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． 0 W7 ]( Z0 {7 K# d+ R, h0 U8 u; q
; y0 B/ j& o& \5 B9 l" L关键词： 社交网络；信息推荐；近似算法；性能评估: e3 N- H- u5 b
) c7 }4 R- C: H6 b; ?
' C. z6 c, F# N/ Y& t o
0 ]' k" g# v* ]. @# O7 _ 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．
7 D+ ~7 n: o$ Z+ W% Z f' h
7 g6 b; x6 B- G: G! _8 c1 l7 S6 r5 s; {7 k, H0 l/ j( J; j' B+ }
附件下载：/ d* u' R& h1 e B1 Y" ?
|
|
/1 
发表于 2021-3-11 11:17
收藏
淘帖
支持！
反对！