公开(公告)号：CN104731811A

公开(公告)日：2015-06-24

申请号：CN201310716896.9

申请日：2013-12-20

Applicant: 北京师范大学珠海分校

Inventor： 陈蕾 ,  边晓鸿 ,  冯文荣 ,  赵宝瑾 ,  逯登宇 ,  林信惠 ,  李楠 ,  赵丽娜 ,  马一冰

IPC: G06F17/30

Abstract: 本发明涉及一种面向大规模动态短文本的聚类信息演化分析方法，首先结合自组织聚类算法中的神经元表示方法，以神经元代表文档类；然后将作为类别代表的神经元均匀的分摊到各单片机上，使每个单片机上存在小规模的局部神经元集合；接着以迭代调整思想为基础，对类别划分结果进行局部并行调整；再接着在进行多次局部并行调整后再进行一次全局同步调整，以完成网络海量数据的快速聚类；最后分析、对比不同时间段内的聚类模型的改变情况以获取短文本数据中所蕴含的不同信息的演化过程。本发明通过迭代的运行“局部并行调整”和“全局同步调整”将特征选择和类别划分融合到一起，实现对大规模网络动态短文本的快速聚类，极大地提升了运行效率。

公开(公告)号：CN104731811B

公开(公告)日：2018-10-09

申请号：CN201310716896.9

申请日：2013-12-20

Applicant: 北京师范大学珠海分校

Inventor： 陈蕾 ,  边晓鸿 ,  冯文荣 ,  赵宝瑾 ,  逯登宇 ,  林信惠 ,  李楠 ,  赵丽娜 ,  马一冰

IPC: G06F17/30

Abstract: 本发明涉及一种面向大规模动态短文本的聚类信息演化分析方法，首先结合自组织聚类算法中的神经元表示方法，以神经元代表文档类；然后将作为类别代表的神经元均匀的分摊到各单片机上，使每个单片机上存在小规模的局部神经元集合；接着以迭代调整思想为基础，对类别划分结果进行局部并行调整；再接着在进行多次局部并行调整后再进行一次全局同步调整，以完成网络海量数据的快速聚类；最后分析、对比不同时间段内的聚类模型的改变情况以获取短文本数据中所蕴含的不同信息的演化过程。本发明通过迭代的运行“局部并行调整”和“全局同步调整”将特征选择和类别划分融合到一起，实现对大规模网络动态短文本的快速聚类，极大地提升了运行效率。

公开(公告)号：CN107798131A

公开(公告)日：2018-03-13

申请号：CN201711154718.6

申请日：2017-11-20

Applicant: 北京师范大学珠海分校

Inventor： 陈蕾 ,  赵宝瑾 ,  徐爱 ,  李树杰 ,  李荣杰 ,  唐诗 ,  崔在兴

IPC: G06F17/30 ,  G06Q30/06

CPC classification number: G06F17/30867 ,  G06Q30/0631

Abstract: 本发明公开了一种基于关注关系和用户行为的图推荐方法，具体步骤如下：步骤一，构建用户行为图：采集用户在网站的浏览数据，得到用户行为图；步骤二，构建用户关注图；步骤三，计算初始关注概率；步骤四，计算综合关注概率：将基于用户关注图得到的对某物品的关注概率和用户行为图对同一物品的关注概率进行综合计算，得到用户对某物品的关注概率；步骤五，生成用户列表：根据每个用户对某物品的关注概率，生成每个用户的用户推荐列表和物品推荐列表。本发明的方法将图推荐算法、用户关注关系和用户浏览行为综合考虑，能够一次同时为用户推荐物品和感兴趣的用户，满足用户的个性化推荐，推荐更加精准，符合用户的需求。