周先亭
- 作品数：5 被引量：10H指数：2
- 供职机构：桂林电子科技大学更多>>
- 发文基金：广西壮族自治区科技攻关计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于用户特征的分步协同推荐算法被引量：4
- 2017年
- 协同过滤是解决信息过载问题的一种有效技术。针对基于内存的推荐面临着可扩展性问题、基于模型的推荐需要训练大量参数的问题进行了研究,从而提出了基于用户特征的K-means用户聚类算法,然后用分步协同过滤框架融合基于项目和基于用户的协同过滤给每一个聚簇训练一个模型。实验结果表明,提出的算法能极大地提高推荐精度,同时在一定程度上解决了基于模型和基于内存推荐存在的不足。
- 黄文明程广兵邓珍荣周先亭
- 关键词：协同过滤用户特征聚类算法
- 基于特征筛选的微博转发行为研究
- 随着社交平台和移动互联网的普及，微博逐渐成为人们分享和获取信息的主流平台之一。特别是近年来国内外重大事件，大量一手资讯都先出现在微博网络。微博网络内信息能够快速传播是其在信息传播方面的主要优势，而其中信息得到快速传播的主...
- 周先亭
- 关键词：奇异值分解主题模型
- 基于融合特征筛选与随机森林的微博转发行为预测方法
- 本发明公开了一种基于融合特征筛选与随机森林的微博转发行为预测方法，首先，从互联网中采集数据，并对其进行清洁整理，生成用户信息、用户博文信息存放到用户数据库，从用户数据库中提取用户基本特征、博文基本特征、博文主题特征，并基...
- 黄文明周先亭孙晓洁邓珍荣
- 文献传递
- 融合异常检测与随机森林的微博转发行为预测方法被引量：6
- 2017年
- 针对目前微博转发行为预测具有的特征选择任意性、准确率不高的问题,提出了融合异常检测与随机森林的微博转发行为预测方法。首先,提取用户基本特征、博文基本特征、博文内容主题特征,并基于相对熵计算用户活跃度、博文影响力;其次,通过结合过滤式与封装式特征选择方法筛选出关键特征组;最后,融合异常检测与随机森林算法,依据筛选后的关键特征组进行微博转发行为预测,并利用袋外数据误差估计设置随机森林中的决策树和特征数。在真实新浪微博数据集上与基于逻辑回归、决策树、朴素贝叶斯、随机森林等算法的微博转发行为预测方法进行实验对比,结果表明所提方法的预测准确率(90.5%)高于基准方法中最优的随机森林方法的预测准确率,同时验证了特征筛选方法的有效性。
- 周先亭黄文明邓珍荣
- 关键词：异常检测相对熵
- 基于融合特征筛选与随机森林的微博转发行为预测方法
- 本发明公开了一种基于融合特征筛选与随机森林的微博转发行为预测方法，首先，从互联网中采集数据，并对其进行清洁整理，生成用户信息、用户博文信息存放到用户数据库，从用户数据库中提取用户基本特征、博文基本特征、博文主题特征，并基...
- 黄文明周先亭孙晓洁邓珍荣
- 文献传递
