發表在2023年sigir
背景：網路空間（以社交**和電子商務為例）中包含大量使用者和專案互動，這些關係通常用二分圖表示。在這種異構圖中發現使用者社群（發現使用者資訊，進一步增強推薦效能）是乙個關鍵任務。對於全連線圖，使用傳統方法就能直接在節點上估計連通性並生成高質量的社群，而對於稀疏連線圖，社群發現演算法很難得出有用的資訊優化社群結構。
存在問題：有些域比較稀疏。使用者可能出現在多個域中，密集域中的活動可以在稀疏域中提供社群發現（比如，當使用者使用google id登入應用時，使用者的行為可以幫助成千上萬的應用定位他的本地社群）
本文：提出成對交叉圖社群發現（pccd），增強稀疏圖中使用者社群發現（小型應用可以利用從大型**商那裡繼承的使用者身份資訊）。對於稀疏域中的訓練資料不充分，使用新的資料增強方法—跨圖點對學習（給定乙個使用者，同時利用主圖（即全連線圖）和稀疏圖發現社群，此外，考慮到圖的區域性結構，也能減小雜訊）。
具體：使用者在短時間內既可能出現在主圖中，也可能出現在稀疏圖中，這些共同的使用者就可以當成是連線兩個域的橋梁。共同使用者元組：，與k相比，j與i之間的關係：（1）相似：j,k與使用者i在同一社群或不同社群；（2）更近：j和i在相同的社群，k和i在不同社群；（3）更遠：j和i在不同的社群，k和i在相同社群。
主圖中的使用者社群表示：
infomap（模擬乙個隨機漫遊者在圖上漫遊m步）在主圖中發現使用者社群：
使用者傳播表示：
從資訊傳播的角度來說，每乙個物件都攜帶著資訊。這些資訊可以作為一種表示形式傳播給其連線的使用者。但是當這些資訊是雜訊時，並不是所有的都對使用者同等重要。因此，需要乙個過濾模組，從社群和節點兩個層面自動選擇合適的資訊進行傳播。社群層面考慮社群層面重要性權重。節點層面以更好的解析度評估傳播的資訊。
點對社群發現：
標籤：
計算圖g中使用者j和i的相關性：
拼接不同圖中的相關性：
**j與k對i的社群關係:
損失計算：
在Linux中發現IP位址衝突的方法
linux下出現ip衝突，是不會像windows那樣，在右下角彈出衝突提示的。博主就出過一次糗，記得當時是在vm虛擬機器裡面安裝了4個redhat，測試lvs集群。結果發現其中一台realserver老是掉線，重啟network服務後能正常幾分鐘，然後又掉線了。4個redhat都是vm轉殖出來的 完...
在使用DFB1 2 9中發現的Bug
1.函式idirectfbfont getstringbreak 存在bug 1 所在檔案 src media idirectfbfont.c 2 函式原型 idirectfbfont getstringbreak idirectfbfont thiz,const char text,intbyte...
在伺服器應用虛擬化中發現價值
一些it專業人員可以看到從伺服器作業系統抽象應用程式的潛力。現在，這項技術剛剛起步。在伺服器虛擬化市場 現了可以輕鬆應用程式安裝和移動性的可能性，從伺服器作業系統抽象應用程式的產品。但是現在，潛力 是乙個操作詞彙。這種抽象也被稱為伺服器應用程式虛擬化。這是一種將需要執行的應用程式和資訊 例如二進位制...