简介：融合社交网络的社会化推荐算法是目前推荐系统中普遍采用的方法。在现实的社交网络中,用户间存在多种关系,而每种关系对于推荐的影响是不同的,因此在推荐中单纯引入某一种社交关系必然影响推荐结果的准确率。本文基于多子网复合复杂网络模型,通过在用户商品二部图上加载多关系社交网络,构建多关系复合网,提出了基于多关系复合网的物质扩散推荐算法。在真实的数据集Epinions和FilmTrust上的实验结果表明,加入两种社交关系的推荐算法比加入一种社交关系的推荐算法及传统的物质扩散算法在推荐准确率方面有显著提高。
简介：给出了回归分析方法在由混沌振子组成的复杂网络的结构探测中的原理与应用。通过对参数处于混沌区域的Rssler和Lorenz模型的考察,发现用二元线性回归分析方法可以对网络中任意两个节点间的链接情况进行判断,但对于Rssler振子网络在节点度较小的时候探测结果才准确,而对于Lorenz振子网络结果都很准确。
基于多子网复合复杂网络模型的物质扩散推荐算法
利用回归分析探测混沌振子网络中的链路
