面向科技成果转化的区域社区系统的设计与实现
这是一篇关于基于事件社会网络,异构社会网络,社区划分,标签传播算法的论文, 主要内容为科技成果转化是帮助高校科技成果落地的重要举措,对促进区域产业技术升级也具有重要意义。目前,参与成果转化的高校和企业存在科技成果与技术需求信息不对称的问题,地方政府和中介机构会合作推出一些科转活动,帮助意向人了解项目申报流程和区域政策信息,促进双方交流沟通,推进成果转化进程。但现阶段的活动推介方式效率低下,也无法满足日益增长的科转活动需求。因此,构建一个面向区域成果转化的线上社区可以促进多方的交流沟通,提高科转活动推介效率,具有重要的应用价值。本文设计并实现了面向科技成果转化的区域社区系统,为参与成果转化的各方用户提供一个交流沟通、组织参与科转活动的线上平台,并在平台运营初期提供用户推荐工具,旨在解决平台筛选活动用户时面对的信息过载问题。系统首先根据业务需求设计并搭建了一个专题性线上社区;其次,利用目标群体的专利合著数据和历史活动数据构建异构社会网络,采用社区划分的方法将目标群体划分出不同的社团,并构建检索器以社团为单位实现用户推荐功能。本文主要工作如下:(1)设计并构建了面向科技成果转化的异构社会网络。本文设计网络爬虫采集目标企业和高校的专利数据,提取专利合著关系信息,并结合国际专利分类表和历史活动数据,设计并构建一个包含不同节点和多种社交关系的异构社会网络,为后续数据挖掘工作奠定基础。(2)设计并实现活动用户推荐功能。本文提出了一种将节点相似性、节点重要度和社区划分结合的用户推荐方案,该方案首先采用Metapath2vec算法计算网络中不同元路径下的节点相似性再基于边类型概率融合得到最终节点相似性;引入节点相似性改进Leader Rank算法对节点重要度排序;融合节点相似性和重要度改进SLPA算法对异构社会网络进行社区划分;最后计算检索内容与目标社团的相似度,实现用户推荐功能。(3)设计并实现面向科技成果转化的区域社区系统。本文采用开源框架Node BB搭建线上社区,并使用Express框架开发Node BB插件集成在社区中丰富社区功能,包括中文搜索引擎、社区管理、邮件配置和活动用户推荐等。最后对系统进行了功能性测试和非功能性测试,保证了系统的可用性和可靠性。
面向科技成果转化的区域社区系统的设计与实现
这是一篇关于基于事件社会网络,异构社会网络,社区划分,标签传播算法的论文, 主要内容为科技成果转化是帮助高校科技成果落地的重要举措,对促进区域产业技术升级也具有重要意义。目前,参与成果转化的高校和企业存在科技成果与技术需求信息不对称的问题,地方政府和中介机构会合作推出一些科转活动,帮助意向人了解项目申报流程和区域政策信息,促进双方交流沟通,推进成果转化进程。但现阶段的活动推介方式效率低下,也无法满足日益增长的科转活动需求。因此,构建一个面向区域成果转化的线上社区可以促进多方的交流沟通,提高科转活动推介效率,具有重要的应用价值。本文设计并实现了面向科技成果转化的区域社区系统,为参与成果转化的各方用户提供一个交流沟通、组织参与科转活动的线上平台,并在平台运营初期提供用户推荐工具,旨在解决平台筛选活动用户时面对的信息过载问题。系统首先根据业务需求设计并搭建了一个专题性线上社区;其次,利用目标群体的专利合著数据和历史活动数据构建异构社会网络,采用社区划分的方法将目标群体划分出不同的社团,并构建检索器以社团为单位实现用户推荐功能。本文主要工作如下:(1)设计并构建了面向科技成果转化的异构社会网络。本文设计网络爬虫采集目标企业和高校的专利数据,提取专利合著关系信息,并结合国际专利分类表和历史活动数据,设计并构建一个包含不同节点和多种社交关系的异构社会网络,为后续数据挖掘工作奠定基础。(2)设计并实现活动用户推荐功能。本文提出了一种将节点相似性、节点重要度和社区划分结合的用户推荐方案,该方案首先采用Metapath2vec算法计算网络中不同元路径下的节点相似性再基于边类型概率融合得到最终节点相似性;引入节点相似性改进Leader Rank算法对节点重要度排序;融合节点相似性和重要度改进SLPA算法对异构社会网络进行社区划分;最后计算检索内容与目标社团的相似度,实现用户推荐功能。(3)设计并实现面向科技成果转化的区域社区系统。本文采用开源框架Node BB搭建线上社区,并使用Express框架开发Node BB插件集成在社区中丰富社区功能,包括中文搜索引擎、社区管理、邮件配置和活动用户推荐等。最后对系统进行了功能性测试和非功能性测试,保证了系统的可用性和可靠性。
面向科技成果转化的区域社区系统的设计与实现
这是一篇关于基于事件社会网络,异构社会网络,社区划分,标签传播算法的论文, 主要内容为科技成果转化是帮助高校科技成果落地的重要举措,对促进区域产业技术升级也具有重要意义。目前,参与成果转化的高校和企业存在科技成果与技术需求信息不对称的问题,地方政府和中介机构会合作推出一些科转活动,帮助意向人了解项目申报流程和区域政策信息,促进双方交流沟通,推进成果转化进程。但现阶段的活动推介方式效率低下,也无法满足日益增长的科转活动需求。因此,构建一个面向区域成果转化的线上社区可以促进多方的交流沟通,提高科转活动推介效率,具有重要的应用价值。本文设计并实现了面向科技成果转化的区域社区系统,为参与成果转化的各方用户提供一个交流沟通、组织参与科转活动的线上平台,并在平台运营初期提供用户推荐工具,旨在解决平台筛选活动用户时面对的信息过载问题。系统首先根据业务需求设计并搭建了一个专题性线上社区;其次,利用目标群体的专利合著数据和历史活动数据构建异构社会网络,采用社区划分的方法将目标群体划分出不同的社团,并构建检索器以社团为单位实现用户推荐功能。本文主要工作如下:(1)设计并构建了面向科技成果转化的异构社会网络。本文设计网络爬虫采集目标企业和高校的专利数据,提取专利合著关系信息,并结合国际专利分类表和历史活动数据,设计并构建一个包含不同节点和多种社交关系的异构社会网络,为后续数据挖掘工作奠定基础。(2)设计并实现活动用户推荐功能。本文提出了一种将节点相似性、节点重要度和社区划分结合的用户推荐方案,该方案首先采用Metapath2vec算法计算网络中不同元路径下的节点相似性再基于边类型概率融合得到最终节点相似性;引入节点相似性改进Leader Rank算法对节点重要度排序;融合节点相似性和重要度改进SLPA算法对异构社会网络进行社区划分;最后计算检索内容与目标社团的相似度,实现用户推荐功能。(3)设计并实现面向科技成果转化的区域社区系统。本文采用开源框架Node BB搭建线上社区,并使用Express框架开发Node BB插件集成在社区中丰富社区功能,包括中文搜索引擎、社区管理、邮件配置和活动用户推荐等。最后对系统进行了功能性测试和非功能性测试,保证了系统的可用性和可靠性。
基于多源数据融合的miRNA-疾病关联关系预测
这是一篇关于miRNA-疾病关联关系预测,相似度网络,矩阵补全算法,基因本体,标签传播算法,随机游走算法的论文, 主要内容为微小核糖核酸(miRNA)是动植物体内的一种非编码的小型单链RNA分子,参与靶基因m RNA的表达调控。在人类的许多生命活动进程中都有miRNA的参与,并且miRNA对基因表达的调控可能会导致某些疾病。在传统的验证实验中往往需要通过生物学方法研究miRNA与疾病的关联性,但是这种方法存在实验周期长、成本高的缺点。在目前生物信息学的预测方法构建的异质网络中,往往由于矩阵稀疏以及数据源信息的不充分等问题,使得预测未能取得很好的效果。针对上述问题,本文采用多源数据构建高质量的复杂网络,提出了基于矩阵补全的预测模型和基于基因本体数据的预测模型,具体工作包含以下三个方面:(1)提出了一种基于矩阵补全的miRNA-疾病关联关系预测模型MDFMC。本模型将已构建的miRNA和疾病的相似度矩阵进行矩阵补全处理,并将补全后的相似度矩阵融入miRNA网络和疾病网络的构建中。在复杂网络中分别以miRNA子网和疾病子网为传播依据使用标签传播算法进行预测。为了检验MDFMC模型的预测性能,使用了三种交叉验证的方法与相关模型进行比较,并使用具体的疾病案例对该模型的预测结果进行评估。实验结果表明MDFMC模型具有良好的预测性能。(2)设计了一种利用基因本体数据的miRNA靶向相似度度量方法,并基于该方法提出了miRNA-疾病关联关系预测模型GOBMDA。本模型将miRNA的靶基因和基因本体数据相映射,构建了miRNA靶向相似度矩阵。使用来自不同数据源的多种相似度矩阵构建了miRNA和疾病的相似性网络,并在异质网络中使用带有重启的随机游走算法进行预测。最后使用了交叉验证方法和案例分析方法说明了GOBMDA模型的预测有效性。(3)设计并实现了基于Springboot框架的在线预测平台,为相关研究者提供基于MDFMC模型和GOBMDA模型的miRNA-人类疾病关联关系的预测服务,也便于评估模型的有效性。测试结果表明,本预测平台具有良好的人机交互性且处理响应迅速。
面向社会化推荐系统的托攻击检测方法研究
这是一篇关于社会化推荐系统,混合攻击,社交影响力最大化,决策树,标签传播算法的论文, 主要内容为当今社交媒体活跃在人们生活的各个角落,将用户社交关系结合传统推荐方法进行社会化推荐的方向成为新的研究热点。社会化推荐系统融合社交属性信息与评分信息进行推荐,一定程度上提高了系统推荐的准确性,但社会化推荐系统的开放性,极易受到恶意攻击,此类行为危害了社会化推荐的真实性,加深用户对系统推荐的不信任。国内外研究人员针对评分推荐系统或社交网络的攻击检测已有很多研究成果,但是很少关注针对社会化推荐系统的托攻击检测问题。虽然有学者针对社会化推荐系统的托攻击提出检测方法,但这些方法缺少对用户不同属性之间存在的关联进行分析。为弥补现有研究对社会化推荐托攻击检测问题的不足,本文对社会化推荐系统存在的托攻击检测问题进行研究。首先,本文挖掘用户评分行为和社交关系之间的潜在联系,提出一种基于决策树的托攻击检测算法。该算法通过构建用户特征空间,训练C4.5决策树形成分类器对托攻击用户进行检测。其次,本文通过分析用户群体在评分行为上的相似性及每个用户的社交属性,提出一种基于标签传播的托攻击检测算法,该算法主要利用用户评分行为的相似性来计算用户节点间边的权重。在标签传播过程中,将评分相似的用户划分到标签相同的群体中,从而检测出托攻击用户。最后,在FilmTrust数据集中对本文提出的两种检测算法进行实验验证。通过与两种经典的检测算法进行对比,进而验证本文提出的两种检测算法能够有效识别出社会化推荐系统中的混合攻击概貌。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕业设计客栈 ，原文地址：https://m.bishedaima.com/lunwen/50150.html
