-
公开(公告)号：CN107423842A
公开(公告)日：2017-12-01
申请号：CN201710327552.7
申请日：2017-05-09
申请人： 重庆大学
IPC分类号： G06Q10/04
CPC分类号： G06Q10/047
摘要： 本发明涉及一种具有线性时间复杂度的影响力最大化算法，包括以下步骤：S1影响力计算；以迭代的方式计算任意给定节点u的γ邻域影响力，并以此作为该节点的全局影响力的近似表示；S2种子节点选择；根据步骤S1的计算结果采用贪心策略选择最优的k个种子节点。该算法能够根据给定的传播模型设计递归公式，然后以迭代的方式快速计算网络中节点的影响力，从而极大地提高算法效率。
-
公开(公告)号：CN106980909A
公开(公告)日：2017-07-25
申请号：CN201710200957.4
申请日：2017-03-30
申请人： 重庆大学
摘要： 本发明提供了一种基于模糊线性回归的电影票房预测方法，包括如下步骤：S1，对电影票房的影响因素进行权值量化，得到该影响因素的权值，进行聚类过程；S2，将量化后的权值通过模糊线性回归模型进行求解；S3，输入训练样本，求解回归系数，得到训练后的回归方程，输入测试样本，得到预测值。S4，根据样本的预测值，计算样本与真值之间的相对百分误差，并计算样本相对百分误差的概率分布，直观反映预测效果。
-
公开(公告)号：CN106777926A
公开(公告)日：2017-05-31
申请号：CN201611085292.9
申请日：2016-11-30
申请人： 重庆大学
IPC分类号： G06F19/00
CPC分类号： G16Z99/00
摘要： 本发明涉及基于多选择器组合的影响最大化结构，包括多选择器层、多组合器层以及评价器层，多选择器层包括多个选择器，每个选择器表示任意一个已知的影响最大化算法；选择器根据自身策略增量地选择几个新的节点作为候选的种子节点，并通过集合输出新的节点；多组合器层包括多个组合器，每个组合器与多个选择器相连，实现对多个选择器的输出进行组合；每一个组合器的输出包含一个节点的集合，每个节点表示经过组合后的候选种子节点；评价器层包括一个评价器，它接收来自组合器层推选出的候选种子节点，并根据节点对应的权重决定是否对其进行评估。本发明通过对多个已有的选择器选择的种子节点进行组合，保证无论k的取值如何，都能得到高质量的解。
-
公开(公告)号：CN106530098A
公开(公告)日：2017-03-22
申请号：CN201610956550.X
申请日：2016-10-27
申请人： 重庆大学
IPC分类号： G06Q50/00
CPC分类号： G06Q50/01
摘要： 本发明涉及一种基于多层潜力和社区结构的影响最大化方法，方法假设影响力的传播分为两个阶段，第一阶段：社区间基于多层潜力的种子扩算；第二阶段：社区内的影响传播；在第一阶段，种子节点v尝试激活其处于未激活状态的邻居节点{u|u∈N(v),active(u)＝0}，此过程中被激活的节点记为S1，则有 其中N(S)＝∪v∈SN(v)，接下来，S1又会尝试激活其处于未激活状态邻居节点{u|u∈N(S1)\S,active(u)＝0}，此过程中被激活的节点记为S2；在第二阶段，将节点 影响的范围限制在其所在的社区中，对任意的社区 该社区最终产生的影响规模取决于两个因素：1)社区Ci的大小|Ci|，2)S2的节点落在该社区的个数|S2∩Ci|。本发明提出的基于多层潜力和社区结构的影响最大化方法，其效率不仅比已有最新的算法(如IPA算
-
-
-
搜索结果
4 条记录 (耗时 0.013 秒)
