摘要：网络表示学习方法进行社交网络用户表示可以避免大量的特征工程,同时方便对不同类型的特征进行融合。由于社交网络通常规模大且数据类型丰富,采用基于神经网络的网络表示学习方法,融合社交网络中的多类型信息学习用户表示,提出了一种融合多类型信息的社交网络用户表示学习方法。对社交网络用户涉及的文本、网络结构和属性标签信息设计了独立的神经网络结构和目标函数,并通过对目标函数求加权和的方式进行融合,采用梯度下降算法进行联合优化得到社交网络用户表示。Cora和Weibo数据集上的实验结果表明:所提方法可以更好地融合社交网络中的多类型信息,获得更有区分度的用户特征,可有效提升分类任务的准确率。

摘要：为了改善DC/DC变换器的控制性能,提升控制器与电路的抗干扰能力,在电流模式控制的基础上,设计了一个基于线性扩张状态观测器的变换器控制器,提升了应对非最小相位系统输入电压或负载变化时稳定输出电压的能力。使用线性扩张状态观测器来估计输出电压与扰动并及时在反馈中给予补偿,保证系统在外部条件变化时的输出稳定性。对某DC/DC降压变换器进行实验,结果表明所设计的控制器可行且具有良好的电压稳定性能。

摘要：社交网络用户隐私泄露的量化评估有利于帮助用户了解个人隐私泄露状况,提高公众隐私保护和防范意识,同时也能为个性化隐私保护方法的设计提供依据。针对目前隐私量化评估方法主要用于评估隐私保护方法的保护效果,无法有效评估社交网络用户的隐私泄露风险的问题,提出了一种社交网络用户隐私泄露量化评估方法。基于用户隐私偏好矩阵,利用皮尔逊相似度计算用户主观属性敏感性,然后取均值得到客观属性敏感性;采用属性识别方法推测用户隐私属性,并利用信息熵计算属性公开性;通过转移概率和用户重要性估计用户数据的可见范围,计算数据可见性;综合属性敏感性、属性公开性和数据可见性计算隐私评分,对隐私泄露风险进行细粒度的个性化评估,同时考虑时间因素,支持用户隐私泄露状况的动态评估,为社交网络用户了解隐私泄露状况、针对性地进行个性化隐私保护提供支持。在新浪微博数据上的实验结果表明,所提方法能够有效地对用户的隐私泄露状况进行量化评估。