TA的每日心情 | 慵懒
2020-8-28 15:16 |
|---|
签到天数: 1 天 [LV.1]初来乍到
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘 要： 群组间信息推荐是社交网络中人们传递和分享资讯的重要途径，然而获取精确的最优推荐方案需要指 数级时间开销．为此，本文提出一种有效算法 ＥＡＯＯＲＳ（ＥｆｆｉｃｉｅｎｔＡｌｇｏｒｉｔｈｍｆｏｒＯｂｔａｉｎｉｎｇＯｐｔｉｍａｌＲｅｃｏｍｍｅｎｄａｔｉｏｎＳｏｌｕｔｉｏｎ）， 将该指数级时间开销问题等价归约为 ＥＳＴ（ＥｘｔｅｎｄｅｄＳｔｅｉｎｅｒＴｒｅｅ，扩展 Ｓｔｅｉｎｅｒ树）问题，并在多项式时间复杂度内快速获 取近似最优推荐方案．理论分析和仿真实验表明，本文所提的算法具有有效性和实用性． $ Z% x$ |) D; {8 S4 i% T
' Z6 W7 h( S% ^& o( q
关键词： 社交网络；信息推荐；近似算法；性能评估' V9 j, J9 R \
5 s+ d5 A6 v2 C3 d, ~
7 h3 {; {0 M# T8 O4 o& h4 N
3 N; D1 p& ~# r5 ` 进入 Ｗｅｂ２０时代，社交网络使人们更容易进行信 息的推荐和分享［１］．近年来，群组模式被广泛引入社交 网络中，群组模式的出发点是基于某种紧密关系将不同 用户组合在一个社区中，从而把用户从相对封闭的好友 关系疏导至群组，创建一种新的更开放的社交关系，实 现信息的传播和分享．1 C5 Y% ]& C9 r/ d6 Z
* m# y, F) ~3 B7 |$ A" a) v, @2 x
2 c9 M+ U6 m: B3 B+ u' k# w附件下载：
- Q- U. x9 w/ X4 ` |
|
/1 
发表于 2021-3-11 11:17
收藏
淘帖
支持！
反对！