Google浏览器如何经营中国市场——百度、UC、360、QQ浏览器为什么让人感觉比Chrome好

Google浏览器技术具有创新性,不仅满足了Google的企业的发展需求,也符合广大用户的信息要求,但是如何进入中国市场,是个值得深思的问题。     

基于用户相对权重的在线社交网络舆情传播控制模型

在线社交网络(online social networks,OSN)中舆情传播干预时机的选择对网络舆情的管控具有重要意义.通过分析用户的网络地位、社会强化效应与用户感知价值等影响网络舆情传播控制的关键因素,以研究舆情管控的合理干预时机为目的,构建了基于用户相对权重的网络舆情传播控制模型.基于该模型,针对两类OSN开展仿真研究.研究发现,网络舆情传播与信息初始传播源的网络地位密切相关;在开放式OSN中,存在与干预时机选择关系密切的关键相变点;用户活跃度随社会强化效应强度的增大而下降,随干预时机的提前而降低,并存在有效干预时机区间;"悖民意"成本是干预时机选择的重要衡量指标.并据此,提出了相应现实干预时机选择的对策建议.     

多版本视频点播流媒体服务器集群资源分配方法

针对大规模移动学习应用背景下流媒体服务器集群资源分配过量或不均的问题,提出了一种面向移动学习系统的多版本视频点播流媒体服务器集群资源分配方法。该方法通过用户历史点播行为日志分析,挖掘在不同终端环境下用户点播行为的特征和规律,在此基础之上,采用排队论理论进行多版本视频点播中流媒体服务器集群资源分配建模,并通过实时预测用户请求到达率的变化情况,动态调整资源的分配,从而实现了集群资源的动态配置。实验结果表明,所提方法的平均服务拒绝率和资源利用率分别在1%和80%左右,既保证了用户体验满意度,又降低了系统服务成本。     

商用WiFi

<正>@淘丁集团苏斌:移动新入口!商用WiFi市场蓝海显现,打通线下促移动电商爆发。支付宝宣布与某供应商达成战略合作,计划推出一项免费WiFi计划,为线下商家提供商用WiFi产品和服务。与此同时,Google、小米、360、腾讯等互联网巨头都纷纷推出了自身的WiFi方案,寄希望于通过WiFi来获得线下的新入口和通道。(西安淘丁电子商务有限公司董事长兼CEO)     

音乐推荐系统中的用户冷启动问题

利用新用户使用音乐时的上下文环境信息来解决冷启动问题.当用户播放音乐时，提取用户当时场景的时间、天气、状态等信息，利用这些信息构建决策树分类模型.当新用户使用音乐推荐系统时，提取当前情景的上下文信息，根据决策树分支和上下文信息判断新用户的兴趣，向新用户推荐音乐.实验结果表明，当采用上下文相关音乐推荐算法，推荐数目不超过6项时，新用户对推荐结果的满意度超过TopN算法.     

基于VERICUT的用户宏程序校验与加工

用户在编写好宏程序后,通常都要进行程序调试、首件试切并观察加工效果,但传统的方法只能在数控机床上进行,占用机床时间长,效率低。本文利用VERICUT软件对矩形倒R面加工进行了宏程序的校验,并通过实际加工与仿真加工进行比较,取得了良好的效果。     

基于水军信任惩罚的多维用户影响力度量模型

社交网络用户影响力度量是意见领袖识别的必要前提,然而目前的度量模型忽略了多维影响因素以及水军群体对度量模型真实性的影响.为此本文从网络结构、交互行为和交互信息三个维度来分析整合相关的影响因素,基于LeaderRank模型构建多维用户影响力度量-MUI模型,并在水军识别的基础上构建信任惩罚模型,以修正MUI模型建立MUISTP模型,实现社交网络用户影响力的真实性度量.以新浪微博平台大规模实际数据进行实验分析结果表明,与FBI,LeaderRank和Generative Graphical模型相比,MUI模型识别出的意见领袖更为准确,且可以实现更为有效的信息扩散.此外,经过水军信任惩罚后MUISTP模型较MUI能够实现更为有效的意见领袖识别.     

浅谈短距离线路保护越级跳闸引起的事故分析

针对短距离供电的工业用户,在变电所出线断路器和用户侧断路器保护整定上失去选择性,根据规定要求,变电所出线断路器保护速动段可以设置短延时。但由于用户对设备的运行维护不到位,常发生用户侧故障越级至变电所断路器跳闸的情况,对电网造成的冲击损失较大。对此类事件进行分析后,根据用户性质来整定保护,可以有效减少用户故障造成的损失。     

Today,你团了吗?

今天,你团了吗?已经成为潮人们的口头禅。仅仅几年的时间,一个默默无闻的美国网站——Groupon的身价飙升到了13.5亿美元!继Youtube、Facebook、Twitter之后,又一个互联网创业神话就此诞生,而它的成功     

基于AHP的云环境用户行为信任评估研究

随着云环境下用户的异常行为日益增多,身份认证技术无法完全阻止风险用户对资源的非法访问。而对用户行为进行分析和评估,根据行为信任判定用户信任度成为当前云安全研究的热点之一。通过用户的行为证据,提出一种基于AHP分析法的行为信任评估方法,以风险用户运行威胁程序次数和扫描服务器端口次数为例,仿真用户信任度变化情况。实验证明,基于AHP的行为信任评估方法可有效计算用户行为信任值,降低风险用户信任度,提高云环境安全水平。