基于项目合作的社会关系网络构建

何贤芒; 陈银冬; 李东; 郝艳妮

doi:10.7544/issn1000-1239.2016.20151172

基于项目合作的社会关系网络构建

¹(宁波大学信息科学与工程学院浙江宁波 315311)
²(汕头大学工学院广东汕头 515063)
³(国家自然科学基金委员会信息中心北京 100085)
⁴(复旦大学计算机科学技术学院上海 200433) (hexianmang@nbu.edu.cn)

基金项目: 国家自然科学基金项目(61103244，U1509213)；广东省自然科学基金项目(2015A030313433)；广东省高等学校优秀青年教师培养计划项目(Yq2013074)；广东省普通高校特色创新项目(2015KTSCX036)；广东省高校工程技术研究中心建设项目(GCZX-A1306)；信息与通信工程浙江省重中之重学科开放基金项目；中国博士后科学基金项目(2013M540323)；教育部人文社会科学研究项目(15YJA630069)；汕头市科技计划项目(98)

详细信息

中图分类号: TP311.131
计量
- 文章访问数: 1094
- HTML全文浏览量: 0
- PDF下载量: 763
出版历程
- 发布日期: 2016-03-31

A Construction for Social Network on the Basis of Project Cooperation

¹(Faculty of Information Science and Engineering, Ningbo University, Ningbo, Zhejiang 315311)
²(College of Engineering, Shantou University, Shantou, Guangdong 515063)
³(Information Center, National Natural Science Foundation of China, Beijing 100085)
⁴(School of Computer Science, Fudan University, Shanghai 200433)

摘要

摘要: 目前，基于论文合作关系的科学研究人员社会关系网络得到了极大的关注，但是存在实体识别不准确、数据更新不及时等数据质量问题.有鉴于此，提出利用历年项目申请书的合作关系，同时将实体识别问题归结为一个聚类问题，证明该问题的计算复杂度，然后提出了算法来解决该问题，最后在真实数据上验证算法的效率.
- 项目合作 /
- 社会关系网络 /
- 实体识别 /
- 聚类 /
- 计算几何问题
Abstract: For the time being, the social network based on paper cooperation has gained a great deal of attention, but there exists inaccurate entity recognition, failing to update data in time, and uncertain data quality etc. In view of this, this paper puts forward the cooperation on the basis of the history project application, and the problem of the entity recognition attributes to a clustering problem. The computational complexity of the problem is proved. Then the algorithm is proposed to settle the problem. Finally, the efficiency of the algorithm is verified by the experiments on real data.
- project cooperation /
- social network /
- entity recognition /
- clustering /
- computational geometry problems

HTML全文

参考文献(0)

施引文献(11)

期刊类型引用(5)

1.	王明，张倩. 我国基于深度学习的图像识别技术在农作物病虫害识别中的研究进展. 中国蔬菜. 2023(03): 22-28 . 百度学术
2.	覃伟荣，劳燕玲. 基于3D关联规则深度学习的异构遥感数据检测. 计算机仿真. 2023(09): 482-486 . 百度学术
3.	吕晓洁. 基于深度学习的分布式光伏发电系统电压稳定性评估. 电子设计工程. 2022(17): 114-118 . 百度学术
4.	宋美佳，贾鹤鸣，林志兴，卢仁盛，刘庆鑫. 自适应学习率梯度下降的优化算法. 三明学院学报. 2021(06): 36-44 . 百度学术
5.	郑俊浩. 基于深度学习的乳腺癌MRI影像预处理. 智能计算机与应用. 2020(01): 231-232+236 . 百度学术