二部图

摘要： Tip分解作为图数据管理领域的热点研究问题,已被广泛应用于文档聚类和垃圾邮件组检测等实际场景中.随着图数据规模的爆炸式增长,单机内存已无法满足其存储需求,亟需研究分布式环境下Tip分解技术.现有分布式图计算系统的通信模式无法适用于二部图,为此,首先提出一种基于中继的通信模式,以实现分布式环境下处理二部图时消息的有效传递;其次,提出分布式butterfly计数算法(DBC)和tip分解算法(DTD),特别地,为解决处理大规模二部图时DBC面临的内存溢出问题,提出了一种可控的并行顶点激活策略;最后,引入基于顶点优先级的消息剪枝策略和消息有效性剪枝策略,通过减少冗余通信和计算开销,进一步提高算法效率.实验平台部署于国家超算中心高性能分布式集群上,在多个真实数据集上的实验结果验证了所提算法的有效性和高效性.

摘要： 在线评论对用户的购买决策有重要的影响作用,部分卖方为提高自身信誉或贬低竞争对手的产品,通过雇佣大量水军有组织、有策略地撰写虚假评论来误导潜在消费者。为了检测这种有组织的水军群组,提出了一个综合考虑网络结构与评论者的行为特征水军群组检测算法。首先,根据评分和评论时间相关性得到评论者之间的紧密度,构建评论者关系图;其次,基于构建的评论者关系图,利用标签传播方法检测社区,得到候选群组集合;最后,复原候选群组对应的二部图,以对比可疑度为评估指标,在每个二部图上找到最终的造假者。基于真实数据集的实验结果证明了该算法的有效性。

摘要： 在2010年,Mader猜想对任意的阶为m的树T,每一个最小度至少为■的k-连通图G中存在一个子树■,使得G-V (T′)仍然是k-连通的.对于二部图,提出了类似的猜想:对任意的二部划分为X和Y的树T (记t=max{|X|,|Y|}),每一个最小度至少为k+t的k-连通的二部图G中存在一个子树■,使得G-V (T′)仍然是k-连通的.最后验证了该猜想在k=1和k=2时,T是一个有至多3个内点的毛毛虫图的情形是对的.

摘要： 运用ISI-Estrada指数的基本性质,利用图的顶点数和边数等图不变量给出了ISI-Estrada指数的一些上下界,并刻画了极值图,得到了二部图的ISI-Estrada指数的界以及ISI-Estrada指数与ISI能量之间的关系。

摘要： 针对投稿刊物推荐算法总是单独考虑文本主题或者作者历史发刊记录,导致投稿刊物推荐结果准确率低的问题,提出了一种基于作者偏好的学术刊物投稿推荐算法。该算法不仅协调使用了文本主题和作者历史发刊记录,还挖掘了投稿刊物的学术焦点与时间的潜在联系。首先,使用潜在狄利克雷(LDA)主题模型对文章标题进行主题提取;其次,建立主题-刊物和时间-刊物的模型图,并采用大规模信息网络嵌入(LINE)模型学习异构图节点的嵌入;最后,融合作者的主题偏好和历史发刊记录来计算刊物的综合得分,并据此对投稿作者进行投稿刊物推荐。在两个公开数据集DBLP和PubMed上的实验结果表明,相比奇异值分解(SVD)、DeepWalk、非负矩阵分解(NMF)等6个算法,所提出的算法在不同推荐的投稿刊物列表长度的情况下的召回率均为最优,并且在需要从论文和知识库中获取更少信息的同时,保持了较高的准确性,能有效提高投稿刊物推荐算法的鲁棒性。

摘要： 推荐系统已经成为大数据时代帮助用户挖掘其偏好的有力工具,也创造了大量的经济价值.在实际推荐场景下,尽管用户的偏好或者项目(也称“商品”)的特性都是相对稳定的,可以通过用户与商品的历史交互来捕获.但是,用户对商品存在误触的点击行为,这实际上是噪音信号.如何对用户-商品进行降噪并学习精确的用户偏好是推荐系统的基本需求.我们将用户-商品交互建模为二部图,并从图信号处理的角度设计了一种低通图滤波器,其可以抑制和过滤高频噪音并筛选出低频的用户偏好.最后,2个真实数据集上的大量实验验证了所设计算法的有效性.

摘要： (本讲适合高中)实际应用中,有非常多的问题与图的匹配有关,而一般涉及图的匹配问题都比较有难度.对于特殊的二部图而言,结论相对完善.本文主要研究二部图中的匹配问题及其相关的结论在具体问题中的应用.1知识介绍先介绍一些与图有关的定义和基本结论.二部图图G(V,E)的顶点集V可分成两个两两不相交的子集的并(V=V_(1)∪V_(2),V_(1)∩V_(2)=■).

摘要： 传统二部图推荐算法存在着初始资源设置不合理,以及仅仅依靠项目度和用户度来调整资源分配系数的问题.因此提出一种基于差异化资源分配的二部图推荐算法,新的算法利用评分规范化和最大最小值的方法对项目初始资源进行了修正,在此基础上引用艾宾浩斯遗忘函数来量化用户"兴趣偏移"所带来的影响;再利用用户评分相似性函数和用户偏好函数对资源分配系数进行了差异化设置,使资源流转变得更加合理.经过实验验证,新提出的算法在推荐准确度及多样性上都有所提升.

摘要： 重图G的星色指数是指对G的边进行正常染色使得没有长为4的路或圈是双色的所需的最小颜色数,记作x'st(G).本文对图的星色指数的结果做了一个总结,给出了一些有趣的证明和技巧,并收集了一些公开问题和猜想.

摘要： 实体解析(ER)是数据集成和数据清洗的一个重要步骤。在领域数据清洗与集成中,实体中不同的属性通常能表现出不同的区分能力,计算并利用属性的区分能力能够提高记录相似度的精确度。目前实体解析的方法有采用基于字符串的记录相似度算法以及基于机器学习的算法等方法来计算记录相似度,缺少考虑不同属性的重要程度。因此本文利用SimRank和PageRank算法的思想并结合随机抽样得到的属性显著度提出了一种基于属性显著度的计算记录相似度算法。首先,构造一个加权的属性记录对二部图来表示属性与记录对之间的关系;其次,根据属性显著度结合图论相似度算法提出了基于属性显著度的计算记录相似度的迭代算法。最后,构造一个记录图来表示记录对之间的匹配概率(二部图中的权值 w(ri,rj)),并使用改进的随机游走算法估计记录对匹配的概率。再将记录对的匹配概率反馈给加权的属性记录对二部图,并对基于属性显著度的计算记录相似度算法中的权值w(ri,rj) 进行修正,直到收敛。利用房地产领域数据集进行了实验评估,结果表明,本文提出的基于属性显著度的实体解析算法与主流方法相比,具有较高的精确度。

摘要： 退货是电子商务企业越来越需要重视的问题,据统计,电商企业产品的平均退货率高达三分之一.因此,本文聚焦于电子商务中的退货问题,深入地分析用户的退货行为,进而研究电商交易中的退货风险,这对于提高电子商务企业的管理决策水平具有重要意义.针对退货风险的预测,本文定义了一笔交易的退货风险,并通过引入二部图结构来组织历史退货记录,将问题形式化为二部图上的排序问题.同时,基于实际退货数据的观测,发掘出描述产品和用户的特征属性,将其转化为先验信息引入模型,使得模型具有较好的可扩展性.通过在实际数据集上的实验表明,本研究所提出的模型相较其他方法有更良好的性能.

摘要： 通过考虑Web服务的兼容性,提出了一个基于二部图的服务推荐方法(BIGSIR).BIGSIR方法将Web服务及服务之间的关系抽象成一个二部图,并基于二部图为用户推荐合适的Web服务;使用my Experiment上的工作流服务和Web服务的真实数据来验证方法的有效性.实验结果表明:除了一些孤立Web服务结点和工作流结点,执行BIGSIR方法的平均排名都在0.184～0.281之间,与GRM方法相比具有更好的推荐性能,同时还揭示了影响算法性能的因素;针对当历史使用信息不充分时算法的推荐效果不佳的情况,也提出了相应的拟解决方案.

摘要： 该文提出了基于二部图的词对齐模型:利用二部图为双语句对建模,利用词形、语义、词性和共现等信息计算单词间的相似度,利用加权二部图最大匹配获得最终对齐结果。实验表明,该方法在一定程度上解决了当前很多词对齐方法存在的未登录词问题、灵活翻译问题和全局最优匹配问题等不足。

摘要： Web服务的大量涌现对服务发现提出了挑战,UDDI上基于关键词和简单分类的服务发现机制已经不能很好满足需要.本文研究基于语义本体的Web服务发现技术,采用OWL-S本体语言描述服务,利用概念的语义相似度量化服务属性和接口输入输出概念之间的相符程度;在此基础上将服务匹配转化为二部图匹配问题,采用Kuhn-Munkres算法解决服务之间的匹配度问题,并根据实际中存在的问题对该算法进行了改进;最后我们提出了一种基于语义本体的服务发现原型系统的实现框架.

摘要： 本文在对现实的中国汽车零部件企业竞争网的研究基础上，结合中国汽车零部件行业的发展特点，给出了一个网络演化模型。通过对比演化模型和现实网络的属性，得知本文给出的演化模型在误差范围内可以作为研究中国汽车零部件企业竞争网的演化模型。并简要的对新技术在中国汽车零部件企业竞争网上的传播过程做了分析。

摘要： 本文在对现实的中国汽车零部件企业竞争网的研究基础上，结合中国汽车零部件行业的发展特点，给出了一个网络演化模型。通过对比演化模型和现实网络的属性，得知本文给出的演化模型在误差范围内可以作为研究中国汽车零部件企业竞争网的演化模型。并简要的对新技术在中国汽车零部件企业竞争网上的传播过程做了分析。

摘要： 本文在对现实的中国汽车零部件企业竞争网的研究基础上，结合中国汽车零部件行业的发展特点，给出了一个网络演化模型。通过对比演化模型和现实网络的属性，得知本文给出的演化模型在误差范围内可以作为研究中国汽车零部件企业竞争网的演化模型。并简要的对新技术在中国汽车零部件企业竞争网上的传播过程做了分析。

摘要： 本文在对现实的中国汽车零部件企业竞争网的研究基础上，结合中国汽车零部件行业的发展特点，给出了一个网络演化模型。通过对比演化模型和现实网络的属性，得知本文给出的演化模型在误差范围内可以作为研究中国汽车零部件企业竞争网的演化模型。并简要的对新技术在中国汽车零部件企业竞争网上的传播过程做了分析。

摘要： 本文在对现实的中国汽车零部件企业竞争网的研究基础上，结合中国汽车零部件行业的发展特点，给出了一个网络演化模型。通过对比演化模型和现实网络的属性，得知本文给出的演化模型在误差范围内可以作为研究中国汽车零部件企业竞争网的演化模型。并简要的对新技术在中国汽车零部件企业竞争网上的传播过程做了分析。

摘要： 本发明涉及一种用于将第一部件保持至第二部件的锁，包括具有用于接收第二部件的凸出部件的插口的保持体、锁定元件和杆，保持体具有形成插口边界的壁，锁定元件具有凸起，其中锁定元件具有第一位置，在第一位置，凸起处于锁定位置，在锁定位置，凸起从壁凸出了第一量到插口中，锁定元件具有第二位置，在第二位置，凸起处于释放位置，在释放位置，或者凸起从壁凸出了第二量到插口中，第二量小于第一量，或者凸起未从壁凸出，其中凸起可以相对于保持体在回缩方向从锁定位置移动到释放位置，其中杆具有第一端和与第一端相反布置的第二端，凸起附接至杆的第一端，杆处于或可被移动到杆在接触点处抵靠保持体的凸起件的位置，并且当与凸起件接触时杆可绕凸起件旋转，或者杆通过旋转汇接部连接到保持体，其中接触点或旋转汇接部布置在杆的第一端和第二端之间，并且向第二端施加与回缩方向指向相反的力导致杆绕凸起件或在旋转汇接部中的旋转运动，和凸起在回缩方向的移动。

摘要： 本发明涉及一种用于将第一部件保持至第二部件的锁，包括具有用于接收第二部件的凸出部件的插口的保持体、锁定元件和杆，保持体具有形成插口边界的壁，锁定元件具有凸起，其中锁定元件具有第一位置，在第一位置，凸起处于锁定位置，在锁定位置，凸起从壁凸出了第一量到插口中，锁定元件具有第二位置，在第二位置，凸起处于释放位置，在释放位置，或者凸起从壁凸出了第二量到插口中，第二量小于第一量，或者凸起未从壁凸出，其中凸起可以相对于保持体在回缩方向从锁定位置移动到释放位置，其中杆具有第一端和与第一端相反布置的第二端，凸起附接至杆的第一端，杆处于或可被移动到杆在接触点处抵靠保持体的凸起件的位置，并且当与凸起件接触时杆可绕凸起件旋转，或者杆通过旋转汇接部连接到保持体，其中接触点或旋转汇接部布置在杆的第一端和第二端之间，并且向第二端施加与回缩方向指向相反的力导致杆绕凸起件或在旋转汇接部中的旋转运动，和凸起在回缩方向的移动。

摘要： 本发明涉及一种用于将第一部分(1)附接到第二部分(2)而第二部分(2)附接到第三部分(3)的装置，所述第一部分(1)支撑螺杆(4)，所述螺杆(4)能够插入到所述第二部分(2)中的开口(5)内且插入到所述第三部分(3)中的孔(6)内。此外，螺母(7)旋拧到所述螺杆(4)上，所述螺母(7)能够靠着所述第二部分(2)拧紧所述第一部分(1)。而且，所述螺杆(4)利用弹簧(8)牢固地连接到所述第一部分(1)，所述弹簧(8)能够在所述螺母(7)正在拧紧时进行弹性变形。

摘要： 本发明公开了一种基于加权二部图的大众化和新颖性商品推荐方法，具体包括以下步骤：步骤1，根据商品与用户之间的购买关系和评分建立加权二部图；步骤2，建立商品到用户的单模投影网络；步骤3，计算待推荐用户与推荐系统用户的相似性，统计待推荐用户的相似用户集合；步骤4，统计相似用户的商品集；步骤5，计算商品集中各商品的推荐预测值，按照推荐预测值对待推荐用户进行商品推荐；本发明削弱了大众化商品对用户相似性的影响，提出合理度量用户相似性，使得用户相似性计算结果更加准确，基于相似性对用户进行商品推荐的推荐结果更准确、多样性和新颖性更好。

摘要： 本发明提供了一种基于二部图的随机游走推荐方法。首先，构建用户‑产品二部图，即根据评分矩阵构造得到相似度矩阵，并进行拉普拉斯正则化处理；然后，采用随机游走思想，利用正则化后的相似度矩阵计算得到具有停止条件的转移矩阵；最后，计算得到推荐矩阵，并将推荐矩阵进行降序排序，得到推荐结果。本发明方法将推荐问题看作半监督的多标签分类问题，采用随机游走思想，可以提高稀疏数据的推荐准确率，并使推荐结果更符合实际应用的需求。

摘要： 本发明公开了基于二部图的关键词扩展方法、装置、设备及介质，涉及人工智能技术，在服务器中可以基于每一条用户行为数据进行用户画像的构建，这样即可得到与每一用户行为数据对应的多个标签集，而且由所有用户对应的标签集组成一个历史用户标签集。在服务器中还能基于历史用户标签集绘制标签二部图，从而分析出各个用户标签之间的关联关系，从而基于标签二部图实现对标签的近似扩展。

摘要： 本发明公开了一种基于胶囊图神经网络的二部图分类方法。该方法首先生成二部图的单模投影，以保持二部图的结构、性质和标记信息。然后使用分层胶囊网络逐层提取单模投影中的结构信息，以表示二部图的整体结构信息和获得更好的二部图分类能力。最后，得到最后一层的类胶囊用于执行二部图分类任务。为二部图生成单模投影的基本思想是，先计算某一类型节点中所有节点对的公共相邻节点数量，然后在公共相邻节点数量达到所设定阈值的节点对之间添加边连接。本发明将单模投影和分层胶囊网络相结合，能够更有效地捕捉二部图结构的隐藏信息，显著提高了二部图分类的准确率。

摘要： 本申请提供了一种基于二部图的社区搜索方法、装置以及处理设备，用于在二部图社区的搜索过程中，考虑指定对象语义信息，从而搜索得到更精准的、包含指定对象语义信息的、高权重的社区。针对于社区的搜索，本申请在搜索过程中，在保持结构紧密性和高权重的基础上，剥离与指定对象语义信息无关的顶点与边，建立由结构紧密度约束、顶点语义约束、连接关系显著性约束构成的社区模型，阐明约束关系之间的非线性关系对高质量输出社区的影响机制，从而搜索得到更精准的、包含指定对象语义信息的、高权重的社区。

摘要： 本发明提供了一种基于加权混合二部图的集成社区检测方法及其系统，包括：基于现有的社区检测算法的运行结果，构建节点—社区的混合二部图；基于社区可靠性的度量，对所述混合二部图进行加权，获取加权混合二部图，所述加权混合二部图用于集成社区检测。本发明利用对多次社区检测结果的集成，构建出一个二部图，并进行了一个复杂度较低的加权过程，与现有技术相比，本发明在运行时间与准确性方面具有显著优势。

摘要： 本发明提供一种基于特征与状态二部图的脑电情感识别方法。该方法的具体步骤包括引导被试者观看带有明显情感倾向的影片片段，同时采集脑电数据，对其进行预处理和特征提取后，生成数据矩阵。为得到能够很好刻画特征与样本之间关联的二部图，首先使用数据矩阵对二部图进行初始化，一层为特征，另一层为样本，层内无连接，层间全连接。然后基于图结构化学习理论，通过对其约束非负性，行归一化及拉普拉斯秩约束，学习到最优的二部图，再联合半监督图标记传播模型，得到无标记样本的标签，其内在机理是同类情感样本有相似的特征分布。最后，对学习到的标签矩阵按列拆分，每一列代表一类情感与特征之间的关联程度。