题名 一种融合节点文本属性信息的网络表示学习算法
被引量：11
1
作者
刘正铭 马宏 刘树新 杨 奕 卓 李星
机构
国家数字交换系统工程技术研究中心
出处
《计算机工程》
CAS
CSCD
北大核心
2018年第11期165-171,共7页
基金
国家自然科学基金(61521003)
文摘
现有网络表示学习算法主要针对网络结构信息进行表示学习,而忽略现实网络中丰富的节点文本属性信息。为有效融合网络结构信息和节点文本属性信息进行表示学习,提出一种新的网络表示学习算法。为实现两方面信息在训练过程中的相互约束,建立基于参数共享的共耦神经网络训练模型,并利用负采样和随机梯度下降的优化策略实现训练过程的快速收敛。实验结果表明,与Doc2Vec算法、DeepWalk算法、DW+D2V算法和TADW算法相比,该算法的分类性能更好。
关键词
复杂网络 网络表示学习 信息融合 文本属性信息 神经网络
Keywords
complex network network representation learning information fusion textual attribute information neural network
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
题名 基于融合表示学习的跨社交网络用户身份匹配
被引量：7
2
作者
杨 奕 卓 于洪涛 黄瑞阳 刘正铭
机构
国家数字交换系统工程技术研究中心
出处
《计算机工程》
CAS
CSCD
北大核心
2018年第9期45-51,共7页
基金
国家自然科学基金创新群体项目(61521003)
文摘
针对现有跨社交网络用户身份匹配算法准确率较低与数据难以获取等问题,提出一种新的跨社交网络用户身份匹配算法。利用已知匹配的账号节点,通过网络融合算法使跨网络问题转化为单一网络问题,对用户名信息进行向量化表示,并与拓扑结构信息向量融合,运用网络表示学习技术,得到融合用户名和拓扑结构2种信息的账号节点向量,实现用户身份匹配。实验结果表明,该算法的平均F1值达到79.7%,比传统的机器学习算法及现有2种基准算法高7.3%~28.8%,有效提升了用户身份匹配的效果。
关键词
社交网络 用户身份匹配 用户名 信息融合 网络表示学习
Keywords
social network user identity matching user name information fusion network representation learning
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 挤奶机真空脉动异常情况及检测方法
被引量：1
3
作者
薛令阳 李小明 杨 奕 卓 高振江
机构
石河子大学机械电气工程学院 中国农业大学工学院
出处
《中国奶牛》
2015年第6期32-34,共3页
文摘
本文主要介绍了挤奶机真空脉动系统的各种异常情况,并分析了其对奶牛产生的不良影响,提出了定期检测和实时检测两种挤奶机检测方式,并详细阐述定期检测的各项内容和指标,最后介绍了笔者所在团队自主研发的挤奶机实时监测装备。
关键词
挤奶机 真空脉动 异常 检测
分类号
S823.4
[农业科学—畜牧学]
题名 采棉机火灾检测预警装置检测电路的设计及试验研究
被引量：1
4
作者
鱼博 张宏文 马万里 杨 奕 卓
机构
石河子大学机械电气工程学院
出处
《新疆农垦科技》
2015年第11期33-35,共3页
文摘
针对棉花起火临界热辐射强度为5.38 k W/m2的特点及红外检测原理,利用RE200B型热释电红外传感器设计了采棉机火灾检测预警装置的检测电路,并通过正交试验分析了采棉机输棉通道风速、棉花湿度、环境温度3种因素对该装置检测准确性的影响,结果表明棉花干燥程度对检测准确性的影响最大,其余2种因素的影响较小,但是3种因素对检测准确性的影响都不显著,说明该装置可靠性较高。
关键词
采棉机 棉花 火灾检测预警装置 电路 检测
分类号
S225.911
[农业科学—农业机械化工程]
题名 基于多维多粒度分析的电信网用户行为模式挖掘
5
作者
程晓涛 吉立新 黄瑞阳 于洪涛 杨 奕 卓
机构
国家数字交换系统工程技术研究中心
出处
《网络与信息安全学报》
2018年第10期39-51,共13页
基金
国家自然科学创新群体基金资助项目(No.61521003) 国家自然科学基金资助项目(No.61601513)~~
文摘
为了更好地理解电信网用户行为规律,以大规模电信网用户通信详细记录(CDR, call detail record)数据为研究对象,运用混合概率模型与特征工程方法,从用户群体与个体的角度分析了用户呼叫中的通话时长、通话频次、通联关系等多维度特征,并从小时、天、周等不同时间粒度上进一步细化,实现了对不同用户群体通话行为模式的有效发现。通过混合概率模型对用户行为中的分布特性进行建模,解决了用户通话时长、频次等分布特征难以刻画的问题。实验中采用某地区电信网的真实数据作为数据集,对比了决策树、朴素贝叶斯、SVM等常见分类算法的实验效果,证明了所提用户行为特征的有效性与计算可行性;并以快递、航班、银行等服务号码为例,对比了不同群体通信行为模式的差异性。
关键词
电信网 多维度 多粒度 高斯混合模型 行为模式挖掘
Keywords
telecom network multi-dimension multi-granularity mixture-of-Gaussian behavior pattern mining
分类号
TP393
[自动化与计算机技术—计算机应用技术]
