传播范围变小,信息传播更为困难.     

基于混合算法的通信用户规模预测

考虑到常规SVR预测模型及GA优化和PSO优化的SVR预测模型具有寻优结果稳定性差,容易陷入局部最优解等问题,将具有极强的鲁棒性能和全局搜索能力、能够快速跳出局部最优解等优点的人工鱼群算法与SVR算法进行混合,建立基于混合算法的预测模型。通过混合后的算法能够有效地使算法更快、更准确地得到全局最优解,避免了常规算法在人工鱼更新位置时没有全局信息,只有局部信息引起的收敛速度慢,精度低等问题。使用该混合算法预测模型以及使用传统的三次曲线拟合法和GA-SVR算法建立通信用户规模预测模型,针对2010—2012年通信用户规模进行预测,实验证明基于混合算法的通信用户规模预测模型的预测精度高,稳定性较好,相比另外两种算法,具有较强的优势。     

基于用户的的微博话题情感分析

近年来,微博作为一种重要的交互媒体,已经在逐渐改变传统的信息传播方式.作为一种即时交互的工具,可以刻在任何条件下由任何人使用.微博用户发布的每条微博中都包含了用户的感情,可以通过微博话题的情感分析来识别有价值的微博话题.用户的情感发生变化时,其相应的情感倾向和话题的可信任度就会发生相应的变化.微博的可信任度可以为我们查看微博时提供一定的参考价值.     

微博的传播模式与传播效果探析

微博是21世纪信息时代的产物,对于每个人来说是一个极其熟悉的字眼。它的特点和功能每时每刻都在传递着新的事物信息以及给人们带来的传播影响和效果。文章通过微博的传播模式与传播效果对微博进行探析。     

一种基于节点活跃度的链路预测改进算法

针对赛博空间中的社会舆情数据链路预测的问题,提出将网络节点活跃度作为一个重要的指标整合到预测算法中,以提高链路预测的准确性和科学性。首先定义了节点活跃度并构建三个用于表示节点活跃度的函数,然后以实际数据为样本进行实例验证,最后通过与三个主流算法在使用三个函数前后的准确度进行比较,链路预测的准确度有明显提高。     

基于邻居度信息的节点传播能力度量算法

复杂网络中的节点传播能力度量具有十分重要的意义,有助于抑制谣言扩散、疾病传播等。研究者们普遍用度量节点传播能力,然而度指标忽略了邻居节点的重要程度。文中考虑邻居节点度信息,提出了一种新的度量节点传播能力方法。该方法通过计算邻居节点度的α次方的和来度量节点的传播能力。通过α调整邻居节点对目标节点的重要程度,α越大,度大的邻居节点对目标节点的贡献越大。实验结果表明,在最优值α情况下,文中提出的算法相对于度和K-核分解方法能更加准确地度量节点的传播能力。文中提出的度量方法只考虑邻居节点度信息,因此非常适合于大规模网络的节点传播能力度量。     

基于微博网络的信息传播模型

微博（Microblog）中信息传播的面积、速度、效率都得到了极大提高,研究信息在微博中的传播规律,对控制和引导舆论具有非常重要的理论价值和现实意义。结合信息在微博网络中的传播规则和微博网络的拓扑结构,通过构建一种新的基于微博网络的信息传播模型,并在实际新浪微博拓扑子网中模拟信息流向,得到如下结论：当信息敏感度大于某一临界值后,明星用户在信息扩散中的意见领袖角色随着信息敏感度的增加而逐渐弱化,当信息敏感度趋于1时,明星用户在信息传播中的优势趋于0。     

基于能量优化的微博用户转发行为预测

微博用户转发行为预测是微博社交网络消息扩散模型构建的基础,在舆情监控、市场营销与政治选举等领域有着广泛的应用.为了提高用户转发行为预测的精度,本文在MRF（Markov Random Field）能量优化框架下综合分析了用户属性与微博内容特征、用户转发行为约束、群体转发先验等因素对用户转发行为的影响,并在逻辑回归模型的基础上构造了相应的能量函数对用户转发行为进行了全局性的预测.实验结果表明,微博用户转发行为不仅取决于用户属性、微博内容等特征,而且也受到用户转发行为约束、群体转发先验等因素不同程度的影响.相对于传统算法,本文算法可以更准确地对用户转发行为进行建模,因而可获得更好的预测结果.     

基于有意义串聚类的微博热点话题发现方法

针对微博数据特征稀疏、内容碎片化的特点,提出一种基于有意义串聚类的热点话题发现方法。结合重复串计算、上下文邻接分析和语言规则过滤多种策略,提取能够表达独立完整语义的有意义串,并将微博数据建模在相对较小的有意义串空间,通过聚类产生候选话题,根据热度排序发现热点话题。微博数据实验结果表明,该方法在一定程度上实现对微博高维稀疏空间的降维,对于微博空间的热点话题发现有效可行。     

Social network bursty topic discovery based on RNN and topic model

The data is noisy and diverse,with a large number of meaningless topics in social network.The traditional method of bursty topic discovery cannot solve the sparseness problem in social network,and require complicated post-processing.In order to tackle this problem,a bursty topic discovery method based on recurrent neural network and topic model was proposed.Firstly,the weight prior based on RNN and IDF were constructed to learn the relationship between words.At the same time,the word pairs were constructed to solve the sparseness problem.Secondly,the “spike and slab” prior was introduced to decouple the sparsity and smoothness of the bursty topic distribution.Finally,the burstiness of words were leveraged to model the bursty topic and the common topic,and automatically discover the bursty topics.To evaluate the effectiveness of proposed method,the various experiments were conducted.Both qualitative and quantitative evaluations demonstrate that the proposed RTM-SBTD method outperforms favorably against several state-of-the-art methods.     

Predicting the scale of information diffusion in social network services

Predicting the scale of information diffusion is an important task for many social network services (SNS) operators and enterprises. In this paper, the authors investigate the effects of two types of indicators, user attributes and social network attributes, and study on the accuracy of predicting the scale of information diffusion, and how to select an appropriate model that can fit real data better and have a higher accuracy. The experimental results show that both user attributes and social network structure attributes have significant effects on the scale of information diffusion. At the same time, three data mining models are constructed in this paper to predict the scale of information diffusion and compare their prediction accuracy. It is found that neural network model performs much better than decision tree and linear regression do.     

捕鱼算法优化核极限学习机的微博热点话题预测

微博热点话题预测对网络舆情控制与管理具有重要意义,针对微博网络热点话题的随机性、非线性以及核极限学习的隐层权值和隐层阈值优化难题,提出一种捕鱼算法优化在核极限学习的微博热点话题预测模型。首先将微博网络热点话题历史样本划分训练样本和测试样本集,然后采用在核极限学习对微博热点话题训练样本进行学习与建模,并采用捕鱼算法优化在线极限学习的隐层权值和隐层阈值,最后采用微博热点话题测试样本对其性能进行测试。实验结果表明,本文模型可以描述微博热点话题的发展趋势,提高了网络热点话题的预测精度,而且性能优于其它网络热点话题预测模型。     

基于混沌理论与改进回声状态网络的网络流量多步预测

网络流量预测是网络管理及网络拥塞控制的重要问题,针对该问题提出一种基于混沌理论与改进回声状态网络的网络流量预测方法。首先利用0-1混沌测试法与最大Lyapunov指数法对不同时间尺度下的网络流量样本数据进行分析,确定网络流量在不同时间尺度下都具有混沌特性。将相空间重构技术引入网络流量预测,通过C-C方法确定延迟时间,G-P算法确定嵌入维数。对网络流量时间序列进行相空间重构之后,利用一种改进的回声状态网络进行网络流量的多步预测。提出一种改进的和声搜索优化算法对回声状态网络的相关参数进行优化以提高预测精度。利用网络流量的公共数据集以及实际数据进行了仿真,结果表明,提出的预测方法具有更高的预测精度以及更小的预测误差。     

基于TinyOS的无线传感器网络节点设计与实现

针对无线传感器网络节点,首先从硬件上设计了一个无线传感器节点硬件平台,采用MSP430F5438A和915 MHz射频相结合的方案,具有比一般节点更强的处理性能和更远的传输距离。软件方面,以Tiny OS作为嵌入式操作系统,针对该节点平台进行移植,降低了节点应用开发难度,且具有很高的代码移植性。最后,通过组网实验和与Telos B节点、Mica Z节点的性能对比测试,验证了该节点平台的有效性和可靠性。     

基于包容性检验和神经网络的网络流量预测模型

网络流量具有高度复杂的非线性特征,采用单一预测模型往往难以达到理想的预测效果,为此,提出一种包容性检验和BP神经网络相融合的网络流量预测模型（ET-BPNN）。首先采用多个单一模型对网络流量进行预测,然后通过包容性检验,根据t统计量检验选择最合适的基本模型,最后采用BP神经网络对基本模型预测结果进行组合得到最终预测结果。实验结果表明,相对于单一模型以及传统组合模型,ET-BPNN更加准确刻画了网络流量变化趋势,各项评价指标均达到更优,为实现网络流量准确预测提供了更为科学的方法。     

BP神经网络在元器件非工作可靠性参数预测中的应用

应用神经网络模型对某电子元器件在非工作状态时的可靠性性能参数时间序列进行预测,并与自回归模型预测结果进行了比较.检验结果表明,神经网络预测模型有较高的精度,具有很好的实用价值.     

基于射频识别的无线传感网节点设计研究

为了解决无线传感网通常运行在人不能或不便接近的环境,能源无法替代的问题,该设计采用了单片机MSP430F2370芯片和少量外围电路等来构成完整测量系统。由于其充分利用了单片机内部资源,使系统硬、软件设计达到了最小化,具有识别可靠性高、抗干扰能力强、成本低廉和体积小巧等特点。它可以识别ISO15693,ISO14443A,ISO14443B等多种协议标准的电子标签。在今后的门禁系统、生产线检测、自动收费系统、超市物流等方面有很大的应用前景。