隨著健康社會(huì)網(wǎng)的發(fā)展,以及人們生活水平的提高,研究個(gè)體行為的預(yù)測(cè)問題迫在眉睫,因此愈來愈多的研究學(xué)者開始關(guān)注健康社會(huì)網(wǎng)絡(luò)中個(gè)體行為的預(yù)測(cè)問題。在之前的研究中,許多學(xué)者對(duì)于健康社會(huì)網(wǎng)絡(luò)中運(yùn)動(dòng)的特征、運(yùn)動(dòng)的傳播以及行為預(yù)測(cè)進(jìn)行了相關(guān)的研究與探討,但是在這些研究中忽略了時(shí)間的敏感性、社會(huì)影響的多樣性。本文在此基礎(chǔ)上,對(duì)健康社會(huì)網(wǎng)絡(luò)中個(gè)體行為預(yù)測(cè)的問題進(jìn)行了深入的探討,主要體現(xiàn)在以下三個(gè)方面:首先,考慮了時(shí)間的敏感性,研究了社會(huì)網(wǎng)中融合時(shí)間消減函數(shù)的個(gè)體行為預(yù)測(cè)問題,提出了TSGP模型,該模型在基本的高斯處理模型基礎(chǔ)上融合了個(gè)體因素、社會(huì)因素以及時(shí)間敏感性因素,然而普通的高斯處理模型僅僅考慮了個(gè)體因素,我們?yōu)榱瞬东@社會(huì)影響因素,將基本的高斯處理模型進(jìn)行了拓展。通過在真實(shí)數(shù)據(jù)集和合成數(shù)據(jù)上的實(shí)驗(yàn)驗(yàn)證表明,我們提出的TSGP模型有較好地預(yù)測(cè)精度。其次,用戶行為的多樣性、動(dòng)態(tài)性以及隱藏的社會(huì)影響,使得行為預(yù)測(cè)問題面臨著更嚴(yán)重的挑戰(zhàn)。為了解決這一問題,我們?cè)谏疃葘W(xué)習(xí)算法—受限玻爾茲曼機(jī)的基礎(chǔ)上,提出了StRBM模型,該模型將個(gè)體因素、顯性社會(huì)影響以及隱性社會(huì)影響融合在一起,行成了歷史層、可見層以及隱藏... 

【文章來源】：黑龍江大學(xué)黑龍江省

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì)
    1.3 本文主要研究工作
    1.4 章節(jié)安排
第2章 預(yù)備知識(shí)
    2.1 社會(huì)網(wǎng)及其表達(dá)式
    2.2 社會(huì)網(wǎng)中的傳播模型
        2.2.1 獨(dú)立級(jí)聯(lián)模型（IC模型）
        2.2.2 線性閾值模型（LT）
    2.3 高斯混合模型（GMM）
    2.4 受限玻爾茲曼機(jī)
    2.5 本章小結(jié)
第3章 基于時(shí)間消減函數(shù)的個(gè)體行為預(yù)測(cè)模型的研究
    3.1 引言
    3.2 相關(guān)工作
    3.3 問題的定義
    3.4 融合時(shí)間消減函數(shù)的社會(huì)高斯處理模型
    3.5 實(shí)驗(yàn)
        3.5.1 評(píng)估準(zhǔn)則
        3.5.2 基本方法和比較模型
        3.5.3 YesiWell數(shù)據(jù)集比較模型
        3.5.4 合成數(shù)據(jù)比較模型
        3.5.5 運(yùn)行時(shí)間的比較
    3.6 本章小結(jié)
第4章 基于受限玻爾茲曼機(jī)的個(gè)體行為預(yù)測(cè)模型的研究
    4.1 引言
    4.2 預(yù)備知識(shí)
    4.3 社會(huì)化受限玻爾茲曼機(jī)模型
    4.4 實(shí)驗(yàn)
        4.4.1 YesiWell數(shù)據(jù)集
        4.4.2 評(píng)估標(biāo)準(zhǔn)
        4.4.3 對(duì)比模型
    4.5 本章小結(jié)
第5章 基于社區(qū)活動(dòng)水平的傳播預(yù)測(cè)模型的研究
    5.1 引言
    5.2 社區(qū)級(jí)活動(dòng)傳播模型（CSP）
        5.2.1 預(yù)備知識(shí)
        5.2.2 CSP模型
        5.2.3 模型選擇函數(shù)
    5.3 實(shí)驗(yàn)
        5.3.1 實(shí)驗(yàn)數(shù)據(jù)
        5.3.2 實(shí)驗(yàn)設(shè)置
        5.3.3 實(shí)驗(yàn)結(jié)果
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文及參加的科研項(xiàng)目


【參考文獻(xiàn)】：
期刊論文
[1]社交網(wǎng)絡(luò)中的用戶轉(zhuǎn)發(fā)行為預(yù)測(cè)[J]. 謝婧,劉功申,蘇波,孟魁.  上海交通大學(xué)學(xué)報(bào). 2013(04)
[2]大數(shù)據(jù)研究[J]. 嚴(yán)霄鳳,張德馨.  計(jì)算機(jī)技術(shù)與發(fā)展. 2013(04)
[3]基于行為預(yù)測(cè)的微博網(wǎng)絡(luò)信息傳播建模[J]. 吳凱,季新生,劉彩霞.  計(jì)算機(jī)應(yīng)用研究. 2013(06)
[4]基于貝葉斯方法的網(wǎng)絡(luò)信息過濾技術(shù)研究[J]. 吳紹兵.  計(jì)算機(jī)與現(xiàn)代化. 2012(05)
[5]基于加權(quán)馬爾可夫鏈的主動(dòng)用戶行為預(yù)測(cè)模型[J]. 張玉成,徐大紋,王筱娟.  計(jì)算機(jī)工程與設(shè)計(jì). 2011(10)
[6]基于混合Markov模型的用戶瀏覽預(yù)測(cè)[J]. 陳佳,吳軍華.  計(jì)算機(jī)工程與設(shè)計(jì). 2009(04)
[7]基于類Markov鏈的用戶瀏覽行為預(yù)測(cè)方法[J]. 何麗.  計(jì)算機(jī)工程. 2008(22)
[8]一種基于Bayesian信念網(wǎng)絡(luò)的客戶行為預(yù)測(cè)方法[J]. 何蓓,吳敏.  控制與決策. 2007(06)
[9]基于粗集理論的顧客購買行為預(yù)測(cè)[J]. 梁靜國,魏娟,林朗星.  統(tǒng)計(jì)與決策. 2006(01)

碩士論文
[1]老年人活動(dòng)監(jiān)測(cè)系統(tǒng)研究[D]. 程旸.天津大學(xué) 2009



本文編號(hào)：3038856