秀视频--小程序社交软件 线上版 简介：简介随着微信的普及，小视频的流行，我们设计一款基于微信小程序端的视频社交软件 + 后台管理系统作为自己专科毕业设计----秀视频-微信小程序端（短视频社交小程序，用户可以在小程序上发布自己的短视频 并且经过我们的平台加入滤镜或者背景音乐制作出独具特色的短视频。并实现了点赞、评论、下载、分享、转发等功能的小程序）---的后台管理系统，主要实现了人员的管理，短视频的管理，背景音乐的管理，登陆注册，权限验证，单点登陆等等。 从需求分析，功能设计，前端到后台，再到数据库的设计。一点点的积累，一点点的完善，预计小程序端+后台管理系统开发周期一个月(每天更新)。 对一个开发人员来说，如果想单纯的做出这些功能，其实并不难。 难的是对于这些功能细节的把控，项目整体的友好程度，用户的体验效果；对并发的考虑，对恶意请求，对流畅度这些细节的考虑等等。 Introducti

毕设作品，保存一下

2020-2021年中国移动社交行业研究报告.pdf

在在线社交网络中的虚拟社区检测领域，大多数现有方法经常从单一角度检测社区，而忽略了网络相关特性对社区检测的影响。 所有这些降低了社区划分结果的可解释性和准确性。 为了解决这个问题，提出了一种在线社交网络的虚拟社区检测模型框架。 该模型框架考虑了影响社区检测结果的三个关键因素：结构特征，属性信息和节点对网络的影响程度。 提出的模型不仅是现有社区检测模型的映射，而且是为社区检测方法设计更多未来模型的参考。

如今，网络欺凌已成为一项重要的社会挑战。 网络欺凌会影响一个人的心理和情感方式。 因此，需要设计一种方法来检测和防止社交网络中的网络欺凌。 大多数现有的网络欺凌方法仅涉及文本检测，很少有方法可用于分析视觉检测。 在这项拟议的工作中，将检测多模型网络欺凌，例如音频、视频、图像以及社交网络中的文本。 网络欺凌图像将使用计算机视觉算法进行检测，该算法包括图像相似性和光学字符识别 (OCR) 两种方法。 网络欺凌视频将使用镜头边界检测算法进行检测，其中视频将被分成帧并使用其中的各种方法进行分析。 提议的框架还支持识别社交网络中的网络欺凌音频。 最后，使用分类器将网络欺凌数据分为身体欺凌、社交欺凌和言语欺凌。

iwebSNS是一款功能强大且易于扩展的LAMP开源社交网络平台。 它基于iweb SuperInteraction(简称iweb SI)框架开发。借助iwebSI平台，站点可以轻松获得支持热插拔及快速增加新节点的集群计算与处理能力（分布式计算与存储/高可用性/负载均衡），以方便管理web2.0类站点持续增长的数据量。SI的web层、db层负载均衡，基于内存的分布式缓存系统、dfs（分布式文件系统）、分布式数据存储等可以轻松支持站点拥有服务于百万甚至千万级庞大用户群的能力，并且不管这些交互式服务的请求是来自计算机还是移动终端。 另外，Jooyea技术团队还提供了一个轻量级的支持库，这使iwebSNS也可以轻松部署在虚拟主机上。 iwebSNS为站点用户提供一个友好易用的个人信息和消息管理ajax界面。通过它，建站者可以轻松构建一个以好友关系为核心的交流网络，让站点用户可以通过空间、日志、动态、好友圈、群组、相册、站内信、留言板、心情等功能模块记录、展示和分享生活；了解好友动态。 如果你已经拥有大用户群，想向SNS方向扩展；或者你想部署一个能满足用户持续快速增长，并且平滑实现规模化的SNS站点，那么iwebSNS正适合你。

IOS app项目源代码，关于社交，交友、聊天，语音、视频功能。

Updog.in Live：https://updog.in Updog是具有Reddit风格的内容聚合网站。 用户可以创建帐户以共享帖子，并创建评论。 帖子可以进行加价和减价，用户可以在其帖子中获得业力。 Thi Updog.in在线：https://updog.in Updog是具有Reddit风格的内容聚合网站。 用户可以创建帐户以共享帖子，并创建评论。 帖子可以进行加价和减价，用户可以在其帖子中获得业力。 该项目是作为学习经验而构建的，旨在了解构建reddit克隆所需要的内容。 前端是使用Vue.js和TypeScript构建的。 后端由ASP.NET Core和PostgreSQL数据库提供支持。 在建筑方面明智的项目坚持清洁的建筑

群体智能是一个研究领域，它对成群的昆虫或动物的集体行为进行建模。 已经提出了由这些模型产生的几种算法来解决范围广泛的复杂优化问题。 在本文中，提出了一种称为社交蜘蛛优化（SSO）的新型群算法来解决优化任务。 SSO 算法基于模拟社交蜘蛛的合作行为。 在所提出的算法中，个体模仿一组蜘蛛，这些蜘蛛根据合作群体的生物学规律相互交互。 该算法考虑两种不同的搜索代理（蜘蛛）：男性和女性。 根据性别，每个个体都由一组不同的进化算子引导，这些算子模仿通常在群体中发现的不同合作行为。 为了说明所提出方法的熟练程度和稳健性，将其与其他众所周知的进化方法进行了比较。 比较检查了进化算法文献中通常考虑的几个标准基准函数。 结果显示了所提出的方法的高性能，用于搜索具有多个基准函数的全局最优值。 文章发表于： Cuevas, E., Cienfuegos, M., Zaldívar, D., Pérez-Cisn

社交多媒体情感分析与观点挖掘研究