传统的三阶奇异值分解推荐算法(HOSVD)通过挖掘用户、物品标签和物品三者之间的潜在关系进行推荐,然而该方法并没有将用户的情感考虑进来。基于从评论中emoji表情提炼出的用户情感偏好,提出了一种引入用户情感的HOSVD推荐算法。该方法将emoji表情分成积极、中立和消极三类,分别给每类情感赋予不同的权重,之后计算不同类emoji表情数量的加权和来表征用户的情感;再引入三阶张量模型,应用HOSVD分解进行个性化推荐。在某在线互联网教育的实证数据集上的实验结果表明,该方法比基于物品的协同过滤算法、PersonalRank算法和采用用户社刊分类社刊三元组信息的HOSVD算法在准确率和召回率性能指标上都有明显提升,其中进行Top1推荐时,准确率和召回率可以达到0.353和0.281。这为移动通信端的个性化推荐提供了借鉴。

为研究企业担保结构特征,基于多层网络理论构建了包含短期和长期担保关系的两层网络模型,并以2014~2016年中国上市企业担保数据进行了实证研究。研究结果表明:不同年份的多层网络总度服从幂律分布;多层网络度相关性为正向相关;不同年份的短期担保网络和长期担保网络均具有无标度特征;同一年度的短期担保网络和长期担保网络之间的相似度都比较低;相邻两年的同层担保网络结构相对稳定,但网络间相似度随着时间滞后期增加而在减少;不同层网络的中介中心度呈现较弱的正相关关系,但一个单层网络的最高中心度节点并不是另外一个单层网络的最高中心度节点;同一层网络的最高中介中心度节点随着时间是在变化的。

链路预测中,基于随机游走过程的相似性指标往往设定游走粒子转移到相邻节点的概率是相等的,忽略了节点度值对粒子转移概率的影响。针对此问题,提出一种有偏向的重启随机游走链路预测算法。首先借鉴有偏向随机游走过程,重新定义游走粒子的转移概率,然后将其运用到有重启的随机游走中,探究粒子在游走过程中节点度值对其转移的作用,最后在粒子有偏向转移的基础上,将提出的指标同6个经典的相似性指标进行对比。通过对6个真实数据集进行链路预测,结果表明:与无偏向性转移相比,有偏向性转移的预测算法具有更高的预测精度,且高于其他相似性指标的预测值。

随机行走是复杂网络动力学研究的一个基本模型。加权网络上的随机行走也得到了学界的广泛关注。与关注于度不相关加权网络上随机行走的平均首次返回时间不同,本文通过图谱理论的方法对平均首到达时间、平均吸收时间进行了分析。分析结果表明:平均首到达时间、平均吸收时间与网络大小、吸收点度的大小、网络的权重系数、网络的平均度有密切关系。仿真结果与分析结果一致。

研究蛋白复合物超网络的拓扑性质,并根据超网络的相关拓扑指标识别网络的关键蛋白质。根据获取的蛋白复合物数据集,以蛋白质为节点,复合物为超边,构建了蛋白复合物的超网络模型。在此超网络模型上,通过蛋白质的度、超度和子图中心度拓扑指标分析了超网络的结构特性,得到了识别网络中的关键蛋白的方法,并通过在线基因必需性数据库(Online GEne Essentiality, OGEE)中的数据进行了验证。

采集4列主要反映中国P2P网贷行业全貌的日交易指数时间序列,初步探索P2P网贷市场的非线性动力学特征。运用BDS非线性检验方法,实证分析中国P2P网贷市场的非线性依赖性特征,进一步地,运用经典R/S分析方法和修正R/S分析方法,实证分析中国P2P网贷时间序列中是否存在长记忆性特征。结果表明存在显著的非线性依赖结构,并且其非线性结构可能来源于低维混沌过程,中国P2P网贷时间序列的产生过程均不是独立随机的,存在大量非线性,但并未显示出长记忆性特征。综合判断,P2P网贷市场目前的发展历史和演化程度尚浅,正处在从简单线性系统发展到复杂巨系统的过渡阶段。

近几年来,有色金属期货市场价格波动较大,尤其是对于交易较频繁的铜、铝、锌,交易风险不断加大。本文研究了有色金属期货价格联动关系的动力学特征,以铜、铝、锌为例基于回归分析构建了铜铝锌期货价格联动关系的两个有向加权网络,分析了价格网络中度分布、边权分布、中介中心度、接近中心度等网络拓扑结构及其演化特征。结果表明,2008～2018年铜铝锌期货价格联动关系较稳定于少数关键关系模式。通过对网络中边权进行分析,发现铜铝锌期货价格联动关系模式在一段时间内趋向于保持稳定。本文通过对网络的中介中心度和接近中心度进行分析,发现关键媒介节点的频繁出现有一定规律性,并且与市场价格趋势以及3种金属的联动关系特征有直接关系。因此,基于以上结果,本文提出了识别价格联动效应变化趋势的方法,并对该方法运用于投资提出了建议。

关系数据的聚类算法对于传播研究意义重大,首先运用迭代系统隐喻个体结构的变化,用输出与状态的包含距离表示关系的非对称同时也确定拥有最高结构等级序列的节点来代表簇;再将Hausdorff距离引入DBSCAN算法,使得同结构节点进行合并的加和算子和层次上卷的并算子变得可压缩。运用复杂网络研究人员的数据对算法的有效性进行了评估,分层后的人员合作网具有不同的网络结构特征;关键词在层次2网络中的传播效率高;互惠关系在知识传播中的作用最大。新的发现证明算法通过引入Hutchinson算子的可压缩测度Hausdorff距离使得网络结构对传播效果的影响得以体现,该算法的设计思路是正确的。

为提高飞行训练的安全性和可靠性,运用复杂网络理论对飞行训练网络(Flight Training Network, FTN)的抗毁性进行实证分析。通过构建最大连通子图相对大小和网络效率测度指标,对FTN分别实施去点和去边攻击,并在随机和蓄意两种攻击模式下抗毁性进行仿真。分析表明,FTN网络具有典型的无标度和小世界特性;针对机场的节点攻击,FTN表现出对随机攻击的鲁棒性和蓄意攻击的脆弱性;针对航线的边攻击,FTN表现出一定的抗毁性。结果表明FTN网络中度值或介数大的机场是保持网络安全的关键,其失效将快速降低网络的连通可靠性和运行效率。

融合社交网络的社会化推荐算法是目前推荐系统中普遍采用的方法。在现实的社交网络中,用户间存在多种关系,而每种关系对于推荐的影响是不同的,因此在推荐中单纯引入某一种社交关系必然影响推荐结果的准确率。本文基于多子网复合复杂网络模型,通过在用户商品二部图上加载多关系社交网络,构建多关系复合网,提出了基于多关系复合网的物质扩散推荐算法。在真实的数据集Epinions和FilmTrust上的实验结果表明,加入两种社交关系的推荐算法比加入一种社交关系的推荐算法及传统的物质扩散算法在推荐准确率方面有显著提高。

对最优加权随机汇池网络的自适应算法进行研究,以均方误差作为随机汇池网络输出性能评价指标,推导了最小均方(LMS)和Kalman-LMS算法的递归表达式,并应用到输入信号方差发生改变的非稳态情况中,结果表明两种自适应算法都能够迭代收敛到权的最优解。与LMS算法相比,Kalman-LMS算法不仅收敛速度快,而且权均方偏差每一步都是最优的,在网络节点的个数较少时,Kalman-LMS算法能够获得更小的均方误差,而随着网络节点的个数增加,两种自适应算法得到的均方误差趋于一致。