基于社区发现算法的推荐系统研究

作     者：董淳 

作者机构：山西财经大学 

出 版 物：《中国新通信》 (China New Telecommunications)

年 卷 期：2021年第23卷第7期

页      码：55-57页

摘      要：作为分析和探索图形数据信息的关键方法之一,社区在过去十年中引起了学术界和工业界的极大兴趣。有多种用于小区发现的优化算法,但是仍然缺少合理的系统软件,可以建议使用适度的优化算法,根据给定地图的特征在地图上实现小区发现。此外,系统软件应允许科研人员为单个实验选择不同的单元,以发现优化算法。为了更好地解决上述问题,本文基于小区发现优化算法的总体架构,创造性地设计了方案,并完善了小区发现优化算法推荐算法。该系统软件结合了小区发现优化算法的图svm算法。相似度测量和准确性测量。该市场研究报告的重点工作包括社区搜索优化算法推荐算法CDREC的设计计划。CDREC键包含许多程序模块,例如优化算法实现控制模块。优化算法建议使用控制模块和数据可视化控制模块。为了更好地提高优化算法的实用性,它展示了构成CDREC的优化算法实现控制模块的各种计算机语言激活套接字,例如C,Python和Web SERVICE。为了更好地处理在给出操作之前澄清最佳细胞检测优化算法的问题,我们明确提出了一种自主创新优化算法。建议使用实体模型和相对细胞检测优化算法。关于图形数据信息,我们明确提出了三种基于马尔可夫链,两跳邻域构造和归一化邻域构造的svm算法。基于每个单元中找到的优化算法的结果的标准化互信息(NMI)指数以及根据各种采集方法获得的特性,他们清楚地提出了一种基于深度卷积和神经网络的方法。优化算法强烈推荐实体模型。在LFR综合数据上的实验结果表明,本文明确提出的优化算法建议该物理模型具有出色的可行性分析。最后,将实体模型和优化算法合并以产生CDREC的优化算法。建议使用控制模块。为了更好地可视化结果并提高此日常任务的适用性,我们完成了CDREC的操作界面。该系统软件可以向客户指示图形算法设计,社区发现结果,社区评估结果和社区优化算法的强烈推荐结果,并为科研人员和一般客户展示出色的实践经验。

主 题 词：社区发现 算法推荐 特征提取 可视化 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

馆 藏 号：203103227...