丁 蕊， 湯 庸， 曾偉銓， 常 超

(華南師范大學(xué)計(jì)算機(jī)學(xué)院，廣州 510631)

基于分類算法的潛在好友推薦系統(tǒng)

丁 蕊， 湯 庸*， 曾偉銓， 常 超

(華南師范大學(xué)計(jì)算機(jī)學(xué)院，廣州 510631)

提出了一種基于分類算法的潛在好友推薦系統(tǒng). 該系統(tǒng)采用兩步特征方法處理原始數(shù)據(jù)集，去除不相關(guān)特征項(xiàng)和冗余特征項(xiàng)，為分類器提供精簡(jiǎn)的特征集合；把學(xué)者潛在好友推薦問題轉(zhuǎn)化為二分類問題，對(duì)比4個(gè)常用分類器在兩步特征選擇方法上的分類效果，找出了推薦效果最佳的分類器(決策樹分類器),同時(shí)得到學(xué)術(shù)社交網(wǎng)絡(luò)中區(qū)分度最大的6個(gè)用戶特征信息. 使用來自學(xué)術(shù)社交網(wǎng)絡(luò)學(xué)者網(wǎng)(SCHOLAT)的社交網(wǎng)絡(luò)信息作為實(shí)驗(yàn)原始數(shù)據(jù)集進(jìn)行測(cè)試，實(shí)驗(yàn)結(jié)果顯示：相比傳統(tǒng)方法，基于分類的推薦方法在準(zhǔn)確率和F1值均有顯著提升，體現(xiàn)了基于分類算法的潛在好友推薦系統(tǒng)的準(zhǔn)確性和實(shí)用價(jià)值.

潛在好友推薦； 特征選擇； 分類器； 社交網(wǎng)絡(luò)； Relief算法； 學(xué)者網(wǎng)

近年來，越來越多的學(xué)者選擇在社交網(wǎng)站上拓展人脈，尋找有用信息. 相比其他社交網(wǎng)站，學(xué)術(shù)社交網(wǎng)站的數(shù)據(jù)如好友關(guān)系、合作關(guān)系和團(tuán)隊(duì)信息等，通常更加固定[1]，已有案例如AmetMiner[2]自動(dòng)提取學(xué)者信息并建模，提供推薦審稿人等學(xué)術(shù)搜索服務(wù)；SCHOLAT作為面向?qū)W者的社交網(wǎng)站，根據(jù)用戶瀏覽和交互記錄等，為用戶推薦感興趣的學(xué)者和相似研究領(lǐng)域?qū)W者. 大量的學(xué)者關(guān)系導(dǎo)致了學(xué)術(shù)社交網(wǎng)站與其他社交網(wǎng)絡(luò)一樣，出現(xiàn)了信息過載問題[3]. 解決信息過載問題，通常從兩方面入手：(1)選擇精簡(jiǎn)有用的用戶特征信息，為推薦模型提供有效數(shù)據(jù)集；(2)選出適合應(yīng)用場(chǎng)景的效果最佳的推薦模型.

針對(duì)第一方面，KIRA和RENDELL[4]首先提出經(jīng)典的Relief算法，使用二分類方法對(duì)特征項(xiàng)進(jìn)行分析；XU和ARAKI[5]指出Relief算法雖然可以很好地發(fā)現(xiàn)冗余數(shù)據(jù)，但特征之間會(huì)相互影響；YU和LIU[6]提出一種快速特征選擇方法，并對(duì)比不同特征選擇方法的運(yùn)行時(shí)間和效率；DING等[7]分析了社交網(wǎng)絡(luò)中用戶特征信息并在Relief的基礎(chǔ)上加入聚類算法，得到了更好的特征集合；ABEDINIA等[8]基于信息論標(biāo)準(zhǔn)，提出一種層次過濾封裝方法. 但這些算法都沒有考慮用戶的個(gè)人信息、在線交互行為等特征值之間的相互影響.

針對(duì)第二方面，BERMEJO等[9]根據(jù)劃分出的社區(qū)建立好友網(wǎng)絡(luò)圖，并在圖中的邊之間加入真實(shí)的關(guān)系語境，進(jìn)行用戶間關(guān)系強(qiáng)度的定量計(jì)算；FARID等[10]針對(duì)大規(guī)模社交網(wǎng)絡(luò)，將用戶潛在好友劃分為“可能認(rèn)識(shí)的”和“可能感興趣的”2類，然后分別基于用戶共同好友關(guān)系拓?fù)鋱D和Profile文本相似性計(jì)算模型進(jìn)行描述；貝葉斯網(wǎng)絡(luò)和樸素貝葉斯算法(Na?ve Bayes,NB)是經(jīng)典的分類方法，KONONENKO[11]在特征子集的選擇上使用了樸素貝葉斯算法. 但這些基于用戶關(guān)系的方法并沒有充分利用用戶的多屬性特征.

結(jié)合以上分析，為了更好地應(yīng)用分類模型預(yù)測(cè)學(xué)術(shù)社交網(wǎng)站中用戶的潛在好友，提高推薦準(zhǔn)確度，從而提高用戶黏度、增加網(wǎng)站流量，本文針對(duì)SCHOLAT的特征選擇方法和推薦模型做出改進(jìn)：采用兩步特征選擇方法去除不相關(guān)特征項(xiàng)和冗余特征項(xiàng)，得到精簡(jiǎn)的特征集合，解決社交網(wǎng)絡(luò)中用戶數(shù)據(jù)之間相互影響的問題；考慮用戶多屬性特征的充分利用問題，將學(xué)者潛在好友推薦問題轉(zhuǎn)化為二分類問題，對(duì)比4個(gè)常用分類器在兩步特征選擇方法上的分類效果，選出效果最佳的分類器，并推算出學(xué)術(shù)社交網(wǎng)絡(luò)中區(qū)分度最大的6個(gè)用戶特征信息.

1 定義描述

首先定義候選集和推薦結(jié)果的表示方法.

定義1候選集：對(duì)于給定用戶集U=(u1,u2,…,un)，特征矩陣為(X1,y1),(X2,y2),…,(Xn,yn)，其中n為用戶數(shù),Xi為用戶ui的特征向量，且Xim，m為特征個(gè)數(shù)，yi{-1,+1}為最終的推薦結(jié)果. 對(duì)于2個(gè)用戶ui，ujU,如果他們?cè)诙x的時(shí)間段內(nèi)有交互記錄(如瀏覽記錄、發(fā)送郵件、互贊記錄等)，并且相互不是好友關(guān)系，那么ui將被放入uj的推薦候選集中，同時(shí)uj也會(huì)被存入ui的推薦候選集中. (ui,uj)代表系統(tǒng)將會(huì)把用戶uj推薦給ui.

為了確定用戶ui最終是否被打上推薦或者不推薦的標(biāo)簽，定義了預(yù)測(cè)函數(shù)：

yi=FRS(u/Xi).

(1)

定義2推薦結(jié)果：實(shí)驗(yàn)的目標(biāo)是讓分類器學(xué)習(xí)到一個(gè)預(yù)測(cè)函數(shù)RS(.)，設(shè)置分類器的閾值?，以預(yù)測(cè)在時(shí)間戳t之后，用戶是否被推薦給目標(biāo)，即：

(2)

2 基于分類算法的好友推薦系統(tǒng)

本節(jié)介紹在學(xué)術(shù)社交網(wǎng)絡(luò)中基于分類算法的潛在好友推薦系統(tǒng)流程.

2.1 特征選擇方法

兩步特征選擇方法如圖1所示. 首先使用Relief算法[8]去除特征矩陣中不相關(guān)的特征. 該算法可以有效區(qū)分不同用戶之間特征值的差異，計(jì)算該特征對(duì)所有依賴的變量的影響概率，并輸出該概率權(quán)重.

對(duì)于每一個(gè)實(shí)例X，Relief都使用p維歐幾里得距離選擇出最鄰近的相同標(biāo)簽和不同標(biāo)簽的實(shí)例，并組成三元組，更新他們的特征權(quán)重向量，計(jì)算出平均權(quán)重向量. 最終選擇出平均權(quán)重大于相關(guān)系數(shù)的特征項(xiàng)[7].

圖1 數(shù)據(jù)預(yù)處理-兩步特征過濾

Figure 1 Data preprocessing-two-step method of feature selection

2.2 分類器方法

本文使用學(xué)者網(wǎng)社交測(cè)試集對(duì)4種分類器做實(shí)驗(yàn)，通過邏輯回歸函數(shù)，判斷得出最適合于基于分類算法的好友推薦系統(tǒng)的分類器. 4類分類器如下：

(1)樸素貝葉斯算法[12]：只需要少量的訓(xùn)練集即可計(jì)算出特征屬于某一分類的概率. 對(duì)于連續(xù)和離散數(shù)據(jù)同樣適用.

(2)支持向量機(jī)算法(Support Vector Machine,SVM)[13]：SVM建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理基礎(chǔ)上，根據(jù)有限的樣本信息在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折中，以獲得最好的推廣能力；是特征空間上間隔最大的線性分類器，該策略為間隔最大化，最終可轉(zhuǎn)化為一個(gè)凸二次規(guī)劃問題的求解.

(3)邏輯回歸算法(Logistic Regressive,LR)[14]：邏輯回歸的目的是一個(gè)0/1分類模型，而這個(gè)模型是將特性的線性組合作為自變量，由于自變量的取值范圍是(-∞，+∞)，因此使用邏輯回歸函數(shù)將結(jié)果映射為(0,1)之間的值，即結(jié)果屬于某一個(gè)分類的概率. 邏輯回歸函數(shù)為：

其中，x是n維特征向量，θ(-∞，+∞)為最佳參數(shù).

(4)決策樹算法(Decision Tree,DT)[15]：該算法不需要參數(shù)設(shè)置就可以借助好的特征選擇方法將目標(biāo)用戶分為特定的類. 決策樹算法有不同的算法核心，根據(jù)數(shù)據(jù)特點(diǎn)，本文使用ID3的信息增益的方法.

2.3 系統(tǒng)描述

傳統(tǒng)的分類技術(shù)可以計(jì)算一個(gè)候選項(xiàng)屬于某個(gè)特定類的概率，并輸出一個(gè)j值(代表該項(xiàng)屬于第j個(gè)類別). 在好友推薦領(lǐng)域，這種類別表示為被推薦和不推薦，即二分類問題(如定義1和定義2). 在使用兩步特征選擇方法的分類算法中，首先需要收集用戶的個(gè)人信息、社交信息和交互行為等. 根據(jù)用戶的交互行為(定義1的聲明)為每位用戶選出候選集，也即用戶對(duì). 獲取每位用戶的特征矩陣X，使用兩步特征選擇方法對(duì)特征項(xiàng)去除冗余. 訓(xùn)練分類器模型，對(duì)4個(gè)分類器分別調(diào)參，得到最優(yōu)的預(yù)測(cè)函數(shù). 記錄分類權(quán)重，根據(jù)權(quán)重閾值確定是否推薦目標(biāo)用戶. 算法1描述了系統(tǒng)的整體流程.

算法1基于分類算法的潛在好友推薦算法

Step 1. 收集數(shù)據(jù)并選出候選集.

Step 2. 輸入用戶信息U={,…,}；分類器閾值?.

Step 3. 每個(gè)用戶的推薦列表置空，候選集的推薦標(biāo)簽置為0(未推薦).

Step 4. 對(duì)于1≤i≤m:獲取每個(gè)用戶ui的特征集，構(gòu)成特征矩陣X，并進(jìn)行特征選擇.

Step 5. 將預(yù)處理之后的數(shù)據(jù)集(分為訓(xùn)練集和測(cè)試集)放入分類器中，訓(xùn)練分類器模型，得到預(yù)測(cè)函數(shù)RS(.);

為測(cè)試集里的每個(gè)待推薦的用戶uj生成分類權(quán)重yj；

調(diào)參，當(dāng)yj>?時(shí)，將待推薦用戶放入ui的推薦列表中，為每個(gè)用戶生成推薦列表：Y={(u1,recList1),…,(um,recListm)}.

另外，在分類階段，需為每個(gè)分類器設(shè)置?值；對(duì)于每個(gè)待推薦用戶uj，yj是對(duì)用戶ui的推薦結(jié)果.

3 實(shí)驗(yàn)部分

實(shí)驗(yàn)的目的是選出效果較好的分類器模型，并利用分類器推薦出用戶的潛在好友. 實(shí)驗(yàn)數(shù)據(jù)來自學(xué)術(shù)社交網(wǎng)絡(luò)學(xué)者網(wǎng)(SCHOLAT)2014年9月—2015年9月的社交網(wǎng)絡(luò)信息，用戶量11 698個(gè). 首先抽取用戶的顯式社交信息和隱式社交信息，包括：個(gè)人資料、團(tuán)隊(duì)信息、課程信息、論文信息、項(xiàng)目信息、訪問與被訪問記錄、郵件情況等，將2015年5月份之前的數(shù)據(jù)作為訓(xùn)練集，之后的信息作為測(cè)試集. 最終的候選集中一共有2 700對(duì)用戶，我們將對(duì)這部分?jǐn)?shù)據(jù)打標(biāo)簽，計(jì)算最終的準(zhǔn)確度.

在本文的實(shí)驗(yàn)中，推薦方法被轉(zhuǎn)換為二分類問題，使用推薦系統(tǒng)中常用的評(píng)價(jià)指標(biāo)對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行評(píng)價(jià)，包括準(zhǔn)確度(P)和F1值，計(jì)算公式如下：

其中，對(duì)于用戶uU，S(u)為最終的推薦列表，T(u)表示在測(cè)試集中標(biāo)簽為1的用戶列表，也即在2015年5月之前和目標(biāo)用戶u有交互行為但不是好友關(guān)系，在2015年5—9月期間成為好友的用戶.

本文對(duì)相同的訓(xùn)練集和測(cè)試集做了2組實(shí)驗(yàn). 第一組實(shí)驗(yàn)中，僅使用傳統(tǒng)特征選擇方法，由于數(shù)據(jù)集中的特征項(xiàng)不大，所以基本為手動(dòng)選擇特征. 第二組實(shí)驗(yàn)中，在使用分類器之前使用了兩步特征選擇方法，觀察4個(gè)分類器模型的效果. 結(jié)果顯示：使用傳統(tǒng)特征選擇方法時(shí)，當(dāng)特征數(shù)為8，樸素貝葉斯算法的準(zhǔn)確率最高，P值達(dá)到0.69;SVM和LR均需要較多的特征數(shù)，分別是11和13;使用兩步特征選擇方法后，準(zhǔn)確度和F1值有明顯提高，且特征數(shù)達(dá)到6時(shí)，各分類效果均達(dá)到最佳(圖2,圖3).

由圖2、圖3可以看出，決策樹算法的準(zhǔn)確度和F1值相比其他3個(gè)算法，不僅數(shù)值較高，而且發(fā)揮穩(wěn)定，因此，最佳的分類器算法應(yīng)是決策樹算法，該方法主要對(duì)離散值進(jìn)行分類，對(duì)一些屬性值如工作單位、性別、學(xué)歷信息等可以直接生成二叉決策樹，對(duì)連續(xù)性的值如研究領(lǐng)域、共同好友的相似度，可以確定一個(gè)值作為分裂點(diǎn)，生成分支，從而使分類效果較好.

-FS:代表使用兩步特征選擇方法 -noFS：代表使用傳統(tǒng)特征選擇方法

圖2 4個(gè)分類器P值對(duì)比

Figure 2 TheP-value comparison of four classifiers

-FS:代表使用兩步特征選擇方法 -noFS：代表使用傳統(tǒng)特征選擇方法

此外，實(shí)驗(yàn)發(fā)現(xiàn)了在每一次的特征選擇中有6個(gè)必備的特征項(xiàng)：學(xué)術(shù)論文、研究領(lǐng)域、團(tuán)隊(duì)信息、課程信息、好友列表和工作單位，是在不相關(guān)特征過濾中打分最高的特征項(xiàng)，在冗余過濾中又屬于不同的聚類，保證了他們之間的相似度最小. 在學(xué)者網(wǎng)上，這6個(gè)必選項(xiàng)對(duì)該網(wǎng)站的用戶拓展在線社交網(wǎng)絡(luò)也是極其重要的因素.

4 總結(jié)與展望

本文采集真實(shí)學(xué)術(shù)社交網(wǎng)絡(luò)SCHOLAT中的用戶個(gè)人信息和行為特征，使用Relief算法和K-means聚類算法去除不相關(guān)和冗余特征項(xiàng)，在數(shù)據(jù)預(yù)處理階段考慮特征值之間的相互影響，將特征集縮減到理想的特征子集大小，提高了系統(tǒng)對(duì)候選集的數(shù)據(jù)處理準(zhǔn)確度；利用兩步特征選擇方法過濾特征，對(duì)比數(shù)據(jù)在4種分類器模型中的實(shí)驗(yàn)結(jié)果，選出適合特征選擇的分類器模型——決策樹算法，為推薦系統(tǒng)模型選擇出最有價(jià)值的特征，并得出最有價(jià)值的6個(gè)學(xué)者信息，為潛在好友推薦系統(tǒng)提供了框架. 通過使用基于分類算法的潛在好友推薦系統(tǒng)，提高了好友推薦準(zhǔn)確率，可以更好地為廣大學(xué)者服務(wù).

在未來的工作中，將研究分類方法在潛在好友推薦領(lǐng)域的改進(jìn)和優(yōu)化，減少分類器的時(shí)間消耗、提高推薦的準(zhǔn)確度和優(yōu)化分類流程等. 擴(kuò)展算法的適應(yīng)性，例如對(duì)其他社交網(wǎng)絡(luò)數(shù)據(jù)的預(yù)測(cè)和分析.

[1] 劉先紅,李綱. 科研社交網(wǎng)絡(luò)的推薦系統(tǒng)對(duì)比分析[J]. 圖書情報(bào)工作,2016,60(9):116-122.

LIU X H,LI G. Comparative analysis of recommender systems of research social networking service[J]. Library and Information Service,2016,60(9):116-122.

[2] TANG J,ZHANG J,YAO L. Arnetminer:extraction and mining of academic social networks[C]∥Proceedings of the 14th ACM SIGKDD International Conference on Know-ledge Discovery and Data Mining. New York:ACM,2008:990-998.

[3] 陳潔敏,湯庸,李建國(guó),等. 個(gè)性化推薦算法研究[J]. 華南師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,46(5):5-18.

CHEN J M,TANG Y,LI J G,et al. Survey of personalized recommendation algorithms[J]. Journal of South China Normal University(Natural Science Edition),2014,46(5):5-18.

[4] KIRA K,RENDELL L A. The feature selection problem:traditional methods and a new algorithm[C]// Procee-dings of the 10th National Conference on Articial Intelligence. San Jose,California:AAAI Press,1992:129-134.

[5] XU J A,ARAKI K. A svm-based personal recommendation system for TV programs[C]//Proceedings of 12th International Multi-Media Modelling Conference. Beijing,China:IEEE,2006.

[6] YU L,LIU H. Feature selection for high-dimensional data:a fast correlation-based filter solution[C]//Proceedings of the 20th International Conference on Machine Learning. Washington,DC:ICML,2003:856-863.

[7] DING R,ZHU J,TANG Y,et al. A novel feature selection strategy for friends recommendation[C]//Proceedings of IEEE 20th International Conference on Computer Supported Cooperative Work in Design. Nanchang,China:IEEE,2016：123-128.

[8] ABEDINIA O,AMJADY N,ZAREIPOUR H. A new feature selection technique for load and price forecast of electrical power systems[J]. IEEE Transactions on Power Systems,2017,32(1):62-74.

[10] FARID D M,ZHANG L,RAHMAN C M. Hybrid decision tree and na?ve Bayes classifiers for multi-class classification tasks[J]. Expert Systems with Applications,2014,41(4):1937-1946.

[11] KONONENKO I. Estimation attributes:analysis and extensions of RELIEF[C]//Proceedings of the European Conference on Machine Learning. New York:Springer,1994:171-182.

[12] MA Z Y,SUN A X,CONG G. On predicting the popularity of newly emerging hashtags in twitter[J]. Journal of the American Society for Information Science and Technology,2013,64(7):1399-1410.

[13] 許世明,武波,馬翠,等. 一種基于預(yù)分類的高效SVM中文網(wǎng)頁分類器[J]. 計(jì)算機(jī)工程與應(yīng)用,2010,46(1):125-128.

XU S M,WU B,MA C,et al. Efficient SVM Chinese Web page classifier based on pre-classification[J]. Computer Engineering and Applications,2010,46(1):125-128.

[14] 巫可,戰(zhàn)蔭偉,李鷹. 融合用戶屬性的隱語義模型推薦算法[J]. 計(jì)算機(jī)工程,2016,42(12):171-175.

WU K,ZHAN Y W,LI Y. Recommendation algorithm of latent factor model fused with user attribute[J]. Computer Engineering,2016,42(12):171-175.

[15] ACdreamers. 決策樹之ID3算法[EB/OL]. (2015-03-27)[2016-09-15]. http://blog.csdn.net/acdreamers/article/details/44661149.

A Potential Friend Recommendation System Based on Classification Algorithm

DING Rui，TANG Yong*，ZENG Weiquan，CHANG Chao

(School of Computer Science, South China Normal University, Guangzhou 510631, China)

A potential friend recommendation system based on classification algorithm is proposed. The system uses the two-step feature method to process the original data set and removes irrelevant features for the classifier. The potential problems of scholars are translated into two classification problems. By comparing the classification effect of four commonly to find out the best classifier, the method of classifiers in two-step feature selection is used. At the same time, it concludes six influence factors and main diffusion characteristics. The social network information from the Academic Social Network (SCHOLAT) is tested as the original data sets. The experiment shows that the method based on significantly improves the accuracy and theF1value. It reflects the accuracy and practical value of the recommendation system of potential friends based on classification algorithms.

potential friends recommendation; feature selection; classifier; social network; Relief algorithm; SCHOLAT

2016-12-28 《華南師范大學(xué)學(xué)報(bào)(自然科學(xué)版)》網(wǎng)址：http://journal.scnu.edu.cn/n

國(guó)家自然科學(xué)基金項(xiàng)目(61772211)；廣東省科技計(jì)劃項(xiàng)目(2016B010124008，2014B010116002，2013B090800024)； 華南師范大學(xué)研究生創(chuàng)新資助項(xiàng)目(61272067)

*通訊作者:湯庸，教授，Email:ytang@m.scnu.edu.cn.

TP391

A

1000-5463(2017)06-0124-00

【中文責(zé)編：莊曉瓊 英文審校：葉頎】

華南師范大學(xué)學(xué)報(bào)(自然科學(xué)版)

2017年(1～6期)總目次

2017年第1期

液晶聚合物分子排列調(diào)控的研究進(jìn)展

詹媛媛， 俞燕蕾， 李 楠， 周國(guó)富( 1 )

柔性顯示基板材料研究進(jìn)展

蘭中旭， 韋 嘉， 俞燕蕾( 9 )

光聚合時(shí)間對(duì)液晶高分子紅外反射器件光電性能的影響

李 娜， 曾偉杰， 鞠 純， 胡小文, 李 楠， 周國(guó)富( 17 )

液晶高分子智能調(diào)光玻璃研究進(jìn)展

鞠 純， 孫海濤， 王 璐， 胡小文， 李 琛， Reinder COEHOORN， 周國(guó)富( 21 )

染料摻雜的向列相液晶智能調(diào)光器件的開關(guān)態(tài)特性

劉延國(guó)， 鞠 純， 王 璐， 袁 冬， 胡小文， 李 楠， 周國(guó)富( 26 )

聚合物穩(wěn)定液晶調(diào)光器件厚度對(duì)其電光性能的影響

王 璐， 鞠 純， 胡小文， 劉丹青， Reinder COEHOORN， 周國(guó)富( 31 )

摻雜Cu2O 納米粒子的近晶相液晶顯示器件的電-光特性

劉發(fā)順， 崔曉鵬， 趙東宇， 許麗紅， 劉 斌， 畢偉華( 35 )

水溶液顯影環(huán)氧乙烷光刻膠的顯影條件及機(jī)理探索

李嵐慧， 竇盈瑩， 水玲玲， 李發(fā)宏， Robert A. HAYES， 周國(guó)富( 40 )

Matlab模擬干涉光束參數(shù)對(duì)光子晶體結(jié)構(gòu)的影響

周冠清， 林喜鴻， 吳立軍， 袁 冬， 周國(guó)富( 46 )

基于FPGA的多路視頻實(shí)時(shí)處理系統(tǒng)

易子川， 林 躍， 王 利， 劉先明， Nicolaas Frans de ROOIJ， 周國(guó)富( 51 )

·材料學(xué)·

Co-Ti共摻雜M型六角鋇鐵氧體磁電耦合研究

李培煉， 官鈺潔， 黃志青， 凡 華， 高興森( 56 )

微納米光纖腐蝕動(dòng)力學(xué)及其光學(xué)特性研究

張勁超， 周瑞雪， 劉紹靜， 陳依琳， 程煜鵬， 張俊優(yōu)， 何賽靈， 邢曉波( 62 )

·生物學(xué)與生物工程·

授粉后紅球姜雌性生殖器官qRT-PCR的內(nèi)參基因篩選

林浩川， 鐘春梅， 孫姝蘭( 67 )

光譜法研究泮托拉唑鈉與牛血清白蛋白的相互作用

劉 里, 成飛翔( 74 )

·區(qū)域發(fā)展與地理·

句法視角下城市道路交通的預(yù)測(cè)研究——以廣州市人民路高架橋拆除問題為例

陶 偉, 古恒宇, 張 良, 沈美程, 黃夢(mèng)真( 80 )

基于Voronoi圖的城市體系空間結(jié)構(gòu)及吸引范圍——以廣東省為例

曾舜英， 陳忠暖( 87 )

會(huì)展產(chǎn)業(yè)集群的識(shí)別——以北京國(guó)際展覽中心集聚區(qū)為例

方忠權(quán)， 方錦鵬， 張 穎， 宋欣迪， 張婧瑜( 95 )

廣東省溫泉旅游地可持續(xù)發(fā)展綜合評(píng)價(jià)

樊亞明， 徐頌軍(101)

·計(jì)算機(jī)科學(xué)與軟件工程·

對(duì)HB#協(xié)議的代數(shù)分析

姜 曉， 馬昌社(110)

自然生長(zhǎng)狀態(tài)下樹葉圖像的分割與提取

賈麗麗， 余孝源， 梁 耀， 李豐果(116)

·基礎(chǔ)心理學(xué)·

文本閱讀中時(shí)間信息加工的二階段模型——來自ERP的證據(jù)

賴斯燕， 周靈丹， 薛 穎， 羅 偉， 何先友(122)

2017年第2期

化學(xué)與環(huán)境重點(diǎn)學(xué)科群特約專輯

·化學(xué)·

基于亞甲基藍(lán)與DNA相互作用自鑄成膜研究

甘綺婷， 陳琳琳， 朱耀婷， 關(guān)海欣， 李 紅( 1 )

超聲微波輔助共沉淀法制備Li1.2Ni0.2Mn0.6O2正極材料及其性能

趙瑞瑞, 梁家星, 楊子蓮, 梁昌鋮, 關(guān)雄聰, 高愛梅, 陳紅雨( 6 )

SnO2@C鋰離子電池負(fù)極材料的制備及其性能

陳素素， 陳新麗， 鄧 洪( 11 )

酰胺類配體及鋅配合物的合成、結(jié)構(gòu)與電化學(xué)性能

胡 磊， 周京弘， 李思琪， 林曉明， 蔡躍鵬( 16 )

細(xì)菌纖維素/TiO2鋰離子電池復(fù)合隔膜的研究

張 崧， 王玉海， 石 光， 溫鈺環(huán)， 徐偉彬， 陳卓莉( 21 )

共軛多孔聚合物薄膜的電化學(xué)制備及電容特性

羅海媛， 陳家曉， 郝洪敏， 劉 聰， 石 光， 李國(guó)明( 28 )

不同炭材料對(duì)鉛酸蓄電池性能的影響

趙 微， 石 光， 林 鵬， 吳雨蒙， 趙瑞瑞， 陳紅雨( 34 )

2-(4-吡啶基)咪唑二羧酸鋅配位聚合物的自發(fā)拆分

周 霞， 王 婷， 林榮珊， 張夢(mèng)瑤， 區(qū)泳聰， 吳建中( 38 )

硅膠基質(zhì)聚天冬氨酸固定相的合成及對(duì)多肽的分離

林 純， 陳 俊， 范 軍， 張 晶， 喻 麗， 章偉光( 43 )

茉莉酸受體多功能納米探針的合成與應(yīng)用

林碧霞， 俞 英， 廖球梅， 劉雅雯， 陳永雄( 49 )

一種喹啉類Zn2+熒光比率型探針

陳嘉韻， 潘珺儀， 陳 志， 陳梓亮， 馬立軍( 56 )

室溫低功率紫外光輻照法制備聚苯乙烯微球

莊澤鋒, 何 永, 謝煌培, 蔡梓煜, 孫豐強(qiáng)( 61 )

·環(huán)境科學(xué)·

光催化降解普萘洛爾的機(jī)理研究

阮沁沁， 彭 亮， 彭導(dǎo)靈， 顧鳳龍( 68 )

Ce-MCM-41分子篩催化臭氧氧化水中腐殖酸

李來勝， 謝燕華， 潘兆琪， 薛 穎( 73 )

天然水體主要本底成分對(duì)催化臭氧氧化草酸的影響

李旭凱， 郭杏妹， 張秋云， 李來勝( 80 )

礦物-腐殖酸復(fù)合體對(duì)菲的吸附研究

黃仁龍， 陳 杰， 劉峻光， 舒月紅( 85 )

改性活性炭負(fù)載鐵氧化物及其對(duì)Pb2+的吸附特性

歐陶莎， 黃華穎， 鄧培雁， 鄧達(dá)義( 94 )

Cu2O@Cu4(SO4)(OH)6的制備及黑暗下降解橙黃Ⅱ

蔡丹丹, 萬 霞, 鐵紹龍(102)

潮汐對(duì)沿海城市下水道硫化氫污染的影響

梁振聲， 詹春耿， 馮文文， 段佳君， 江 峰(109)

廣東北江大型底棲動(dòng)物群落與水質(zhì)相關(guān)性研究

曹 然， 黎征武， 劉 威， 王旭濤， 鄧培雁(115)

馬纓丹對(duì)鎘的耐性及Glomusintraradices對(duì)鎘吸收轉(zhuǎn)運(yùn)的影響

傅 陽， 凡 玲， 黃雪瑩(122)

高水平大學(xué)重點(diǎn)學(xué)科群建設(shè)項(xiàng)目“化學(xué)與環(huán)境學(xué)科群建設(shè)”主要成員介紹

(封二)

高水平大學(xué)重點(diǎn)學(xué)科群建設(shè)項(xiàng)目“化學(xué)與環(huán)境學(xué)科群建設(shè)”簡(jiǎn)介

(封三)

2017年第3期

·物理學(xué)與光學(xué)工程·

In、Ga摻雜SnO2的第一性原理研究

姜如青， 歐陽劍， 楊 輝， 鄭樹文， 趙靈智， 宿世臣( 1 )

LiNi0.85-xCoxMn0.15O2電化學(xué)性能的第一性原理研究

高玉梅， 楊文鑫, 劉 萍( 7 )

多信道節(jié)點(diǎn)分布式協(xié)作MAC協(xié)議的研究

李 甲， 崔海霞( 11 )

基于OTDR的光纖液體泄漏檢測(cè)的研究

雷芬芬， 駱青君， 周 斌( 17 )

·材料學(xué)·

新型蜂窩結(jié)構(gòu)Si/Co3O4復(fù)合材料的研究

宋浩永， 黃青丹， 陳于晴， 何彬彬， 唐芬玲， 趙靈智( 22 )

鋰離子電池核殼型G@Cu0.85Sn0.15@C負(fù)極材料的改性

黃釗文， 李亞軍， 肖文平， 胡社軍, 侯賢華( 26 )

·化學(xué)與環(huán)境·

窄分布月桂醇聚氧乙烯(2)醚硫酸酯鈉鹽的研究

盧淑霞， 曾幸誼， 楊宇洪， 朱 宏( 32 )

英紅九號(hào)紅茶HPLC指紋圖譜的建立與分析

凌彩金， 王秋霜， 劉淑媚, 羅一帆( 37 )

可見光下氮化碳活化過硫酸鈉降解羅丹明B

廖高祖, 張靜雯, 鄧達(dá)義, 彭立斌, 馬傳軍( 44 )

高鐵酸鉀對(duì)水中銻的去除機(jī)理研究

周雪婷， 何詩韻， 鄭劉春， 藍(lán)冰燕， 李來勝( 49 )

·生物學(xué)與生物工程·

水稻microRNA及其靶基因的系統(tǒng)鑒定

馬 軒， 莫蓓莘， 曹曉風(fēng)( 55 )

生物信息學(xué)篩選催化茶黃素合成的多酚氧化酶

周仲華， 張 達(dá)， 倪 賀， 李海航( 59 )

·區(qū)域發(fā)展與地理·

1955—2012年韓江入海徑流量和輸沙量多尺度變化特征

楊傳訓(xùn)， 張正棟， 張 倩， 董才文， 萬露文( 68 )

后危機(jī)時(shí)代海南省城鎮(zhèn)化發(fā)展的空間分異研究

陳 婷， 陳忠暖， 田 良( 76 )

中國(guó)省際人口遷移空間特征與影響因素分析

李詩韻， 梅志雄， 張銳豪， 趙書芳( 84 )

·數(shù)學(xué)與應(yīng)用數(shù)學(xué)·

高階多元Markov鏈聯(lián)合穩(wěn)定分布向量的擾動(dòng)界

鄭 華, 林彩鳳, 祝長(zhǎng)華( 92 )

具有粗糙初值的Landau-Lifshitz-Gilbert方程的整體解的存在性

林俊宇, 徐曉杰( 97 )

具有階段結(jié)構(gòu)的中立型捕食系統(tǒng)的正周期解

姚曉潔， 秦發(fā)金(102)

帶變號(hào)格林函數(shù)的四階三點(diǎn)邊值問題的多個(gè)正解的存在性

達(dá)舉霞, 霍 梅, 韓曉玲(109)

一類解析函數(shù)的Fekete-Szeg?不等式

郭 棟， 李宗濤(114)

·計(jì)算機(jī)科學(xué)與軟件工程·

基于多層自動(dòng)編碼機(jī)的Fisher判別分析

陳振洲, 吳雙燕, 范冰冰(117)

基于動(dòng)態(tài)時(shí)間的個(gè)性化推薦模型

譚黎立， 聶瑞華， 梁 軍， 王進(jìn)宏(123)

2017年第4期

·物理學(xué)與光學(xué)工程·

基于拉曼光譜對(duì)人舌鱗癌動(dòng)物模型的建立與檢測(cè)

鐘會(huì)清， 張 武， 侯雨晴， 蘇成康， 劉智明， 姜雪梅， 郭周義, 劉寧湘( 1 )

一種超低功耗模數(shù)轉(zhuǎn)換器的設(shè)計(jì)與仿真

胡云峰， 易子川， 李 琛， 周國(guó)富( 5 )

利用多模態(tài)光學(xué)腦成像研究前額葉靜息態(tài)功能連接

黃 雯， 李 軍( 11 )

非開放式電潤(rùn)濕系統(tǒng)的電流體動(dòng)力學(xué)仿真

莊 磊， 周 瑩， 唐 彪， 李發(fā)宏， 李 楠， DEROOIJ Nicolaas Frans， 周國(guó)富( 16 )

·材料學(xué)·

高熔體強(qiáng)度聚丙烯的制備及其性能

郭亞光， 李彥濤， 楊麗庭， 張 惠， 唐梓健， 李煦田( 23 )

PVDF-g-PAA共聚物的制備及其改性PVDF膜

王獻(xiàn)昆， 呂向紅( 28 )

·化學(xué)與環(huán)境·

六鉬酸/芐基三乙基氯化銨催化合成氧雜蒽二酮類衍生物

方 宇， 羅 君， 連朝美， 朱育林， 曾 卓( 34 )

萊克多巴胺新型分子印跡納米管膜的研究及應(yīng)用

陳 忻, 陳曉剛, 潘嘉慧, 沈國(guó)權(quán), 趙亮亮, 梁 勇( 39 )

褐藻海帶生物質(zhì)殘?jiān)鼘?duì)水中Pd(Ⅱ)的吸附研究

邵華森， 李耀威， 陳提先， 劉 健( 45 )

復(fù)合光催化膜MoS2/Ag/TiO2同步降解有機(jī)物及產(chǎn)氫的研究

王 熙, 董海太， 齊 中， 李曉巖， 李來勝( 51 )

污泥回流比對(duì)雙污泥BCR反硝化除磷效果的影響

鐘悅升， 榮宏偉， 張朝升( 57 )

·生物學(xué)與生物工程·

保幼激素和蛻皮激素對(duì)家蠶翅原基生長(zhǎng)分化的影響

胡啟豪, 劉學(xué)術(shù), 馬 瓊, 馮啟理, 鄧惠敏( 62 )

調(diào)控根系對(duì)玉米幼苗生長(zhǎng)及氮素利用的影響

李 諾， 許良政( 68 )

·區(qū)域發(fā)展與地理·

韓江流域參考作物蒸散量時(shí)空變化及其影響因素

萬露文, 張正棟, 董才文, 楊傳訓(xùn), 張 倩( 73 )

基于ARIMA模型的廣州市生態(tài)足跡動(dòng)態(tài)變化過程

付 開， 徐頌軍， 胡夢(mèng)瑤， 馬姣嬌( 82 )

村落型遺產(chǎn)地居民旅游感知與態(tài)度的空間差異分析

陳 慧， 李 鵬， 王純陽( 88 )

·數(shù)學(xué)與應(yīng)用數(shù)學(xué)·

一種新型美式期權(quán)的自由邊界問題

陳曉珊, 曹利敏, 易法槐( 95 )

時(shí)間測(cè)度鏈上三點(diǎn)邊值問題兩個(gè)正解的存在性

魏 嘉, 王 靜(102)

與年齡相關(guān)的隨機(jī)種群模型解的均方散逸性

張啟敏, 李西寧, 楊 莉(106)

弱奇異迭代積分不等式中未知函數(shù)的估計(jì)

黃春妙, 王五生(111)

·計(jì)算機(jī)科學(xué)與軟件工程·

基于圖模型的云平臺(tái)應(yīng)用部署技術(shù)研究

鄭偉平, 劉健敏(115)

基于Web AppBuilder的虛擬校園系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)——以華南師范大學(xué)為例

黃植欽， 舒娛琴， 閆文豪(122)

2017年第5期

·特約綜述·

熒光石墨烯量子點(diǎn)的制備及應(yīng)用

梁 勇， 朱效華， 南俊民( 1 )

柑橘黃龍病檢測(cè)及治療方法的研究進(jìn)展

陳文利， 徐 婉， 程保平， 彭埃天， 焦 悅( 9 )

·物理學(xué)與光學(xué)工程·

線性磁場(chǎng)作用下一維鐵磁鏈的孤子激發(fā)

莫子杰, 陳 浩, 王瑞強(qiáng)( 16 )

一維非均勻介質(zhì)中Casimir Stress的收斂性

歐陽丹， 陳棋江， 羅 斌( 22 )

智能電網(wǎng)中異構(gòu)通信網(wǎng)絡(luò)的自適應(yīng)速率控制

郭起霖, 鐘偉鋒， 張浩川， 張 涵， 余 榮( 26 )

·材料學(xué)·

Fe、Cr共摻雜TiO2納米球增強(qiáng)光催化制氫

廖 添， 宋 亭， 楊定喬， 呂梅香， 曾和平( 31 )

原子層沉積增強(qiáng)微納結(jié)構(gòu)硅電池的光電性能

王 飲， 楊 秧， 敖獻(xiàn)煜( 38 )

·化學(xué)與環(huán)境·

X…Y(X=LiF,NH3,H2O; Y=HF,LiF)復(fù)合物中鋰鍵、氫鍵的理論計(jì)算

劉雅萌， 李 俊， 高愛舫， 甄 巖( 43 )

氧化亞鐵硫桿菌與硫酸改善城市污泥的脫水性能

謝武明, 邢 瑜, 張 寧, 馬峽珍， 顧 舸， 劉敬勇， 區(qū)國(guó)才， 陳新杰( 48 )

·生物學(xué)與生物工程·

SUMO-1在ApoE-/-小鼠PM2.5暴露中調(diào)控血管HIF-1α/VEGF信號(hào)通路的研究

甘向東， 李 飛， 蔡 欣， 付文亮， 徐東剛， 龍民慧( 54 )

白藜蘆醇誘導(dǎo)HepG2細(xì)胞凋亡中線粒體差異蛋白鑒定

歐單鳳, 陳春霞, 馬曉冬, 田雪梅( 59 )

過氧化氫對(duì)擬南芥生長(zhǎng)素信號(hào)轉(zhuǎn)導(dǎo)相關(guān)蛋白的影響

劉夢(mèng)靈， 陳穎華， 張盛春( 64 )

·區(qū)域發(fā)展與地理·

指數(shù)律參數(shù)選取對(duì)指數(shù)和廓線精度的影響

齊宏綱， 孫 武， 李慶祥， 黃啟明， 黃 盛， 江云峰， 梁幸怡( 72 )

華南濕熱山地小流域景觀格局演變與徑流關(guān)系——以寧江為例

朱汝雄， 張正棟， 楊傳訓(xùn)， 萬露文( 79 )

近10年珠三角城市群經(jīng)濟(jì)承載力及空間分異

蔡永龍， 陳忠暖， 劉 松( 86 )

·數(shù)學(xué)與應(yīng)用數(shù)學(xué)·

全局性N元-強(qiáng)混沌系統(tǒng)的一個(gè)判據(jù)

符和滿( 92 )

一類與In算子有關(guān)的解析函數(shù)的Fekete-Szeg?不等式

郭 棟， 李宗濤( 96 )

關(guān)于一個(gè)參量化的全平面Hilbert積分不等式

曾志紅, 楊必成(100)

用條件(PWPE)刻畫的序幺半群

王 田, 梁星亮(104)

·計(jì)算機(jī)科學(xué)與軟件工程·

一種基于興趣挖掘的機(jī)會(huì)網(wǎng)絡(luò)內(nèi)容分發(fā)策略

孫立奮, 潘達(dá)儒(108)

基于Grab Cut和區(qū)域生長(zhǎng)的服裝圖像前景提取算法

陶彬嬌， 陳 倩， 潘中良， 李 萍(115)

·其他·

廣東高校本科層次工科人才培養(yǎng)結(jié)構(gòu)研究

鄭 文, 薛亞濤(120)

2017年第6期

·特約綜述·

環(huán)氧化物水解酶的研究進(jìn)展

婁文勇， 趙 瑩， 彭 飛， 宗敏華( 1 )

·物理學(xué)與光學(xué)工程·

基于二重加密的數(shù)字水印算法

占履軍， 李 昇， 張旭東( 7 )

Bogoliubov-de Gennes對(duì)角化與Schur分解方法的等價(jià)性

張 雨， 黃鎮(zhèn)華， 李 銘( 12 )

電潤(rùn)濕電子紙多級(jí)灰階研究與設(shè)計(jì)

易子川， 曾 磊， 周 瑩, 王 利， 賴樹發(fā)， 翟迪國(guó)， 李 楠， Nicolaas Frans de ROOIJ， 周國(guó)富( 17 )

基于氧化石墨烯微加熱器的微氣泡研究

李宗寶，劉紹靜，周瑞雪，陳伊琳，朱德斌，黃 雯，邢曉波( 24 )

·材料學(xué)·

硅烷偶聯(lián)劑γ-MPS的用量對(duì)ZrO2-SiO2填充齒科復(fù)合樹脂性能的影響

張寶月， 顧鳳龍( 28 )

多邊形結(jié)構(gòu)富鋰錳基正極材料的可控制備及性能

李亞杰， 周 宇， 侯賢華， 黃 媛， 汝 強(qiáng)， 胡社軍( 34 )

·化學(xué)與環(huán)境·

單微乳體系中鉬酸錳納米材料的原位生長(zhǎng)熱動(dòng)力學(xué)研究

邱江源, 馬玉潔, 萬 婷, 肖碧源, 覃方紅, 黃在銀( 39 )

苯甲酸鋰、對(duì)苯二甲酸鋰及均苯三甲酸鋰的電化學(xué)性能

劉祖妍， 林陸菁， 葉永鍵， 李卓羲， 黃仲康， 陳曉鈿， 曾榮華( 46 )

Cd-HA-TiO2聯(lián)合脅迫對(duì)小球藻致毒效應(yīng)的研究

梁斯韻， 康 園， 曾麗璇， 張秋云， 羅繼文( 52 )

·生物學(xué)與生物工程·

NPR1和Defensin雙價(jià)抗病基因過量表達(dá)載體構(gòu)建及其對(duì)沙田柚的遺傳轉(zhuǎn)化

穆一帆， 鐘廣炎， 高 峰， 鐘 云， 胡敏倫， 閆化學(xué)， 姜 波， 吳 波( 60 )

3年生觀光木夏季的光合生理特性初探

劉曉濤， 張?zhí)﹦拢?李蕓瑛, 彭長(zhǎng)連( 65 )

人工養(yǎng)殖鱷魚油的提取與精制工藝研究

李 慧, 張雅文, 羅翔宇, 賴天斌, 李海航( 71 )

·區(qū)域發(fā)展與地理·

洪水形成過程的協(xié)同性探究

汪麗娜, 陳曉宏( 77 )

氣候變化和人類活動(dòng)對(duì)汀江徑流量變化的貢獻(xiàn)

張 杰， 張正棟， 萬露文， 楊傳訓(xùn)， 葉 晨( 84 )

基于主成分分析的西藏自治區(qū)城鎮(zhèn)化空間分布類型

余 波， 劉 松， 熊 鷹， 曹永旺， 周春山( 92 )

·數(shù)學(xué)與應(yīng)用數(shù)學(xué)·

具有Mate-Finding Allee效應(yīng)的時(shí)滯捕食-食餌系統(tǒng)的穩(wěn)定性與分支分析

吳瑞雯, 劉秀湘(101)

具有收獲率的擴(kuò)散捕食系統(tǒng)的8個(gè)正概周期解

姚曉潔， 秦發(fā)金(107)

二維不可壓縮 Navier-Stokes-Landau-Lifshitz方程組的整體強(qiáng)解

黃丙遠(yuǎn), 黃金銳, 奚 悅(113)

·計(jì)算機(jī)科學(xué)與軟件工程·

基于多模型融合的互聯(lián)網(wǎng)信貸個(gè)人信用評(píng)估方法

白鵬飛， 安 琪， Nicolaas Frans de ROOIJ， 李 楠， 周國(guó)富(119)

基于分類算法的潛在好友推薦系統(tǒng)

丁 蕊， 湯 庸， 曾偉銓， 常 超(124)