公共文化服务平台

王轶彤: 作品数：31 被引量：101H指数：4; 供职机构：复旦大学更多>>; 发文基金：国家自然科学基金国家高技术研究发展计划上海市教育委员会重点学科基金更多>>; 相关领域：自动化与计算机技术经济管理更多>>

合作作者

基于阈值的社交网络影响力最大化算法被引量：21: 2012年; 对于社交网络影响力最大化问题,Kemple和Kleinberg提出了有较好影响范围的贪心算法,但是KK算法的复杂度非常高,并不实用.利用线性阈值模型提出了一种基于节点激活阈值的启发式算法.它综合考虑了节点之间的影响力和节点的激活阈值,根据每个节点在激活过程中动态变化的阈值来计算PIN值,启发过程中,每一次都选取PIN最大的节点作为种子节点进行激活,贪心阶段中再贪心地挑选那些具有最大影响范围增量的节点作为种子节点.通过实验表明,即使在完全不采用贪心阶段,该算法的激活范围与KK算法都非常接近,而算法的复杂度则相对非常小.实验还表明该算法相对于HPG算法在相同启发因子c的情况下具有更大的激活范围.; 陈浩王轶彤; 关键词：社交网络启发式算法贪心算法

ECMail:基于实体发现、查找和管理的中文邮件管理系统: 随着个人用户的数据和信息级数增长,个人信息管理的研究成为热点.电子邮件作为个人信息的重要载体在个人信息业务中占据着重要的地位.随着个人信息的增加,用户在对邮件进行查询时经常遇到遗忘关键字的困扰,对此普通的邮件工具很难为用...; 文捷汪卫王轶彤; 关键词：电子邮件中文分词; 文献传递

基于权重符号社交网络嵌入的边权预测方法: 本发明公开了一种基于权重符号社交网络嵌入的边权预测方法，采用权重符号社交网络嵌入方法(WSNE)，以此来获得更优的边权预测性能。WSNE为网络中的节点学习潜在特征表示，并且在学得的潜在特征空间中尽可能的保存边的权重和符号...; 王轶彤杨威

基于邻居节点的社交网络负面消息封锁最大化方法: 本发明公开的一种基于邻居节点的社交网络负面消息封锁最大化方法，将正面消息源的选择范围集中在负面消息源的邻居节点中；并在邻居节点中选择封锁效果最好的K个节点作为正面消息源，然后让这些正面消息源传播正面消息，形成竞争机制，从...; 王轶彤叶宁

GC-Clustering:基于描述长度的自适应的聚类算法: 这篇文章针对当前Clique聚类算法中划分粒度选取时出现的问题,提出了GC-Clustering算法.GC-Clustering算法要求用户提供的参数分别为描述长度的参数l和密度参数σ,密度参数σ和描述长度l用户都可以根...; 殷志君周敏子王轶彤周皓峰汪卫施伯乐; 关键词：数据挖掘聚类分析; 文献传递

基于节点嵌入的权重符号社交网络高效链路预测算法被引量：2: 2020年; 目前大部分链路预测的相关研究均集中在无符号/无权重的社交网络,对于WSSN中的链路预测问题,特别是边权重预测问题的研究较少。提出一种高效的权重符号社交网络嵌入(Weighted Signed Network Embedding,WSNE)算法,对每一条有向边,学习其两个端点的嵌入表示,同时考虑边符号约束来提高权重预测的性能。在三个真实WSSN数据集上与其他相关算法进行比较,实验结果表明,该算法可以有效地预测边权重,并且优于相关算法。; 杨威王轶彤; 关键词：网络嵌入

基于文本感知的社交影响力预测方法、装置及设备: 本发明涉及一种基于文本感知的社交影响力预测方法、装置及设备，属于社交网络分析技术领域，该方法通过在社交网络中，获取最小实例单元；基于网络学习技术，在最小实例单元中，提取特征信息；特征信息，可以包括：文本特征向量、结构特征...; 王轶彤李心舒; 文献传递

边符号预测方法、装置及设备: 本发明涉及一种边符号预测方法、装置及设备，属于边符号预测技术领域，该发明中，使用深度学习技术从符号社交网络的复杂结构信息中抓取与边符号形成有关的非线性结构特征；同时，该发明还通过级联节点的出/入邻居结构来综合性地考虑边所...; 王轶彤杨威; 文献传递

ECMail：基于实体发现、查找和管理的中文邮件管理系统: 随着个人用户的数据和信息级数增长，个人信息管理的研究成为热点．电子邮件作为个人信息的重要栽体在个人信息业务中占据着重要的地位．随着个人信息的增加，用户在对邮件进行查询时经常遇到遗忘关键字的困扰，对此普通的邮件工具很难为用...; 文捷汪卫王轶彤; 关键词：中文邮件信息管理; 文献传递

社会网络中基于标签传播的社区发现新算法被引量：37: 2011年; 发现高质量的社区是社会网络中的研究热点.基于标签传播的社区发现算法对社会网络中顶点的标签进行传播来发现潜在的社区.该算法为每个顶点分配一个标签,并随传播过程更新标签,顶点的标签应该和它邻居中具有最多相同标签的顶点保持一致.该算法的传播过程具有很多不确定性和随机性,并对社会网络的结构很敏感,导致最终结果包含很多小而碎的社区,且结果很不稳定,因此提出一种新的基于标签传播的LIB(Label-Influence-Based)社区发现算法.该算法首先选取一个小的顶点集作为种子集并赋予每个种子唯一的标签,再以种子集作为起点进行传播.在传播过程中,该算法综合考虑各种因素:顶点邻居中相同标签所占比例、顶点度数和边的权重等,并计算每个顶点的标签影响值来更新顶点的标签.我们在具有不同特性的数据集上进行了实验,实验结果表明LIB算法在复杂度相近的情况下明显提高了所发现社区的质量,并有很好的稳定性.; 赵卓翔王轶彤田家堂周泽学; 关键词：社会网络