研究文章
研究复杂网络的知识传播偏好的基础上,以微信为例
| 输入:用户一个和知识K |
| 输出:用户的偏好程度一个转发的知识K |
| 步骤1。 |
| 启动用户一个、知识K; |
| / /初始化用户一个获取用户一个的历史行为信息(发布消息的数量(num)的数量 |
| 转发消息(num 1))和微信的人发布消息K,最近的繁殖专家和原始 |
| 内容等。 |
| 步骤2。 |
| 判断用户的类型一个和类型的事件 |
| / /判断用户的类型一个(User_type)和类型的活动参与微信(Infor_type) |
| 步骤3。 |
| 根据用户的类型和类型的事件我们可以判断它是否满足结束条件; |
| / /如果User_type = 0∨我们User_type = 1,判断用户不会转发消息,算法结束;如果User_type = 2 |
| 我们Infor_type = 1,判断用户将转发消息,算法结束;如果User_type = 2和Infor_type = 0,那么我们 |
| 需要进一步判断和进入第四步; |
| 步骤4。 |
| 如果它不满足结束条件,我们需要选择最好的功能项组合进一步评估; |
| / /选择最好的特征项和属性组合决策偏好设置 |
| 第5步。 |
| 计算特征值的特征项选择 |
| / /获取特征项的值 |
| 步骤6。 |
| 获得用户的偏好的程度一个转发的知识K |
| / /计算用户的转发的偏好程度 |
|
