Advertisement

利用改良PageRank算法评估微博用户的影响力 (2015年)

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：PDF

简介：
本文提出了一种基于改进PageRank算法的方法来评估微博用户的影响度，旨在更准确地反映社交媒体上的个人影响力。该方法于2015年发布。 为了筛选微博网络和消息传播中的意见领袖，我们综合分析了微博用户属性、行为以及微博消息的传播特性，并将用户的影响力因素分为两个方面：用户潜在影响力与微博传播影响力。根据这些因素构建了一套评估指标体系，进而提出基于改进RankPage算法的微博用户影响力评估方法。通过采集新浪微博某一话题下的数据来计算用户的影响力，验证了该方法的有效性和合理性。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 利用改良PageRank算法评估微博用户的影响力 (2015年)
    优质
    本文提出了一种基于改进PageRank算法的方法来评估微博用户的影响度，旨在更准确地反映社交媒体上的个人影响力。该方法于2015年发布。 为了筛选微博网络和消息传播中的意见领袖，我们综合分析了微博用户属性、行为以及微博消息的传播特性，并将用户的影响力因素分为两个方面：用户潜在影响力与微博传播影响力。根据这些因素构建了一套评估指标体系，进而提出基于改进RankPage算法的微博用户影响力评估方法。通过采集新浪微博某一话题下的数据来计算用户的影响力，验证了该方法的有效性和合理性。
     
  • 微博用户影响力评估的改进PageRank算法研究.pdf
    优质
    本文探讨了在社交媒体环境下，针对微博用户的特性与微博平台的特点，对传统的PageRank算法进行优化和改进，以更准确地评估微博用户的影响力。 基于改进PageRank的微博用户影响力评估算法的研究表明，作为一种新兴且便捷的社会性媒体交互平台，微博不仅已成为人们获取和传播信息的主要手段，还成为当前网络舆情的重要源头和热点。
     
  • 基于用户反馈的PageRank改良算法 (2012年)
    优质
    本研究提出了一种基于用户反馈的PageRank改良算法，旨在提高网页排序精度和用户体验，通过引入正负反馈机制优化搜索结果。 通过分析PageRank算法存在的偏重旧网页问题、主题偏离问题及网页欺骗问题，提出了一种基于用户反馈的改进版PageRank算法。该算法在原有基础上增加了用户点击次数反馈、点击时间反馈以及反向权重，并结合了基于网页内容排序的思想，加入了网页内容权重，从而对PR值计算公式进行了优化调整，以克服原算法中存在的上述问题。
     
  • 改良版加权平均滤波算法(2015年)
    优质
    本文介绍了一种基于改进权重分配策略的加权平均滤波算法，旨在提高信号处理中的噪声抑制效果及动态响应性能。该方法通过优化滤波器系数适应性地调整输入数据的重要性，适用于实时数据处理和控制系统中以增强系统鲁棒性和精度。 当图像同时受到脉冲噪声和高斯噪声的影响时,传统的中值滤波算法和均值滤波算法都无法取得理想的去噪效果。为解决这一问题，本段落提出了一种改进的加权均值滤波方法。该算法通过优化局部阈值来计算每个像素点的权重，并将窗口内各像素点灰度与其对应的权重进行加权运算，以此作为中心像素的新值输出。实验结果表明,相较于传统中值、均值滤波及改良后的中间值滤波（IMF）方法，该算法在去除脉冲噪声和高斯噪声方面表现更佳，并且能够更好地保留图像细节。
     
  • 全球灵敏度分析：利用SALib库评估模型输入变量的影响力
    优质
    本文章探讨了如何运用Python中的SALib库进行全局灵敏度分析，旨在评估和量化不同输入变量对模型输出的影响程度。通过系统地评价各个参数的重要性，帮助研究者更好地理解和优化复杂系统的建模过程。 灵敏度分析是一种评估模型对不同输入变量响应变化的方法，用于确定哪些输入变量对模型输出的影响最大。本段落介绍了如何使用Python中的SALib库进行全局灵敏度分析。通过生成样本、运行模型并分析结果，用户可以更好地理解各个输入变量对于模型输出的重要性程度。SALib提供了诸如Sobol方法等强大的工具来计算第一阶、第二阶和总阶的灵敏度指数，并提供置信区间。利用这些分析的结果，用户能够优化模型设计，识别关键因素，从而提高模型的可靠性和效率。 以下是一个详细的代码示例，展示了如何使用Python中的SALib库进行全局灵敏度分析。该示例包括了定义模型、生成样本数据、运行模拟以及对结果进行可视化的过程。为了开始，请确保安装了以下几个必要的库：pip install SALib numpy matplotlib。
     
  • 评估作物历史及土壤改良剂对后续农作物产量的影响
    优质
    本研究旨在探究不同历史种植作物及其影响下，各类土壤改良剂如何改善土壤质量并提高后续作物产量，为农业生产提供科学依据。 在苏格兰东部的可耕地上，在凉爽的海洋性气候条件下进行了三个田间试验以评估先前种植作物或土壤改良剂对后续谷物产量的影响。与其它前茬作物相比，直接使用豆类、小麦及大麦，并施用豆类秸秆（作为前作），可以显著提高单产；燕麦作为前作的效果也十分突出。连续的大麦之后进行的轮作恢复可以使随后种植的冬大麦和春大麦获得预期增产效果，但对后续的小麦影响则较小。这种轮作能够减少一些病害的发生。 泥浆对产量的影响一般不大，而堆肥施用通常更有益处，并且对于植物生长速度也有积极促进作用；不过由于其复杂性，难以直接与其他处理措施进行比较。通过NDRE（归一化差异红色边缘）测量发现，在恢复轮作和土壤改良试验中作物健康状况的改善与增产有关联。在这些实验中的任何一组测试里，并没有明确显示出品种间的相互影响会对处理效果产生显著作用。
     
  • 运用改良AHP法评估船型方案多准则决策分析(2002年)
    优质
    本文采用改进后的层次分析法(AHP)对船舶设计方案进行多准则决策评估，旨在提供一种系统化、量化的评价方法，以优化船型选择过程。 在船舶工程领域系统设计的非线性和复杂性背景下，采用改进后的AHP（层次分析法）方法来进行船型方案的多目标优选决策。对传统AHP方法进行优化的过程中，我们采用了构建三标度矩阵的方法，以避免使用九标度方式创建判断矩阵时出现权重选择模糊的问题，并减少了设计者在决策过程中的主观臆断性。通过实例证明，在与传统的九标度法相比的情况下，三标度法则具备简单明了、易于操作的优点；因此，在应用于船型方案的多目标决策等复杂系统中是适用且可靠的。
     
  • 利用Python语言实现的PageRank算法
    优质
    本简介介绍如何使用Python编程语言来实现Google的网页排名算法(PageRank)，包括导入必要的库、构建图模型以及迭代计算页面的重要性得分。 基于Python实现的PageRank算法可以计算复杂网络中每个节点的重要性，并输出结果。
     
  • 利用粗糙集方法进行微博用户性别的判定（2014年）
    优质
    本研究采用粗糙集理论分析微博用户的公开信息，探讨了有效特征的选择和规则提取技术在性别判定中的应用，并提出了一种基于该理论的性别分类模型。 针对微博消息往往表现出不同程度的性别倾向性特点，从消息内容挖掘的角度提出了一种基于粗糙集的微博用户性别识别算法。设计了一种基于容差粗集的微博消息表示模型（TRSRM），有效刻画了微博消息中的性别特征。实验结果显示，在包含1000个真实微博用户的测试集中，所提模型相比传统的特征项频数表示模型平均提高了7%的准确率，取得了更好的识别效果。