注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于LBSNS的社交传播模式及其前景分析

  2. 文章介绍了基于位置的服务计算，为社交网络未来模式提供了新思路

  3. 所属分类：网络管理

    • 发布日期：2013-06-04
    • 文件大小：514048
    • 提供者：u010601883

  1. 基于位置的社交网络数据foursquare

  2. 用于做位置预测和位置推荐的数据，不同地区的用户存在不同的签到时间偏好，且美国Ｗ外地区 Ｆｏｕｒｓｑｕａｒｅ的用户较少，本文选取家在纽约的用户进行签到行为研巧。Ｆｏｕｒｓｑｕａｒｅ签到 数据集用户个人信息中具有ｈｏｍｅｃｉｔｙ属性．表征用户的家所在位置。

  3. 所属分类：深度学习

    • 发布日期：2018-01-19
    • 文件大小：25165824
    • 提供者：u011365692

  1. foursquare

  2. 社交地理数据，研究LBSN所使用的数据集。foursquare。

  3. 所属分类：机器学习

    • 发布日期：2019-03-04
    • 文件大小：152043520
    • 提供者：qq_25902895

  1. 地理社交数据集

  2. 地理社交数据集、研究LBSN所使用的数据集，brightkite

  3. 所属分类：机器学习

    • 发布日期：2019-03-04
    • 文件大小：60817408
    • 提供者：qq_25902895

  1. 学习推荐LBSN中的加权贝叶斯个性化排序方法的兴趣点

  2. 学习推荐LBSN中的加权贝叶斯个性化排序方法的兴趣点

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：458752
    • 提供者：weixin_38639615

  1. 基于位置的社交网络上的友谊预测算法

  2. 随着移动设备的发展和广泛使用，基于位置的社交网络（LBSN）已成为许多新颖应用程序的重要平台。 位置信息将有助于发现潜在的朋友关系，然后指导旅行，推荐商品等。 本文提出了一种友谊预测算法。首先，利用信息增益来衡量不同特征对人类友谊的贡献，并提取出用户的社交，关系，签到距离和签到类型为三个关键。其次，我们将预测问题作为分类问题，并选择SVM（支持向量机）对其进行分类。 最后进行了一些实验，结果表明我们的算法在一定程度上是有效的。

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：321536
    • 提供者：weixin_38673694

  1. On the Impact of Location Errors on Localization Attacks in Location-Based Social Network Services

  2. Location-based Social Network (LBSN) services, such as \textit{People Nearby} in WeChat, enable users to discover users within the geographic proximity. Though contemporary LBSN services have adopted various obfuscation techniques to blur the locatio

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：666624
    • 提供者：weixin_38621565

  1. 一种面向获取空间信息的潜在好友推荐算法

  2. 随着社交网络的不断发展,朋友推荐已成为各大社交网络青睐的对象,在能够帮助用户拓宽社交圈的同.时,可以通过新朋友获取大量信息.由此,朋友推荐应该着眼于拓宽社交圈和获取信息.然而,传统的朋友推荐算法几.乎没有考虑从获取信息的角度为用户推荐潜在好友,大多是依赖于用户在线的个人资料和共同的物理空间中的签.到信息.而由于人们的活动具有空间局部性,被推荐的好友分布在用户了解的地理空间,并不能满足用户通过推荐的.朋友获取更多理信息的需求.采用用户在物理世界中的签到行为代替虚拟社交网络中的用户资料,挖掘真实世界

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：2097152
    • 提供者：weixin_38657848

  1. 位置社交网络中谱嵌入增强的兴趣点推荐算法

  2. 为了有效地捕捉LBSN中丰富的签到、社交等多维上下文信息的空间特性，并深层挖掘用户和POI之间的非线*互，提出了一种谱嵌入增强的POI推荐算法——PSC-SMLP，设计了偏好增强的谱聚类算法PSC和谱嵌入增强的神经网络SMLP。在2个经典数据集上与现有的POI推荐算法相比，PSC-SMLP可以深层学习用户对POI的个性化偏好，在准确率、召回率、nDCG、平均精度等指标中均获得较大提升。

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：1013760
    • 提供者：weixin_38616435

  1. 基于位置的社交网络中的兴趣点推荐调查

  2. 随着移动设备，全球定位系统（GPS）和Web 2.0技术的飞速发展，基于位置的社交网络（LBSN）吸引了数百万用户共享丰富的信息，例如体验和提示。 兴趣点（POI）推荐系统在LBSN中扮演重要角色，因为它可以帮助用户探索有吸引力的位置，并帮助社交网络服务提供商设计针对兴趣点的位置感知广告。 在本文中，我们对LBSN中兴趣点推荐的任务进行了简要调查，并讨论了兴趣点推荐的一些研究方向。 我们首先描述兴趣点推荐的独特特征，该特征将兴趣点推荐方法与传统推荐方法区分开来。 然后，根据整合的附加信息的类型。

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：576512
    • 提供者：weixin_38590775

  1. 一种面向获取空间信息的潜在好友推荐算法

  2. 随着社交网络的不断发展,朋友推荐已成为各大社交网络青睐的对象,在能够帮助用户拓宽社交圈的同.时,可以通过新朋友获取大量信息.由此,朋友推荐应该着眼于拓宽社交圈和获取信息.然而,传统的朋友推荐算法几.乎没有考虑从获取信息的角度为用户推荐潜在好友,大多是依赖于用户在线的个人资料和共同的物理空间中的签.到信息.而由于人们的活动具有空间局部性,被推荐的好友分布在用户了解的地理空间,并不能满足用户通过推荐的.朋友获取更多理信息的需求.采用用户在物理世界中的签到行为代替虚拟社交网络中的用户资料,挖掘真实世界

  3. 所属分类：其它

    • 发布日期：2021-03-31
    • 文件大小：3145728
    • 提供者：weixin_38687807