王希
- 作品数：3 被引量：2H指数：1
- 供职机构：江西理工大学更多>>
- 发文基金：江西省科技厅青年科学基金国家自然科学基金江西省教育厅科学技术研究项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 社交网络个性化影响最大化研究
- 近年来，随着移动互联网时代的到来，在线社交网络蓬勃发展，改变了现代人类获取信息和沟通交流的方式。这种新的社交方式将人们在现实生活中形成的相对稳定的社交圈以一种更加直观、形象的形式体现出来的同时，也使信息传播在结构上产生了...
- 王希
- 关键词：社交网络
- 基于贝叶斯方法与聚类的上下文感知推荐被引量：1
- 2015年
- 针对如何将上下文信息融入推荐过程以提高推荐准确度问题,提出基于贝叶斯方法与聚类的新的上下文建模方法.不同于现有上下文建模方法将所有上下文看成同等重要,该方法将各上下文分别以不同的影响权重融入用户兴趣模型中.首先采用特征聚类方法对项目进行聚类,然后利用贝叶斯公式计算单个上下文条件下用户喜欢某类项目的概率,再通过复合概率公式求得多个上下文条件下用户喜欢一类项目的联合概率.最后根据喜欢同一类项目的用户之间相似度更高这一认识,将所求的联合概率融入到传统协同过滤推荐算法中以提高推荐准确度.该文采用真实电影评分数据集进行对比实验,得出的结果验证了提出方法的有效性和可靠性.
- 杨书新彭秋英王希
- 关键词：贝叶斯聚类协同过滤
- 基于影响路径的个性化影响最大化算法被引量：1
- 2016年
- 个性化影响最大化问题是近年来社交网络影响最大化问题研究领域一个较新的分支,其现有解决方案普遍建立在网络边影响传播强度一致的假设下,该假设对于真实社交网络缺乏普遍适用性。为此基于独立级联模型,提出最大影响路径算法(MIPA)。该算法通过三个阶段来求解个性化影响最大化问题,首先将边影响强度作对数转换以获得最大影响路径,从而计算网络节点对目标节点的邻居节点的影响;然后利用多条经过目标节点邻居的最大影响路径联合计算目标节点受到的影响强度;最后选择Top-k节点作为种子节点,从而摆脱边影响强度的一致性约束,获取高质量的种子集。在不同的真实社交网络数据集上进行的对比实验验证了算法的有效性。
- 杨书新王希彭秋英
- 关键词：社交网络个性化
