基于多学习因子粒子群算法的微博用户影响力分析

发布时间：2018-10-31 11:14

【摘要】：分析了用户与其所在网络社团之间的关系,将岛屿模型的思想应用于标准粒子群算法的改进,提出了一种多学习因子粒子群算法(MPSO)。该算法综合考量了用户自身属性和社团关系网络特性两种影响因子,克服了网络水军和僵尸粉的干扰,同时这种改进的粒子群算法使得粒子在进化过程后期更具多样性,避免陷入局部最优。最后通过与Page Rank算法、Behavior-Relationship Rank算法进行对比,充分验证了MPSO算法的准确性以及可靠性。
[Abstract]:This paper analyzes the relationship between users and their network communities, applies the idea of island model to the improvement of standard particle swarm optimization algorithm, and proposes a multi-learning factor particle swarm optimization algorithm (MPSO). This algorithm synthetically considers the user's own attributes and community relationship network characteristics, and overcomes the interference of the network army and zombie powder. Meanwhile, the improved particle swarm optimization algorithm makes the particles more diverse in the later stages of evolution. Avoid falling into local optimum. Finally, by comparing with Page Rank algorithm and Behavior-Relationship Rank algorithm, the accuracy and reliability of MPSO algorithm are fully verified.
【作者单位】： 首都经济贸易大学信息学院;
【基金】：国家社会科学基金项目(16BGL145) 北京市社会科学基金项目(14SHB015) 北京市教育委员会科学研究计划基金项目(SM201410038013)
【分类号】：TP18;TP393.092

【相似文献】

相关期刊论文 前10条

1 宋继光;秦勇;史健芳;贾云富;梁本来;;粒子群算法及其在路由优化中的研究[J];计算机工程与设计;2010年09期

2 成旭华;赵知劲;叶学义;;基于离散粒子群算法的动态网络路由重组[J];计算机工程与应用;2009年29期

3 舒振;陈洪辉;罗雪山;;基于改进混合粒子群算法的服务动态选择方法[J];中南大学学报(自然科学版);2011年10期

4 刘卫宁;李一鸣;刘波;;基于自适应粒子群算法的制造云服务组合研究[J];计算机应用;2012年10期

5 王宇飞;沈红岩;;基于改进广义回归神经网络的网络安全态势预测[J];华北电力大学学报(自然科学版);2011年03期

6 温涛;李迎秋;盛国军;迟玉红;;不确定信息下基于改进粒子群算法的Web服务选择[J];吉林大学学报(工学版);2014年01期

7 孙世昶;刘洪波;林鸿飞;;一种离散粒子群算法在对等网络邻接选择问题中的应用[J];郑州大学学报(理学版);2009年01期

8 何鹏举;吴来斌;宋凯华;曹允耀;;基于粒子群算法的嵌入式云计算资源调度[J];电子设计工程;2014年10期

9 张得生;李留青;陈萍;;基于粒子群算法的计算机网络路由优化研究[J];微型电脑应用;2014年07期

10 倪霖;郑洪英;;基于免疫粒子群算法的特征选择[J];计算机应用;2007年12期

相关会议论文 前1条

1 郭文忠;陈国龙;陈庆良;;基于粒子群算法的数据挖掘技术在入侵检测中的应用[A];2006年全国理论计算机科学学术年会论文集[C];2006年

相关博士学位论文 前1条

1 尹浩;求解Web服务选取问题的粒子群算法研究[D];东北大学;2014年

相关硕士学位论文 前7条

1 仲伟彪;改进粒子群算法的研究及其云计算资源调度的应用[D];江西理工大学;2015年

2 钟帅;基于粒子群算法的微博用户影响力研究[D];华中科技大学;2012年

3 马茂刚;基于粒子群算法的入侵检测技术研究[D];哈尔滨理工大学;2011年

4 宋继光;基于粒子群算法的路由优化与流量均衡研究[D];太原理工大学;2010年

5 米翠花;基于改进粒子群算法的网络路由选择和CFA的优化研究[D];兰州大学;2007年

6 沈萍;P2P环境下基于改进粒子群算法的Web服务选择研究[D];江西理工大学;2012年

7 李一鸣;基于交叉变异粒子群算法的复杂多任务制造云服务组合研究[D];重庆大学;2013年

，

本文编号：2301973