流行度

摘要： 目前微博已成为人们发布信息和获取信息的一个重要平台。为了及早发现微博上的流行信息,以便及时发现微博上的热点事件,同时及时发现、抑制谣言信息的传播,使微博在网民的信息获取和信息发布中发挥更积极的作用,文中提出了一种基于隐半马尔可夫模型的微博流行信息检测方法。该方法以信息转发者的影响力等级和相邻两个转发者的时间间隔构建观测值,使用随机森林分类算法来自动得到转发者的影响力等级,利用隐半马尔可夫模型来刻画流行信息的传播过程,基于此来及早发现潜在的流行信息。该方法分为模型训练和流行信息检测两个阶段,在流行信息检测阶段,计算每条信息在传播过程中产生的观测序列相对于模型的平均对数似然概率,实时更新每条信息的流行度。使用采集的新浪微博数据集和Twitter数据集对所提方法进行了测试,实验结果表明了该方法的有效性。

摘要： 2021年12月6日,国家语言资源监测与研究中心发布“2021年度十大网络用语”,其中包括了“YYDS”“绝绝子”等网络流行语;12月8日,《咬文嚼字》编辑部发布了“2021年十大流行语”,这两个流行度和讨论度非常高的词汇却没有入选,引发了网友热议。《咬文嚼字》主编表示:“《咬文嚼字》评选的是在全社会使用、流行的大众流行语,仅仅在部分网民中流行还未被全社会普遍使用的网络流行语,不在我们的关注范围内。”

摘要： 【目的/意义】Web 2.0环境下,短视频UGC新形式的Vlog有效促进了用户间的交流互动及平台的活跃。目前针对Vlog的研究集中于讨论Vlog的分享动机及传播后的影响,但在海量信息传播的社交平台,并非所有的Vlog都有显著的传播效果,但现有文献鲜有关注Vlog流行度的影响因素。【设计/方法】聚焦Vlog的视频特征(视频时长、视频质量以及弹幕数量)与发布者特征(专业性、个人声誉以及个人等级),提出了基于信号理论的研究模型。通过爬取Bilibili平台的18 431条Vlog有效数据,采用实证分析方法对模型进行了验证。【结论/发现】视频时长对Vlog流行度产生负向影响,视频质量、弹幕数量、专业性以及个人声誉具有显著的正向影响,而个人等级对Vlog流行度正向影响的假设不成立。该分析结果丰富了已有关于Vlog流行度的研究,并为个人及平台提升Vlog传播效果提出了相关的对策建议。

摘要： 在P2P流媒体系统中,要想用户获得较好的观看质量,系统会选择流行度较高的视频段,在某些情况下并非响应时间最短就是最佳的视频段,还要看用户使用的需求.新上映的视频段的流行度没有形成稳定的趋势,因此没有足够的数据,传统的统计方法不能及时反映出流行度的变化.针对此问题,本文提出一种基于马尔可夫修正模型的视频预测缓存策略(Modified Markov Prediction Model,MMPM),该策略可以在用户历史访问记录不多的情况下运行,从视频段点击的次数中获取状态转移矩阵,以适应用户点击率的持续变化.仿真实验表明,动态预测的实现提高了命中率及响应速度,验证了算法的有效性、准确性及快速性.

摘要： 针对命名数据网络在网络规模增大时造成的转发信息表(Forwarding Information Base,FIB)中的名称条目呈指数级爆炸性增长、内存占用大、名称查找速度慢等问题,提出了一种基于流行度和CDT的名称查找方案.该方案将FIB划分为计数布隆过滤器(Counting Bloom Filter,CBF)、流行FIB、Conflict-split Degraded Trie("冲突拆分"Degraded Trie,CDT)以及辅助FIB.CBF用于快速筛选掉不在FIB中的名称前缀,流行FIB用于高流行度的名称前缀的快速转发,CDT用于减少树的深度以及节点的数目,辅助FIB用于辅助流行FIB的更新以及CDT中节点的快速定位.实验结果表明,该方案在创建时间、查找时间、内存占用上存在优化效果,从而提升了NDN中FIB的存储和名称查找性能.

摘要： 形式概念分析作为知识发现的方法,在理论分析和实际应用中已经取得很多成果.随着三维数据的涌现,许多学者开始了对三元形式概念分析的研究.但是,目前该领域的研究和应用较少,尤其还没有被应用到推荐系统.文中介绍了三元概念的构建及其社会化推荐应用.首先设计启发式信息,构造覆盖所有用户的三元概念集合,启发式信息旨在生成外延和内涵均有一定规模的强概念;然后根据拟推荐项目的属性来筛选用户合适的社会关系,并结合项目在概念中的流行度实现推荐预测.文中分别在真实数据集和抽样数据集中进行了3个实验.实验1对比了启发式方法和∨oc运算构造的三元概念数量及其运行时间,其中∨oc运算构造的概念数量少、耗时长且对推荐的提升效果不明显;实验2对比了推荐效果的精确度、召回率和F1值,揭示了增加条件可以有效提升推荐效果;实验3的结果表明,基于三元概念的推荐算法的推荐效果优于KNN及GRHC.

摘要： 网页的加载速度与用户体验紧密相关,决定着用户的去留.本研究以Google AMP网页加速技术为例,对网页加速技术展开研究,并借助其关键技术,对腾讯新闻、CNBC新闻和VOX等网站进行改造,提出基于流行度分布和链路带宽的网页加载时间(Page Load Time,PLT)分析模型.结果表明,Google AMP能有效降低网页加载时间,相对于原版网页,最高可降低4.17％,即使在总体网络环境为最小往返时间(Minimum Round Trip Time,min_RTT)和丢包率较高、网络带宽较低的情况下,网页加载时间最高仍能降低92.46％;同时在启用流行度缓存机制的情况下,最高可再降低44％.本研究对进一步研究其他网页加速技术具有参考价值.

摘要： 针对命名数据网络在网络规模增大时存在FIB的表项数目庞大、节点的负载(内存等指标)和开销过大等路由可扩展性问题,提出一种基于名称分类的路由可扩展性改进方案.通过将数据名称根据流行度分为流行(全局)与不流行(非全局),以及生产者主动发布两种不同形式的名称公告包,使得不同流行度的兴趣包分散处理.引入非全局路由名称集中点,分担全局名称集中点的压力.实验结果表明,该方案在中间路由器处理的兴趣包数目、兴趣包的处理时延上存在优化效果,提升了网络的路由可扩展性.

摘要： 信息时代的互联网用户时刻面对着大量的商品和信息,在大量目标中自动推荐用户感兴趣的物品是解决这一问题的有效方法之一.传统的协同过滤算法通过计算用户与用户之间的相似性进行评分预测和推荐,但没有考虑流行度差异给预测带来的不良影响.针对这一问题,设计了基于置信系数加权的皮尔逊相似性计算方法,通过相似性结果构建用户间的复杂网络模型,利用网络模型中用户度值来衡量预测目标的流行度,并在随后的预测中考虑这一因素,设计了应用在推荐系统中的评分预测算法.在MovieLens电影评分数据集上的折十验证实验表明,考虑流行度的评分预测方法可有效降低用户评分预测过程中的误差.与本领域几个最新算法进行对比,该算法在最优条件下预测准确度提高了3.31％.

摘要： 信息时代的互联网用户时刻面对着大量的商品和信息,在大量目标中自动推荐用户感兴趣的物品是解决这一问题的有效方法之一。传统的协同过滤算法通过计算用户与用户之间的相似性进行评分预测和推荐,但没有考虑流行度差异给预测带来的不良影响。针对这一问题,设计了基于置信系数加权的皮尔逊相似性计算方法,通过相似性结果构建用户间的复杂网络模型,利用网络模型中用户度值来衡量预测目标的流行度,并在随后的预测中考虑这一因素,设计了应用在推荐系统中的评分预测算法。在MovieLens电影评分数据集上的折十验证实验表明,考虑流行度的评分预测方法可有效降低用户评分预测过程中的误差。与本领域几个最新算法进行对比,该算法在最优条件下预测准确度提高了3.31%。

摘要： 网络免疫技术是抑制病毒传播的主要方法之一.本文针对当前网络病毒免疫策略中忽略的网络节点异质性;以及现实网络病毒免疫策略的流行度问题,对带有免疫策略流行度的策略和网络节点异质性的网络进行研究.通过建立无标度网络的病毒传播模型,并构建仿真网络来研究网络节点异质性和免疫策略流行度,在控制网络病毒传播的过程中所产生的影响.

摘要： 本发明公开了一种小麦赤霉病流行气象适宜度等级预测方法，主要包括通过小麦赤霉病流行样本的历史气象数据分析，确定小麦各生育阶段的气象促病指标，进而建立小麦赤霉病流行气象适宜度等级预测模型，其中小麦赤霉病流行气象适宜度等级预测模型包括综合赤霉病指数子模型；将小麦田区域范围内未来的气象预报数据输入到小麦赤霉病流行气象适宜度等级预测模型进行预测，得到未来小麦赤霉病流行气象适宜度等级。本发明基于综合赤霉病指数子模型，结合精细化格点天气预报产品，实现各地赤霉病气象适宜度等级的实时滚动预测。根据预测结果，及时把控气象条件适宜病害发生区域、发生面积和发生时段，抓住用药最佳时机和最佳剂量，在提高小麦赤霉病病害防御时效性的同时可减少化学农药危害，提高小麦生产生态效益。

摘要： 本发明公开了一种基于内容流行度和节点重要度的CCN缓存方法，在内容流行度进行排名的基础上考虑节点的中心度，在请求内容沿原路径返回时，将内容缓存在具有最大节点中心度的节点上，缓存满了之后在该节点内生成内容流行度排名表，然后将新到达内容的流行度分别与节点内最大最小流行度进行比较，然后决定是否在该节点缓存新来的内容。仿真结果表明：该方案提高了路由节点缓存命中率，减小了获取内容的平均跳数。

摘要： 本发明提供了一种基于流行度与节点重要度的缓存方法及装置，涉及网络缓存技术领域。所述方法包括：当接收到网络设备发送的目标数据文件时，判断本设备是否为重要节点，所述目标数据文件是响应预设的用户节点发送的内容请求的数据文件；如果本设备是重要节点，则判断当前的缓存利用率是否超过预设阈值；如果判断结果为是，则存储所述目标数据文件；如果判断结果为否，则获取本设备当前存储的各数据文件以及所述目标数据文件的内容流行度；根据所述各数据文件以及所述目标数据文件的内容流行度，和预设的文件存储策略，确定用于存储所述目标数据文件的中间节点，并通过所述中间节点存储所述目标数据文件。采用本发明可以减轻重要节点的存储压力。

摘要： 本发明公开了一种基于内容流行度和节点中心度的协同缓存方法，属于内容中心网络技术领域。本发明方法包括以下步骤：首先计算每个路由节点的节点中心度；之后在每个路由节点中计算所有途径该节点的内容对象的实时内容流行度，根据实时内容流行度将内容对象划分为流行内容和非流行内容；再将流行内容缓存到内容回传路径中具有最大节点中心度的核心路由节点及其下一跳路由节点上；最后将非流行内容缓存到内容回传路径中非核心路由节点上，所述非核心路由节点的系数缓存概率大于随机数A，0流行度和节点中心度的协同缓存系统。本发明综合了内容与节点的分布特点，提高内容中心网络的服务性能，增强网络缓存系统利用率。

摘要： 本发明公开了一种基于内容流行度和节点重要度的CCN缓存方法，在内容流行度进行排名的基础上考虑节点的中心度，在请求内容沿原路径返回时，将内容缓存在具有最大节点中心度的节点上，缓存满了之后在该节点内生成内容流行度排名表，然后将新到达内容的流行度分别与节点内最大最小流行度进行比较，然后决定是否在该节点缓存新来的内容。仿真结果表明：该方案提高了路由节点缓存命中率，减小了获取内容的平均跳数。

摘要： 本发明提供了一种基于流行度与节点重要度的缓存方法及装置，涉及网络缓存技术领域。所述方法包括：当接收到网络设备发送的目标数据文件时，判断本设备是否为重要节点，所述目标数据文件是响应预设的用户节点发送的内容请求的数据文件；如果本设备是重要节点，则判断当前的缓存利用率是否超过预设阈值；如果判断结果为是，则存储所述目标数据文件；如果判断结果为否，则获取本设备当前存储的各数据文件以及所述目标数据文件的内容流行度；根据所述各数据文件以及所述目标数据文件的内容流行度，和预设的文件存储策略，确定用于存储所述目标数据文件的中间节点，并通过所述中间节点存储所述目标数据文件。采用本发明可以减轻重要节点的存储压力。

摘要： 本发明公开一种基于少量用户评价的物品流行度与喜好度联合预测系统，包括：数据准备模块，将用户的原始评价数据预处理，生成用户-物品评分矩阵、物品流行度向量；特征建模模块，生成用户对不同物品的喜好特征矩阵、物品属性特征矩阵、物品属性矩阵与流行度的回归系数向量；预测模块，把少量关键用户的喜好特征矩阵、对新物品的评价，映射为该新物品的属性特征向量，使用新物品的属性特征向量与线性预测系数相乘得到未来流行度预测结果。本发明仅采用少量具有显著区分度的“关键”用户的评价来对新物品流行度和新物品在全体用户中喜好度进行联合预测，提高运行速度，减少时间代价，并保证预测的准确度。

摘要： 本发明公开了一种基于商品流行度及用户动态兴趣的商品推荐方法及系统，包括流行度计算模块、流行度惩罚权重计算模块、商品相似度计算模块、用户兴趣衰减值计算模块、商品评分预测值计算模块、商品推荐模块。通过本发明所述方法和系统，解决热门商品相似度偏高的问题，同时根据每个用户的行为特征，在预测公式中加入时间函数，减弱历史数据对预测偏好的贡献。在提高推荐准确度的同时，有效挖掘并推荐数据集中的冷门商品，提高推荐的覆盖率，缓解了推荐系统“长尾效应”问题，提高了商品推荐的质量。

摘要： 本发明公开了一种长尾级联流行度预测模型、训练方法及预测方法，该长尾级联流行度预测模型包括骨干网络、以及位于骨干网络之后的回归器，回归器包括并行设置的原始回归器和子网络SUB；骨干网络和原始回归器构成长尾级联流行度预测模型的基线模型；骨干网络用于提取长尾级联的时间特征和空间特征；原始回归器用于得到该长尾级联流行度的原始预测值；述子网络SUB用于得到该长尾级联流行度的加权偏差；以该长尾级联流行度的原始预测值与加权偏差之和作为最终流行度预测值。本发明利用解耦的思想，整个模型训练分为两个阶段，首先利用不同的采样策略来提取骨干网络的特征表示，然后将骨干网络的参数固定住，再通过几种不同的方法微调回归器，该回归器结合了原始的预测值和由子网络SUB产生的加权偏差值，达到更准确预测流行度的目的。

摘要： 本发明适用于数据管理技术改进领域，提供了一种基于令牌与流行度的信息中心网络缓存管理方法，包括：S1、控制数据包插入路由器的速率，并使高流行度的数据包更多地存储在路由器上；S2、判断在缓存内容时记录该内容未被替换出缓存空间前被用户请求的次数是否超过阈值，若，则将被重置为，若否，则按请求路径返回数据包；S3、记录每个数据包被替换和停留时间，设置流行度等级偏移量并对内容提供者预设的流行度进行调整。提高了网络整体的缓存命中率与吞吐量，降低用户请求内容时的平均时延。