区域公路交通系统网络规划评价方法

分析城市公路交通网络规划的评价意义,研究区域交通网络规划的评价方法及其指标体系的遗择与建立,可以正确有效地对城市交通系统网络规划进行评价.该文重点介绍数据包络分析法,并且针对数据包络分析法的有效性问题进一步改进完善.     

个性化推荐算法的研究及发展综述

在"大数据时代"的背景下,推荐系统能通过分析提取出用户的历史偏好数据,并结合用户之间的偏好关系以及项目与项目的相似程度,推测出目标用户可能喜欢的物品并将其推荐给用户.在当下电子商务时代,推荐系统已成为一种更为活跃、更现代化的信息过滤方式.笔者对推荐系统的研究现状以及主要研究方向进行了系统研究,分析对比了在当下较为流行的各类推荐算法及各自的局限和问题,包括数据的冷启动问题、稀疏性问题、扩展性问题以及推荐性能不高等.最后,总结了目前的推荐系统存在的尚未解决的问题并提出了相应的解决方案.     

城市轨道交通网络系统的面向对象体系建模

介绍了面向对象建模技术,运用面向对象方法对城市轨道交通网络系统进行类的识别与定义,对城市轨道交通网络系统中类的关联、继承及聚集等关系进行分析,在此基础上分析了城市轨道交通网络系统中对象间交互关系,明确了交互行为.最后实现了面向对象的城市轨道交通网络系统的对象建模、动态建模和功能建模.     

一种改进的结合标签和评分的协同过滤推荐算法

推荐系统由于其数据量庞大的原因,已经成为大数据领域研究的一个热点.而协同过滤算法是推荐系统中最著名的算法之一.传统协同过滤算法在利用评分矩阵进行推荐时,面临数据稀疏性问题,从而严重影响推荐的质量.同时,推荐系统中存在大量的描述用户和产品属性特征的标签信息,把这些标签信息融入到传统的推荐算法中是解决稀疏性的一个有效方法.因此,针对稀疏性问题,本文提出了一种结合标签和评分的协同过滤推荐算法.该算法结合标签信息和评分数据共同计算用户之间或产品之间的相似性,进而为用户产生推荐.实验结果表明,本文提出的算法可以有效解决数据稀疏性问题,同时可以提高推荐系统的准确性.     

基于道路上下限速的用户均衡及系统表现的分析

在交通网络均衡的研究中,已有部分学者对带限最高速度的交通网络进行研究,结合考虑国内外交通道路行驶中存在最低限速的现象,综合研究了如何对道路实施高低速限制,从而实现对网络均衡绩效的提升.一方面,研究在道路中引入行驶车辆最高最低限速后,用户均衡状态的改变,包括是否存在用户均衡状态解及最终解的唯一性.另一方面,利用具体算例,研究在特定的交通网络模型中,交通网络在引入最低限速后系统表现的改变,主要包括系统总行驶时间和总排放.研究表明,通过合理控制道路上下限速,可以有效提升系统表现.     

交通网络拓扑结构及特性研究综述

物联网中涉及的交通网络主要包括航空网络、海运网络、公共交通网络及城市道路网络.首先,列举了这些交通网络抽象为复杂网络的常用方法.然后,对交通网络研究中的主要特征参数进行了讨论.最后,对近年来国内外各类交通网络的研究成果进行了总结,并提出了未来可能的研究方向.     

基于区间需求下系统总时间最小的混合交通网络设计优化模型

假定需求为不确定数,运用交通网络设计双层规划理论,通过将连续交通网络设计问题转化为离散交通网络设计问题,建立基于系统总时间最小条件下区间不确定混合交通网络设计模型.根据区间运算和混合交通网络设计模型的特点,结合区间分析和遗传算法进行求解.求解结果表明:该模型及算法具有很好的稳定性.     

长江经济带核心交通网络空间格局变化分析

为更加准确地掌握长江经济带交通空间格局状况,提出一套核心交通网络空间格局变化分析指标体系.通过分析提取地理国情普查成果中的交通资源成果,结合行业专题数据、社会经济统计数据,采用多源异构数据融合、地理空间统计分析等方法,开展区域的交通网络密度、便捷度和通达性研究的空间化、定量化分析.研究结果表明长江经济带整体核心交通网络空间格局日趋合理.研究可为地理国情监测服务于长江经济带发展提供理论研究与应用参考.     

跨领域推荐技术综述

随着信息技术和互联网的飞速发展,信息过载的问题日趋严重.个性化推荐系统是解决这一问题的热门技术.推荐系统的核心在于推荐算法,在过去的十年里,基于单领域的协同过滤推荐算法应用最为广泛.但用户和项目数量的急剧增长使得传统的协同过滤推荐算法面临冷启动和数据稀疏问题的挑战.跨领域推荐旨在整合来自不同领域的用户偏好特征,针对每个用户自身特点进行智能化感知,精准满足用户个性化需求,从而提高目标领域推荐结果的准确性和多样性,现已成为推荐系统研究领域中的热门话题.本文首先对跨领域推荐技术进行系统地研究和分析,概述跨领域推荐算法的相关概念、技术难点;其次对现有的跨领域推荐技术进行分类,总结出各自的优点及不足;最后对跨领域推荐算法的性能分析方法进行详尽的介绍.     

公路交通GIS技术应用研究

首先介绍了地理信息系统即GIS的性质和功能，并针对传统交通网络处理技术的不足，通过引入地理信息系统，利用T—GIS实现交通网络图形和数据之间的相互转换，提出并研究了GIS条件下的交通网络处理技术，包括公路交通数据库的数据内容、数据结构及采集方法等。讨论了GIS系统在公路交通建设中的一些实际问题，以促进公路交通的发展．     

下一代移动推荐系统

推荐系统的目的是通过利用用户的评价信息,实现从过载的信息中识别出用户感兴趣的内容.移动环境下的空间数据复杂性较高,并且用户的上下文信息更加模糊,从而使得移动个性化推荐相比于传统领域面临更大的挑战.本文通过介绍传统推荐算法和移动环境下个性化推荐的特性,给出了移动推荐的挑战;在基于GPS信息的出租车线路推荐和旅游包推荐两个移动案例基础上,提出了移动序列推荐问题及基于约束的旅游推荐问题,并给出了相应的解决方案.     

Implicit Trust Based Context-Aware Matrix Factorization for Collaborative Filtering

Matrix factorization(MF) has been proved to be a very effective technique for collaborative filtering(CF),and hence has been widely adopted in today's recommender systems.Yet due to its lack of consideration of the users' and items' local structures,the recommendation accuracy is not fully satisfied.By taking the trusts among users' and between items' effect on rating information into consideration,trust-aware recommendation systems(TARS) made a relatively good performance.In this paper,a method of incorporating trust into MF was proposed by building user-based and item-based implicit trust network under different contexts and implementing two implicit trust-based context-aware MF(ITMF)models.Experimental results proved the effectiveness of the methods.     

基于网格的景区推荐系统设计与算法研究

提出了1个基于网格的景区推荐系统,该系统充分考虑了上下文因素,只要用户拥有1个智能手机或其他移动设备,有无线网络接入,就能够保证该系统能够在移动计算的环境中按照合适的时间和地点为用户提供合适的景区,最后将该系统同现有的集中式推荐系统的性能进行了对比.     

一种基于意图隐藏的对等网推荐可信度评价模型

对等网信誉系统的一个关键问题是如何提高推荐信息的可用性。现有模型将推荐节点的交易可信度等同于其推荐可信度,因而容易造成恶意推荐节点对信誉系统的虚假推荐和共谋推荐攻击。提出了一种基于意图隐藏的推荐可信度评价模型。在该模型中,一方面恶意推荐节点无法判断节点的查询意图,因而很难采取针对性行为;另一方面,基于历史推荐满意度的评价方法能对节点的推荐可信度进行有效评价。分析和仿真结果验证了模型的有效性。     

基于藏语远程教育网的学习资源推荐系统设计与研究

随着藏语远程教育网上学习者的不断增多和学习资源的不断扩充,学习者选择资源困难和学习资源难以利用的矛盾日益显著,而推荐系统能帮助学习者在没有明确需求时发现并推荐给他们感兴趣的学习资源.文章基于藏语远程教育网站的学习资源和学习者数据,研究了推荐系统相关的技术和算法,设计了学习资源推荐系统,并通过Apache Mahout开源项目提供的平台实现了推荐系统.     

Hybrid Recommender System Incorporating Weighted Social Trust and Item Tags

With the rapid development of social network in recent years, a huge number of social information has been produced. As traditional recommender systems often face data sparsity and cold-start problem, the use of social information has attracted many researchers' attention to improve the prediction accuracy of recommender systems. Social trust and social relation have been proven useful to improve the performance of recommendation. Based on the classic collaborative filtering technique, we propose a PCCTTF recommender method that takes the rating time of users, social trust among users, and item tags into consideration, then do the item recommending. Experimental results show that the PCCTTF method has better prediction accuracy than classical collaborative filtering technique and the state-of-the-art recommender methods, and can also effectively alleviate data sparsity and cold-start problem. Furthermore, the PCCTTF method has better performance than all the compared methods while counting against shilling attacks.     

基于Logistic函数的社会化矩阵分解推荐算法

持续指数增长的互联网逐渐带来了信息过载问题,使得推荐系统提供的信息过滤服务尤为重要. 协同过滤是推荐系统领域最为成功的技术,但依然存在数据稀疏性等问题. 社会关系信息能够有效提高推荐系统的预测准确性. 为解决数据稀疏性问题,本文提出了一种利用Logistic函数的社会化矩阵分解推荐算法. 在3组真实数据结合上的实验结果表明,本文提出的算法能够提供更准确的推荐结果,特别是在数据稀疏的情况下,显著缓解了数据稀疏性问题.      

基于案例推理的个性化推荐系统数据源研究

大数据时代,海量资源给用户快速从浩瀚的资源中获取所需信息带来了难题,个性化推荐系统的市场需求越来越大。案例推理技术在个性化推荐系统中的应用还很少,因此,提出了基于案例推理的个性化推荐系统数据源建设方案。分析了数据源的组成,建成了包括用户案例库和知识库的个性化推荐系统数据源,为案例推理提供了一定的基础数据。系统研究结果表明,数据源建设对系统推荐结果个性化程度的质量具有重要意义。     

一种新的线性参照系统数据模型

提出了用于交能运输地理信息系统（GIS-T）的一种新的线性参照数据模型。在分析了线性参照系统概念模型的基础上,对其中两个关键问题进行了研究,即基于道路几何特征的线性参照基准模型和基于道路曲线要素的动态分段模型。同时,以实例说明该模型在GIS-T原型系统中用于公路事故分析的应用。     

基于网络内容和结构数据的用户浏览模型

Web推荐系统能为用户提供有针对性的个性化服务。但目前基于协同过滤和使用挖掘的推荐系统存在着诸如数据信息的不完整或不正确，推荐精度和质量不高等问题。为提高推荐系统的性能，必须将站点的内容和结构信息以及用户行为数据集成形成混合模式推荐系统，在推荐引擎里统一使用。基于此，本文提出一种新型Web推荐系统框架，能够将站点的内容，结构和用户的浏览行为综合考虑形成用户浏览模型，通过用户模型向用户推荐资源，初步实验表明该模型能有效改善推荐系统的性能。