基于非结构化P2P网络用户模型的协同过滤推荐机制

协同过滤是当前应用在信息推荐系统中最成功的技术之一。但随着用户数量和所需过滤信息的增加,计算复杂度迅速增长,大多数推荐系统都因集中式的体系结构而面临可扩展性差的问题。本文提出了一种基于非结构化P2P网络的协同过滤推荐机制,采用基于词汇链的方法构建资源对象描述向量,建立由偏好资源对象集合构成的用户模型,并且根据用户的兴趣变化,通过动态邻居重组的方法获得实时的个性化推荐。实验数据表明采用基于非结构化P2P网络的协同过滤推荐机制较传统集中式推荐方案有更好的可扩展性和预测准确性。     

基于副本管理的P2P存储系统可靠性分析

P2P存储系统中的节点具有不可靠性,因此很难预测系统的整体可用性.为此,文中提出利用马尔可夫链模型化系统副本管理全过程的方法.通过分析该数学模型,理论计算出系统的失效概率、经历的时间段、系统的生命周期等相关数据.最后,在分布式系统PlanetLab平台进行了仿真实验,结果证明了理论计算的正确性.     

一种P2P网络的信息优化检索算法的仿真分析

为了解决P2P网络系统信息检索效率低、不能有效解决跨文本搜索,提出节点兴趣域聚类和信息量声誉激励的P2P网络检索机制。在该机制中,首先对网络系统中节点持有的数据信息量进行基于相似度和兴趣度阈值的兴趣域聚类;然后依据节点数据信息的声誉激励策略对兴趣相邻节点进行兴趣树构造,同时对用户输入的搜索关键字进行语义分析和个性化的辅助语义选择。将与查询信息向量最接近的节点持有信息量返回给用户,并对该数据信息量进行声誉激励评价和更新。实验仿真证明,该算法基于兴趣树的动态构造,能够避免结构化P2P网络系统对中心节点的过度依赖;同时检索的向量是基于用户个性化辅助语义生成的,能够有效地提高查询率和查准率。     

P2P环境下的信息搜索与信息过滤研究

在数字图书馆的分布式P2P环境中,提出一种新的信息搜索和信息过滤模型。模型包含搜索模块和过滤模块两个部分。搜索模块采用P2P技术分配和保存的对等体统计值,完成用户的一次查询。根据相同的数据,过滤模块针对一个连续查询,选择最可信的数字图书馆发布最合适的文档,从而提供发布、定制服务。在进行对等体选择时结合使用资源选择算法与行为预测算法,提高了信息发布的召回率。最后比较了搜索模块和过滤模块,使读者对模型有一个整体概念。     

P2P流媒体邻居节点组织与行为预测

针对当前流媒体系统用户行为研究缺少单一节点角度的长期行为特性分析及利用的问题,提出一种P2P流媒体邻居节点组织与行为预测策略(POPP).该策略基于流媒体系统中节点长程行为的互相关及自相关特性,通过在数据交互中收集其他节点的在线、延迟及带宽信息来计算邻居节点的综合可用性,维护能够为自身提供优质服务的潜在邻居节点表,并通过基于马氏链的节点行为模型预测邻居节点的未来在线状态.用户日志驱动的仿真实验结果表明,邻居节点组织策略有效提高了邻居节点对自身的服务质量,长期训练后的节点行为预测准确率达97％以上.     

一种支持结构化P2P的多维范围查找方法

提出一种基于结构化P2P的分层聚类查询系统. 利用空间填充曲线建立从高维特征空间到一维相邻空间的映射,根据映射过程提出一种分层聚类的概念,并将相似的多维数据归入在相同的聚类中,使聚类内的数据具有更大的相似性与更小的值域区间. 模拟结果显示,该方法可减少查询所需的带宽,具有良好的查询准确度和可扩展性.     

新型P2P结构模型研究

根据资源在网络上的分布特性，以及集中式P2P和分布式P2P的特性，设计了集合二者优点的混合式P2P模型。     

马尔可夫链在预测太原市降水量中的应用

根据1978年-2007年的降水资料,应用马尔可夫链的预测模型对太原市的降水量情况进行预测和分析,并指出此模型可靠性较差.然后利用加权马尔可夫链模型进行改进,通过加权的方法反映出各年的相互依存关系,并获得了较为满意的结果.     

应用关系集合的P2P网络信任模型

为解决当前P2P（Peer to Peer）网络中存在的一些安全问题,提出一种应用关系集合的P2P网络信任模型RSTM（Relationship Set Trust Model）。该模型利用关系集合,随机抽取节点,对给出应答消息的节点进行推荐,对提供服务的节点进行评估,对有不良行为者给予一定的惩罚措施。仿真实验证明,此模型可有效地剔除大部分恶意节点,阻止恶意节点集体欺骗行为,并在减小网络搜索范围的情况下,不失全面性地对节点进行评估,有效提高了P2P网络的安全性,可靠性。     

一种基于查询加权的用户建模方法

通过分析用户的查询日志, 模拟用户与搜索引擎之间的交互过程, 提出一种基于查询加权的用户建模方法。首先, 对查询日志进行会话分割; 然后, 利用会话中用户查询出现的次数、持续时间及所点击的URL排名等行为信息, 计算查询权重; 最后, 采用兴趣投票的方式, 完成用户模型的构建。在AOL (美国在线)查询日志数据集上的测试结果表明, 基于查询加权的用户建模方法在用户兴趣预测上取得较好的效果。     

基于节点兴趣的非结构化P2P自动搜索机制

研究了基于节点兴趣的非结构化P2P自动搜索的机制和算法。节点兴趣由节点所共享的文档的k-高频词向量描述。网络中的节点采用"拉"(pull)通信方式。节点不能把信息"推"(push)给其它节点,这样就保证了节点只会收到它想要的信息。系统中的节点根据用户提供的共享文档自动获知用户感兴趣的文档类型,并且自动和其它具有相似兴趣的节点组成一个覆盖网络。节点定期自动获取覆盖网络中其它节点共享的新文档信息,以方便用户查找和浏览新文档。并且通过仿真实验验证了系统具有可扩展性。     

基于Web日志挖掘的Markov预测模型及算法研究

通过Web日志挖掘技术可分析用户访问模式,从而为客户提供智能化、个性化服务。马尔可夫(Markov)模型的链式结构简便易行,适合作为一个预测模型来预测用户的页面访问模式。就此对Markov预测模型进行深入研究,描述了其实现算法,并结合实例对混合Markov预测模型方法进行了验证。     

基于隐马尔科夫模型的上下文感知活动计算

为了推理移动用户在智能空间的活动，提出了基于隐马尔科夫模型的上下文感知活动计算．首先按照上下文的定义，采用元组方法表示移动用户和智能空间，然后根据活动理论基本构成元素和面向客体活动原理来描述用户活动和智能空间的状态变化，最后引用隐马尔科夫模型建立起用户活动与智能空间状态变化之间的联系，从而实现活动计算．该模型可以完整地描述活动分解为动作的过程，还可以根据每种活动的动作链标记用户活动数据，却不需要用户直接参与数据的标记．将该模型的动作状态数与上下文感知经验采样工具（ESM）的动作状态数进行比较，结果表明该模型的平均活动识别准确度比ESM高25％．     

使用兴趣子网划分算法对Gnutella中资源定位机制的改进

Gnutella是一种对等网络文件共享应用，使用“洪泛”算法进行资源定位，具有简单、容错的特点，但扩展性差．提出一种基于兴趣本体模型对用户兴趣进行建模，通过将具有相似兴趣的节点建立直接连接构成兴趣子网，从而有效地避免在Gnutella中使用广播扩散方式进行资源定位，以提高Gnutella的可扩展性和内容定位性能．仿真实验证明了兴趣子网模型是有效的。     

用动态贝叶斯网络构建协同过滤推荐的新方法

提出了一种基于动态贝叶斯网络的隐马尔可夫协同过滤推荐的新方法。基于隐马尔可夫模型的协同过滤方法模拟用户在浏览网页时的行为,根据用户浏览网页时的行为建立最近邻集合。在基于隐马尔可夫协同过滤推荐技术的基础上,构造基于DBN的推荐模型。当有新类型的数据加入时,用此模型来更新推荐模型。实验表明,此方法具有较高的推荐质量。     

基于一种新型马尔科夫模型的预测蛋白质亚细胞位点的方法

亚细胞位点是蛋白质很重要的功能特征.找到一种有效的、可信度高的预测蛋白质位点的方法是很必要的.提出了一种基于马尔科夫模型的改进预测方法.首先,对于一条给定的蛋白质序列,通过计算在马尔科夫模型下20个氨基酸残基的状态转移矩阵,建立一个420维的特征向量,然后利用支持向量机进行训练和预测,最后夹克刀检验证实了该方法的预测精度与以前的马尔科夫模型相比得到了一定的提高.     

基于隐马尔科夫模型的浏览路径预测

基于马尔科夫模型的浏览路径预测，仅仅从用户的浏览会话本身出发来预测用户下一步的链接，并不能捕获用户的真正兴趣所在。运用隐马尔科夫模型来分析用户浏览网页的内容，可进一步捕获用户的浏览兴趣，并作下一步的链接预测。当浏览序列长度逐渐增加，系统捕获的用户浏览信息越来越多，此时能够折射出用户的兴趣所在，预测准确率也逐步增加。当浏览序列长度大于或等于8时，预测准确率已经到达80％，提高了预测准确率。     

基于马尔可夫链的高校报考人数预测

生活中大部分的预测方法都是在大量连续不断的历史资料基础上预测的,而利用马尔可夫链方法只需要近期的资料就可以很好的预测未来。所以,其应用比较广泛,可以应用在经济、社会、计算机应用、天气等方面。根据马尔可夫链的特点,通过建立学校报考人数的数学模型来对学校报考人数进行预测。     

基于加权马尔可夫链的六安市汛期降水预测研究

采用样本均值-标准差方法将六安市1960~2007年汛期降水量分成5级,利用加权马尔可夫链预测方法对六安市未来年份汛期降水状态进行预测并运用马尔可夫链性质得到了各降水状态发生的极限概率。结果表明,这种预测方法客观、准确、简便,是区域降水量中短期预测的科学有效的新途径。六安市汛期干旱和雨涝年份出现的概率大体相当,偏涝年份出现的概率明显大于偏旱年份,重现期短于后者。