简介：针对现有的社团划分算法过分粒度化和基于模块度优化存在的局限性，本文引入万有引力的思想，假设社团是由节点之间存在虚拟力牵引聚集而成，提出了一种基于虚拟力作用的社团划分算法。在已知社团结构的真实网络中与GN算法、CNM算法等经典算法对比测试，发现本算法不仅能够给出更加准确的网络的社团结构，还具有较高可靠性和接近线性的时间复杂度。
简介：研究了时间窗口对基于10种用户相似性指标的个性化推荐算法的影响。在标准数据集MovieLens上的实验结果表明,只采用大约12.56%的用户近期历史记录,所得到的推荐结果准确性可以平均提高27.17%,而推荐列表多样性可以平均提高3.28%,极大地降低大规模数据所带来的计算复杂性问题。
基于虚拟力的社团发现算法研究
时间窗口对个性化推荐算法的影响研究
