项目名称: 基于网络维力的事件规模函数及其参数研究

项目编号: No.71271062

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 管理科学

项目作者: 赵金楼

作者单位: 哈尔滨工程大学

项目金额: 55万元

中文摘要: 判定网络群体事件的主要标准是事件规模和事件后果。事件规模就是一定时间内的参与事件的网民数量。目前事件规模研究主要是从统计学和粒子交互作用原理的视角展开的,而申请人拟从网络维力的视角。前者一般基于全程抽样数据,故其事件规模曲线更符合实际,但预先性不足。故在小时段少样本下构造一个描述事件规模演变函数是必要,以便为制定预案提供依据,而基于网络维力构造的网络群体事件规模函数的优势恰恰就在于此。网络维力就是网络对信息在时间和数量两个维度所表现出的优势力,即时量效用。 先假设存在理想网络空间,这样轻松构建该空间的事件规模增函数;其次反向思维构建该网站的事件规模减函数;其三某时刻理想的网民累积数减去不再参与的网民累积数即为此刻的参与网民余数。在构造一个复杂系统模型时,如自变量少,则参数就多。该理论模型中含有多个参数,可用仿真手段来拟合求得参数,这样理论模型就转化成应用模型了。

中文关键词: 网络维力;网络事件;规模函数;参数;

英文摘要: The main standards for network colony incident are its' scale and results. Event-scale is the quantity to participate in incident a period of time.The research on event-scale stars with statistics and particle interacting principle, but network dimension-fore for me.The former based on sample data of all process, so its' curve furthermore accords with practice, but its' forecast characteristics is shortage.So it is necessary to construct the model for describing event-scale in a period of time and a little data, the Event-scale function based on network dimension-force takes on advantage.Network dimension-force is the advantage in time and quantity to information, viz time-quantity utility. First of all, there is a hypothesis ideal network space, so easily makes up this spaces' event-scale function.Next makes up an event-scale monotone minus function yet this net.So the netizen remainder is the difference value of the function above.The fewer there are independent variables, the more parameters for a complexity model.This model has more parameters and can been resolved by PC, so this theory model can been transformed applying model.

英文关键词: Network Dimension Force;Network Incidents;Scale Function;Parameters;

成为VIP会员查看完整内容
0

相关内容

深度学习模型鲁棒性研究综述
专知会员服务
91+阅读 · 2022年1月23日
WSDM 2022 | 基于图神经网络的协同过滤设计空间研究
专知会员服务
36+阅读 · 2022年1月3日
专知会员服务
117+阅读 · 2021年10月6日
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
[计算博弈论及其应用],85页ppt
专知会员服务
125+阅读 · 2021年7月21日
专知会员服务
51+阅读 · 2021年6月17日
专知会员服务
27+阅读 · 2021年6月2日
专知会员服务
94+阅读 · 2021年2月6日
基于Python介绍算法和数据结构的在线互动书,240页pdf
专知会员服务
60+阅读 · 2021年2月3日
专知会员服务
143+阅读 · 2021年2月3日
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
WWW22 | 图表示学习之时序的事件和节点动态
图与推荐
2+阅读 · 2022年4月4日
2021 年 Python 的好与坏
InfoQ
2+阅读 · 2021年11月16日
生成对抗网络的研究进展与趋势
中国计算机学会
35+阅读 · 2018年11月14日
网络舆情分析
计算机与网络安全
20+阅读 · 2018年10月18日
基础 | GRU神经网络
黑龙江大学自然语言处理实验室
27+阅读 · 2018年3月5日
(Python)时序预测的七种方法
云栖社区
10+阅读 · 2018年2月25日
独家 | 一文读懂人工神经网络
数据派THU
12+阅读 · 2018年2月1日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年2月28日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Hierarchical Graph Capsule Network
Arxiv
20+阅读 · 2020年12月16日
AliCoCo: Alibaba E-commerce Cognitive Concept Net
Arxiv
13+阅读 · 2020年3月30日
dynnode2vec: Scalable Dynamic Network Embedding
Arxiv
14+阅读 · 2018年12月6日
小贴士
相关主题
相关VIP内容
深度学习模型鲁棒性研究综述
专知会员服务
91+阅读 · 2022年1月23日
WSDM 2022 | 基于图神经网络的协同过滤设计空间研究
专知会员服务
36+阅读 · 2022年1月3日
专知会员服务
117+阅读 · 2021年10月6日
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
[计算博弈论及其应用],85页ppt
专知会员服务
125+阅读 · 2021年7月21日
专知会员服务
51+阅读 · 2021年6月17日
专知会员服务
27+阅读 · 2021年6月2日
专知会员服务
94+阅读 · 2021年2月6日
基于Python介绍算法和数据结构的在线互动书,240页pdf
专知会员服务
60+阅读 · 2021年2月3日
专知会员服务
143+阅读 · 2021年2月3日
相关资讯
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
WWW22 | 图表示学习之时序的事件和节点动态
图与推荐
2+阅读 · 2022年4月4日
2021 年 Python 的好与坏
InfoQ
2+阅读 · 2021年11月16日
生成对抗网络的研究进展与趋势
中国计算机学会
35+阅读 · 2018年11月14日
网络舆情分析
计算机与网络安全
20+阅读 · 2018年10月18日
基础 | GRU神经网络
黑龙江大学自然语言处理实验室
27+阅读 · 2018年3月5日
(Python)时序预测的七种方法
云栖社区
10+阅读 · 2018年2月25日
独家 | 一文读懂人工神经网络
数据派THU
12+阅读 · 2018年2月1日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年2月28日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员