作者:任春霞; 李金宝行为预测社会网络受限玻尔兹曼机
摘要:个体行为预测能够有效地帮助用户预测最适合自己的运动行为,但在早期的研究中,往往只考虑了个人的历史行为因素和社会相关因素,忽略了用户多样性、动态行为以及隐藏的社会影响,这使目前的个体行为预测问题更加具有挑战性。本文提出了社会受限玻尔兹曼机(Social restricted Boltzmann machine,StRBM)作为一种新的预测模型,该方法将社会影响区分为显性社会影响和隐性社会影响的同时,将时间影响加到了显性社会影响权重上。使用YesiWell数据集以及合成数据集进行了对比实验,验证所提出方法的准确性,证明了提出的StRBM模型比其他基本模型具有更高的预测精度。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
《黑龙江大学自然科学学报》(CN:23-1181/N)是一本有较高学术价值的大型双月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《黑龙江大学自然科学学报》主要刊载数学、应用数学、控制理论、计算机科学、物理、电子科学与技术、机电工程、化学化工、材料科学、市政环境工程、生命科学等学科的最新科研成果。
杂志详情