1 天津市人民检察院，天津 300222
2 清华大学电子工程系，北京 100084
随着基于位置的社交网络的普及，地点推荐作为推荐系统的重要分支，在解决信息过载、提升用户体验、增加平台收益等方面的作用愈加明显。现有的地点推荐算法大多基于矩阵分解，难以刻画用户和地点之间复杂的交互关系；此外，在基于位置的社交网络中，社交信息是建立用户画像的重要数据来源，如何融合社交信息辅助地点推荐成为亟待解决的问题。本文研究了基于深度神经网络的地点推荐解决方案，通过设计基于社交信息的新型采样方式和正则化损失函数，从两个角度融合社交信息。在两个真实世界数据集上的实验表明，本文提出的方案可以极大提升地点推荐的精准度。
地点推荐 社交网络 深度学习 location recommendation social network deep learning 太赫兹科学与电子信息学报
2019, 17(3): 502
1 中国电信 北京研究院, 北京 100191
2 清华大学 电子工程系, 北京 100084
由于宽带网络接入的进一步普及, 由宽带接入点构建的网络变得十分复杂。如何定义并分析宽带接入点的行为特征成为亟待解决的问题。本文研究了基于用户网络账户登录记录的宽带接入点特征, 将宽带接入点下的账号记录作为数据集, 定义并计算有效的特征, 引入机器学习的方法, 以得到宽带接入点的类型分类。通过对结果的校验, 表明: 本文提出的方法可以准确且高效地实现对于宽带接入点的家庭类型与非家庭类型的识别, 得到其行为特征。
大数据 宽带接入点 行为特征 big data broadband access point behavioral feature 太赫兹科学与电子信息学报
2017, 15(6): 928
