检索结果

Select

1. 基于Spark的人工蜂群改进算法

翟光明, 李国和, 吴卫江, 洪云峰, 周晓明, 汪静

计算机应用 2017, 37 (7): 1906-1910. DOI: 10.11772/j.issn.1001-9081.2017.07.1906

摘要（533）

PDF （766KB）（486）

针对人工蜂群（ABC）算法求解组合优化问题时效率低的问题，提出了基于Spark云计算框架的并行ABC改进算法。首先，将蜂群划分为子蜂群并将蜂群构造为弹性分布式数据集，子蜂群使用广播机制交换优秀个体；然后，采用一系列转换算子，实现蜜蜂寻找解过程的并行化；最后，用万有引力质量计算代替轮盘赌概率计算，减少计算量。通过旅行商问题（TSP）求解说明了算法的可行性。实验结果表明：对比标准ABC算法，所提算法加速比最大达到3.24；对比未改进的并行ABC算法，该算法收敛速度提高约10%。所提算法在复杂问题求解方面优势更加明显。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于忠诚度的社交网络用户发现方法

薛云, 李国和, 吴卫江, 洪云峰, 周晓明

计算机应用 2017, 37 (11): 3095-3100. DOI: 10.11772/j.issn.1001-9081.2017.11.3095

摘要（479）

PDF （869KB）（491）

针对社交网络中提高用户的高黏性问题，提出了一种基于用户忠诚度的用户发现的算法。该算法利用双重RFM模型对用户忠诚度进行计算，挖掘出忠诚度不同分类的用户。首先，通过双重RFM模型动态计算出用户在某一时间段的消费价值与行为价值，得到用户某一时间段的忠诚度；其次，根据用户的忠诚度，确定标度曲线，利用相似度计算找到典型的忠诚用户与不忠诚用户；最后，采用基于模块度的社区发现与独立级联传播模型，发现潜在的忠诚用户与不忠诚用户。在某社交网络的微博数据集上，实现了社会性网络服务（SNS）下用户忠诚度的量化表示，获得了基于用户忠诚度的用户发现结果。实验结果表明，所提算法能够有效挖掘出基于忠诚度的用户分类，可以为社交网站针对用户的个性化推荐及营销等，提供理论支持和实用方法。

参考文献 | 相关文章 | 多维度评价

Select

3. CCML2017+67+基于忠诚度的社交网络用户发现方法

薛云李国和吴卫江洪云峰周晓明

录用日期: 2017-06-07