-
公开(公告)号：CN110708191A
公开(公告)日：2020-01-17
申请号：CN201910922938.1
申请日：2019-09-27
Applicant: 东北大学
Abstract: 本发明提供一种基于匹配用户最优扩展的跨网络用户识别方法，涉及互联网技术领域。本发明步骤如下：步骤1：全局已知匹配用户的扩充；获取已知的少量已匹配用户，形成已匹配用户集合A，对两个网络中的其他用户到已匹配用户的距离进行向量化表示；将匹配结果更新到集合A'；步骤2：基于已匹配用户最优局部扩展阶段；根据得到的已匹配用户集合A'，找到源网络中所有已匹配用户的邻居，在目的网络的未匹配用户内找到每个邻居的最优匹配用户，将匹配出的用户更新到集合A'中，直至没有新的匹配用户迭代终止，得到最优匹配用户集合A"。本方法通过全局扩充已匹配用户以及改进的迭代式最优局部扩展方法提高了识别方法的准确率和召回率，并解决了冷启动问题。
-
公开(公告)号：CN104158840A
公开(公告)日：2014-11-19
申请号：CN201410323742.8
申请日：2014-07-09
Applicant: 东北大学
Abstract: 一种分布式计算图节点相似度的方法，属于计算机数据挖掘领域，包括：采用主从模式搭建分布式计算平台；主计算机读入对象数据，建立图模型并发送给各子计算机；主计算机进行任务划分，并将各子任务分配给各子计算机；各子计算机计算其各任务节点分别传递给图模型中节点对的相似度增量计算值；主计算机计算偏移系数并分别发送给对应的各子计算机；子计算机对本地各任务节点的相似度增量计算值进行修正，并将修正后的本地各任务节点的相似度增量进行求和后传送给主计算机；主计算机对图模型中各节点对的相似度进行整合，最终得到图模型中各个节点对的相似度；该方法相比于传统SimRank计算方法，传输代价低，计算时间短，效率明显提高。
-
公开(公告)号：CN104158840B
公开(公告)日：2017-07-07
申请号：CN201410323742.8
申请日：2014-07-09
Applicant: 东北大学
Abstract: 一种分布式计算图节点相似度的方法，属于计算机数据挖掘领域，包括：采用主从模式搭建分布式计算平台；主计算机读入对象数据，建立图模型并发送给各子计算机；主计算机进行任务划分，并将各子任务分配给各子计算机；各子计算机计算其各任务节点分别传递给图模型中节点对的相似度增量计算值；主计算机计算偏移系数并分别发送给对应的各子计算机；子计算机对本地各任务节点的相似度增量计算值进行修正，并将修正后的本地各任务节点的相似度增量进行求和后传送给主计算机；主计算机对图模型中各节点对的相似度进行整合，最终得到图模型中各个节点对的相似度；该方法相比于传统SimRank计算方法，传输代价低，计算时间短，效率明显提高。
-
-
Search Results
3
records
(took 0.012 seconds)
