資料介紹
網絡論壇是一種主要的互聯(lián)網應用,人們對它的研究主要集中在話題分析、變化趨勢分析等方面。該文研究網絡論壇中文章數(shù)隨
時間變化的統(tǒng)計特性,通過方差分析、R/S 分析方法發(fā)現(xiàn)自相似性存在于網絡論壇中。為描述這種自相似性,提出一種基于時延厚尾分布
的產生式模型,對該模型進行理論與仿真分析,驗證了該模型具有表達網絡論壇自相似性的能力,模型的計算復雜度小。
關鍵詞:網絡論壇;自相似性;產生式模型
Self-similarity and Modeling of Web-based Forum
ZENG Jian-ping, ZHANG Shi-yong
(School of Computer, Fudan University, Shanghai 200433)
【Abstract】Web-based forum is one of important applications on Internet. More and more research has been focused on it, such as topic analysis,
trend analysis. This paper concentrates on the statistical character of the posting number in Web-based forum. By means of variance analysis and R/S
analysis, finds that self-similarity generally exists in Web-based forum. A generative model based on time-delay levy distribution is proposed to
describe the kind of property. Theoretic and simulation analysis are done to verify the effectiveness of the model and show that the computation
complexity is low.
【Key words】Web-based forum; self-similarity; generative model
時間變化的統(tǒng)計特性,通過方差分析、R/S 分析方法發(fā)現(xiàn)自相似性存在于網絡論壇中。為描述這種自相似性,提出一種基于時延厚尾分布
的產生式模型,對該模型進行理論與仿真分析,驗證了該模型具有表達網絡論壇自相似性的能力,模型的計算復雜度小。
關鍵詞:網絡論壇;自相似性;產生式模型
Self-similarity and Modeling of Web-based Forum
ZENG Jian-ping, ZHANG Shi-yong
(School of Computer, Fudan University, Shanghai 200433)
【Abstract】Web-based forum is one of important applications on Internet. More and more research has been focused on it, such as topic analysis,
trend analysis. This paper concentrates on the statistical character of the posting number in Web-based forum. By means of variance analysis and R/S
analysis, finds that self-similarity generally exists in Web-based forum. A generative model based on time-delay levy distribution is proposed to
describe the kind of property. Theoretic and simulation analysis are done to verify the effectiveness of the model and show that the computation
complexity is low.
【Key words】Web-based forum; self-similarity; generative model
下載該資料的人也在下載
下載該資料的人還在閱讀
更多 >
- 基于結構相似性可靠性監(jiān)測結果
- PyTorch教程15.7之詞的相似性和類比
- 一種快速計算動態(tài)網絡相似性的方法 4次下載
- 一種基于約束推導式的增強型相似性方法 8次下載
- 時間序列的特征表示和相似性度量研究分析 40次下載
- 基于結構自相似性和形變塊特征的單幅圖像超分辨率算法 8次下載
- 如何使用會話時序相似性進行矩陣分解數(shù)據(jù)填充 3次下載
- 耦合沖擊濾波器的片相似性各向異性擴散模型 0次下載
- 基于節(jié)點相似性社團結構劃分 0次下載
- 基于用戶興趣相似性的節(jié)點移動模型 0次下載
- 自相似模型下的交換式網絡仿真 16次下載
- 基于相似性的圖像融合質量的客觀評估方法
- 基于NS2的網絡自相似特性的研究
- 基于EMD的自相似流量Hurst指數(shù)估計
- 自相似業(yè)務流下的服務質量保障
- 如何使用PyTorch建立網絡模型 230次閱讀
- 圖像邊緣原理介紹 1283次閱讀
- 在英特爾開發(fā)套件上用OpenVIN實現(xiàn)中文圖文檢索 632次閱讀
- 信號的相干性是什么 2113次閱讀
- 一文解析E-tron和Taycan的逆變器設計 2462次閱讀
- 循環(huán)神經網絡卷積神經網絡注意力文本生成變換器編碼器序列表征 3153次閱讀
- 虹膜識別技術的相關你了解多少 1837次閱讀
- 用于學習圖結構對象相似性的圖匹配網絡 5732次閱讀
- 系統(tǒng)科學發(fā)展之非線性與復雜適應系統(tǒng)理論 6450次閱讀
- 是否有一種模型能在特定時間內自動識別視頻中的某個人物呢? 4088次閱讀
- 機器學習模型的“可解釋性”的概念及其重要意義 1.9w次閱讀
- 計算文本相似度幾種最常用的方法,并比較它們之間的性能 5.3w次閱讀
- 如何基于Tf-Idf詞向量和余弦相似性根據(jù)字幕文件找出相似的TED演講 6725次閱讀
- 一種神經語音克隆系統(tǒng)兩種方法在自然性和相似性方面表現(xiàn)良好 5920次閱讀
- 云計算平臺下僵尸網絡的檢測技術詳解 3021次閱讀
下載排行
本周
- 1電子電路原理第七版PDF電子教材免費下載
- 0.00 MB | 1490次下載 | 免費
- 2單片機典型實例介紹
- 18.19 MB | 93次下載 | 1 積分
- 3S7-200PLC編程實例詳細資料
- 1.17 MB | 27次下載 | 1 積分
- 4筆記本電腦主板的元件識別和講解說明
- 4.28 MB | 18次下載 | 4 積分
- 5開關電源原理及各功能電路詳解
- 0.38 MB | 10次下載 | 免費
- 6基于AT89C2051/4051單片機編程器的實驗
- 0.11 MB | 4次下載 | 免費
- 7基于單片機和 SG3525的程控開關電源設計
- 0.23 MB | 3次下載 | 免費
- 8基于單片機的紅外風扇遙控
- 0.23 MB | 3次下載 | 免費
本月
- 1OrCAD10.5下載OrCAD10.5中文版軟件
- 0.00 MB | 234313次下載 | 免費
- 2PADS 9.0 2009最新版 -下載
- 0.00 MB | 66304次下載 | 免費
- 3protel99下載protel99軟件下載(中文版)
- 0.00 MB | 51209次下載 | 免費
- 4LabView 8.0 專業(yè)版下載 (3CD完整版)
- 0.00 MB | 51043次下載 | 免費
- 5555集成電路應用800例(新編版)
- 0.00 MB | 33562次下載 | 免費
- 6接口電路圖大全
- 未知 | 30320次下載 | 免費
- 7Multisim 10下載Multisim 10 中文版
- 0.00 MB | 28588次下載 | 免費
- 8開關電源設計實例指南
- 未知 | 21539次下載 | 免費
總榜
- 1matlab軟件下載入口
- 未知 | 935053次下載 | 免費
- 2protel99se軟件下載(可英文版轉中文版)
- 78.1 MB | 537791次下載 | 免費
- 3MATLAB 7.1 下載 (含軟件介紹)
- 未知 | 420026次下載 | 免費
- 4OrCAD10.5下載OrCAD10.5中文版軟件
- 0.00 MB | 234313次下載 | 免費
- 5Altium DXP2002下載入口
- 未知 | 233046次下載 | 免費
- 6電路仿真軟件multisim 10.0免費下載
- 340992 | 191183次下載 | 免費
- 7十天學會AVR單片機與C語言視頻教程 下載
- 158M | 183277次下載 | 免費
- 8proe5.0野火版下載(中文版免費下載)
- 未知 | 138039次下載 | 免費
評論
查看更多