导读:本文包含了排名算法论文开题报告文献综述及选题提纲参考文献，主要关键词:PageRank算法,团伙犯罪网络,排序,主题相关性
排名算法论文文献综述
钟寒,张鸿洲,尹德春,沈辉[1]（2019）在《基于PageRank算法的团伙犯罪中嫌疑人排名》一文中研究指出为了从团伙犯罪中锁定核心犯罪嫌疑人,提高侦破案件的效率,本文提出了一种改进的PageRank算法分析团伙犯罪中各犯罪嫌疑人的嫌疑度值,通过主题相关性度量分析了嫌疑人与案件的关系,通过嫌疑人的重要性度量分析了嫌疑人在团伙犯罪中的地位。改进的算法可以有效协助侦查人员分析一个犯罪网络中各成员的关系,通过嫌疑度排序找出团伙中的核心人员和涉案人员,从而排除非涉案人员。通过一个案件实例验证了该算法的有效性,节省了办案人员的时间精力,提高办案效率。(本文来源于《广西师范大学学报(自然科学版)》期刊2019年03期）
刘春霞[2]（2019）在《基于排名多臂赌博机的推荐算法研究》一文中研究指出随着互联网技术的高速发展,网络上的信息资源纷繁复杂并呈现爆炸式增长的趋势。推荐系统(Recommendation System,RS)由于具有信息过滤的特点,得到了各领域学者的不断研究。传统的推荐算法对用户偏好的挖掘主要通过分析用户的历史性,在项目候选池与用户池相对静止的场景下能够取得优秀的效果。目前,大量的推荐行为都是通过实时在线的方式完成的,这就要求推荐系统能够及时对用户反馈进行响应,并在一段时间做出连续推荐。传统推荐算法对这种在线环境的动态性难以适应,从而导致了“探索-利用”问题。多臂赌博机(Muit-Arm Bandit,MAB)能够动态处理数据,使用连续的反馈信息不断更新策略,很好地处理“探索-利用”的平衡问题。因此,本文将推荐问题建模为MAB问题,赌博机中的臂对应于要推荐的项目,奖励对应于用户是否点击了推荐的项目。虽然MAB具有优秀的理论支持和应用效果,但现存基于MAB的推荐算法仍具有一定的局限性。其一,每次推荐时仅推荐一个项目,这不符合日常生活中的推荐形式。第二,推荐的项目仅考虑其准确性,忽略了其他评测指标。本文为解决现存基于MAB推荐算法的这两个局限性,提出了基于排名多臂赌博机的推荐算法,试图在一个算法中同时解决这两个问题。1.针对传统MAB算法在每次推荐时仅推荐一个项目的问题,将排名多臂赌博机(Ranked Bandits)引入到算法设计中。Ranked Bandits算法将每个排名位置对应一个独立的实例化的MAB算法。2.无论是传统的MAB还是Ranked Bandits算法,其核心思想都是优化臂的选择,即仅关注推荐的准确性,忽略了其他指标。一个好的推荐系统除了推荐的准确性外,还需要关注其他评测指标,如多样性、新颖性等。因此,本文在引入Ranked Bandits算法的基础上,将算法的设计分成了四个子模块:标量化方法、指标选择、加权方案、MAB算法选择。本文选择了线性的加权求和法为准确性、多样性与新颖性叁个指标进行加权,并根据.不同的情况,从用户与排名两个角度对这叁个指标设置不同加权方案。值得注意的是,原则上任何MAB算法实例化后都能适用于本文提出的算法,但不同的MAB算法选择对算法的性能有所影响。因此为提高整体算法的性能,本文对现存的CONLINBA算法进行了改进,引入深度学习模型——堆栈降噪自动编码器(SDAE)代替LDA算法来获取项目特征,生成了新的实例化算法。最后,在两个公开的数据集Last.fm与Delicious上,对本文提出的基于排名多臂赌博机的推荐算法进行实验验证。实验结果表明,引入深度学习模型SDAE后生成的实例化算法在一定程度上优于LinUCB、MFLinUCB与CONLINBA算法,体现了 SDAE算法获取特征的优势;基于排名多臂赌博机的推荐算法在一定程度上优于仅关注准确性的Ranked Bandits算法,说明了同时考虑多个指标的算法对推荐性能产生了积极作用,符合对本文算法设计的期望。(本文来源于《南宁师范大学》期刊2019-05-01）
库珊,刘钊[3]（2019）在《基于PageRank与HITS的改进算法的网页排名优化》一文中研究指出针对传统网页排序算法PageRank和HITS中存在的主题漂移、检索效率低等不足,本文提出了一种改进算法PHIA(PageRank and HITS Improved Algorithm)。该算法继承了HITS算法获取根集和基本集的方法,并且使用根集中所有网页的PageRank值作为Hub和Authority初始迭代值,最后根据马尔可夫链求随机矩阵的特征向量的方式来获取网页排名的静态分布。基于随机关键词的检索结果可知,相比于传统的PageRank和HITS算法,改进PHIA算法具有更快的收敛速度,并且在一定程度上提高了网页排序的准确度。(本文来源于《武汉科技大学学报》期刊2019年02期）
王丹[4]（2019）在《基于PageRank改进的文献排名算法研究》一文中研究指出在文献检索领域,如何更好地检索到与用户检索请求相匹配的文献是一个值得研究的问题。通常,检索系统往往会采用一定的排序算法对与用户检索请求相关的文献进行排序。然而,由于文献数量庞大,文献内容繁多,当前的文献检索系统的性能仍有待提高。文章基于Lucene排序机制及PageRank算法,提出了一种新的文献搜索排序算法。该算法同时考虑了文献的相关性和权威性。通过实验表明,与传统的检索算法相比,该算法的性能有一定程度的提高。(本文来源于《计算机时代》期刊2019年01期）
王承恩[5]（2018）在《计算机排序算法及其在高考成绩排名中的应用》一文中研究指出计算机排序算法是计算机软件编程的基础,也是实际生产生活中经常使用的算法。文章重点围绕典型算法展开叙述,并结合高考成绩排名进行程序步骤设计,以此拓展对计算机排序算法的理解和应用。(本文来源于《科技传播》期刊2018年23期）
崔景洋[6]（2018）在《基于Hadoop的学术文献排名及作者影响力评价算法》一文中研究指出随着科学技术的飞速发展,研究成果的产出量逐步提高,文献检索系统等电子媒介逐渐成为了学术成果的主要存储方式之一。面对海量电子文献数据,如何从中快速找到研究者们所需要的文献、作者信息,成为当前的一个亟待解决的问题。更准确的对文献进行排名、对学者的学术水平进行评价,可以减少普通研究者在进行文献、作者检索时所花费的代价,节省研究者的时间,使研究者快速了解某一领域内的研究重点、研究热点。传统的文献排名及作者影响力评价方法计算复杂度较高,难以处理海量文献数据。为了更合理的对海量学术数据中的文献进行排名、作者影响力进行评价,本文利用Hadoop云计算平台的数据处理能力,基于MapReduce计算框架对这两个问题进行了深入研究,主要工作包含以下两个方面:(1)提出了一种文献排名NTMP(Notave-Timefactor-Mapeduce-Pagerank)算法。改进了传统PageRank算法在进行文献排名计算时忽略文献发表时间对价值的影响以及迭代次数过多的问题。该算法基于MapReduce计算框架构建,加入了时间因素对于文献价值排名的影响,优化了迭代过程中NTMP值的分配过程。实验表明NTMP算法,在评价结果上比传统PageRank算法更合理。在进行大规模数据集的计算时,所需要时间少于PageRank算法。(2)基于NTMP算法并结合其他与作者影响力相关的特征,提出了一种多特征作者影响力评价算法MFAI(Multi Feature Author Influence)。该算法通过计算作者所着文献的价值、作者所属研究机构影响力、作者合作网络等特征,对作者影响力进行综合评价。为了避免主观因素在计算过程中对评价结果有不利影响,采用灰色关联分析法对各相关因素的权重进行求取。使用微软学术图作为数据集进行验证,实验表明在评价过程中,MFAI算法与H-index、作者被引次数等传统方法相比,可以更合理的对作者影响力进行综合评价。(本文来源于《河北地质大学》期刊2018-12-01）
戚金城[7]（2018）在《算法时代的“信息匮乏”——基于Facebook“边际排名算法”公式的反思》一文中研究指出互联网的发展,正在从比特形式走向更为高级的人工智能阶段,这种技术的本质就是算法。人工智能让新闻生产更加便捷、高效的同时,却因其个性化推荐而导致了新的"信息匮乏"。本文基于Facebook最初的边际排名算法,反思这种机制下的信息传播;针对以今日头条为首的算法分发平台面临的困境,提出完善新闻公评人制度这一建议。(本文来源于《视听界》期刊2018年06期）
周杨淏,秦小麟,谢小军,郭成盖[8]（2018）在《一种基于群组的反向k排名查询算法》一文中研究指出近年来,随着偏好查询主体视角的变化,对于反向排名的查询成为研究热点.反向k排名查询以产品作为主体,为给定的产品查询对其而言最优的k个用户,这在产品推荐、商业评估等方面有着非常重要的应用.然而,针对多产品点查询的问题,现有的方法在结果集质量和查询效率上都存在一定的不足.为此,本文提出了一种基于群组的反向k排名查询算法GP-Rkr.该方法首先通过动态阈值调整,对查询点集合进行有效分割;在此基础上,给出了一种层次网格索引结构LG-Index,并基于该索引结构在数据集上进行裁剪和过滤,采用层次渐进式的求解策略,进一步优化查询效率.最后,在人造数据和真实数据集上进行了实验.实验结果表明,本文提出的查询方法能够有效提高结果集质量,并且具有更好的查询效率.(本文来源于《小型微型计算机系统》期刊2018年10期）
本刊讯[9]（2018）在《最新研究:排名算法SpringRank》一文中研究指出近日,Santa Fe研究所在Science Advances发表论文,提出一种名为Spring Rank的新算法,该算法利用输赢快速找到潜伏在大型网络中的排名。当在各种合成和真实世界数据集上进行测试时,从NCAA大学篮球锦标赛的团队到动物的社会行为,Spring Rank在预测结果和效率方面优于其他排名算法。(本文来源于《数据分析与知识发现》期刊2018年07期）
张兴春,孙寿健[10]（2018）在《基于特征排名的图像隐写分析算法》一文中研究指出为提高用于隐写分析的集成分类器的检测精度,提出一种基于特征排名的隐写分析算法。首先计算每维检测特征的互信息得分并根据得分高低将特征进行排名,然后设置分界点将特征分为重要特征区域与普通特征区域,依据设定的抽样比例从两个区域随机抽取特征组成不同的特征子空间并训练集成分类器。最后使用集成分类器进行分类。实验结果表明,针对使用nsF5及S-UNIWARD算法进行隐写的频域及空域图像,本算法较传统分类器在检测错误率方面分别平均下降约0.006 5和0.006 2,具有较好的检测效果。针对频域与空域中两种不同的隐写算法,与传统的集成分类器相比,该算法具有更高的检测精度。(本文来源于《液晶与显示》期刊2018年06期）
排名算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着互联网技术的高速发展,网络上的信息资源纷繁复杂并呈现爆炸式增长的趋势。推荐系统(Recommendation System,RS)由于具有信息过滤的特点,得到了各领域学者的不断研究。传统的推荐算法对用户偏好的挖掘主要通过分析用户的历史性,在项目候选池与用户池相对静止的场景下能够取得优秀的效果。目前,大量的推荐行为都是通过实时在线的方式完成的,这就要求推荐系统能够及时对用户反馈进行响应,并在一段时间做出连续推荐。传统推荐算法对这种在线环境的动态性难以适应,从而导致了“探索-利用”问题。多臂赌博机(Muit-Arm Bandit,MAB)能够动态处理数据,使用连续的反馈信息不断更新策略,很好地处理“探索-利用”的平衡问题。因此,本文将推荐问题建模为MAB问题,赌博机中的臂对应于要推荐的项目,奖励对应于用户是否点击了推荐的项目。虽然MAB具有优秀的理论支持和应用效果,但现存基于MAB的推荐算法仍具有一定的局限性。其一,每次推荐时仅推荐一个项目,这不符合日常生活中的推荐形式。第二,推荐的项目仅考虑其准确性,忽略了其他评测指标。本文为解决现存基于MAB推荐算法的这两个局限性,提出了基于排名多臂赌博机的推荐算法,试图在一个算法中同时解决这两个问题。1.针对传统MAB算法在每次推荐时仅推荐一个项目的问题,将排名多臂赌博机(Ranked Bandits)引入到算法设计中。Ranked Bandits算法将每个排名位置对应一个独立的实例化的MAB算法。2.无论是传统的MAB还是Ranked Bandits算法,其核心思想都是优化臂的选择,即仅关注推荐的准确性,忽略了其他指标。一个好的推荐系统除了推荐的准确性外,还需要关注其他评测指标,如多样性、新颖性等。因此,本文在引入Ranked Bandits算法的基础上,将算法的设计分成了四个子模块:标量化方法、指标选择、加权方案、MAB算法选择。本文选择了线性的加权求和法为准确性、多样性与新颖性叁个指标进行加权,并根据.不同的情况,从用户与排名两个角度对这叁个指标设置不同加权方案。值得注意的是,原则上任何MAB算法实例化后都能适用于本文提出的算法,但不同的MAB算法选择对算法的性能有所影响。因此为提高整体算法的性能,本文对现存的CONLINBA算法进行了改进,引入深度学习模型——堆栈降噪自动编码器(SDAE)代替LDA算法来获取项目特征,生成了新的实例化算法。最后,在两个公开的数据集Last.fm与Delicious上,对本文提出的基于排名多臂赌博机的推荐算法进行实验验证。实验结果表明,引入深度学习模型SDAE后生成的实例化算法在一定程度上优于LinUCB、MFLinUCB与CONLINBA算法,体现了 SDAE算法获取特征的优势;基于排名多臂赌博机的推荐算法在一定程度上优于仅关注准确性的Ranked Bandits算法,说明了同时考虑多个指标的算法对推荐性能产生了积极作用,符合对本文算法设计的期望。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
排名算法论文参考文献
[1].钟寒,张鸿洲,尹德春,沈辉.基于PageRank算法的团伙犯罪中嫌疑人排名[J].广西师范大学学报(自然科学版).2019
[2].刘春霞.基于排名多臂赌博机的推荐算法研究[D].南宁师范大学.2019
[3].库珊,刘钊.基于PageRank与HITS的改进算法的网页排名优化[J].武汉科技大学学报.2019
[4].王丹.基于PageRank改进的文献排名算法研究[J].计算机时代.2019
[5].王承恩.计算机排序算法及其在高考成绩排名中的应用[J].科技传播.2018
[6].崔景洋.基于Hadoop的学术文献排名及作者影响力评价算法[D].河北地质大学.2018
[7].戚金城.算法时代的“信息匮乏”——基于Facebook“边际排名算法”公式的反思[J].视听界.2018
[8].周杨淏,秦小麟,谢小军,郭成盖.一种基于群组的反向k排名查询算法[J].小型微型计算机系统.2018
[9].本刊讯.最新研究:排名算法SpringRank[J].数据分析与知识发现.2018
[10].张兴春,孙寿健.基于特征排名的图像隐写分析算法[J].液晶与显示.2018
标签：PageRank算法; 团伙犯罪网络; 排序; 主题相关性;