基于社交云网络的学生集体行为研究

摘要

通过云网络集中对学生交互数据进行分析,减轻了对原始数据进行挖掘的难度,提出了一种新的计算模式:再现希尔伯特空间作为一种服务,提供服务以使得能够获得合适的社会需求的维度.图的内核服务可以处理稀疏信息,探索网络的拓扑结构,并最终确定合适的功能,这比处理原始数据更有效.实验结果展现了集体行为学习系统的设计和再现希尔伯特空间模型服务的实现.基于图的内核的方法在处理原始数据时的性能比谱聚类以及其他基线类的方法更佳.