信息过滤技术及Visual J++实现

信息过滤技术的目的是滤除信息垃圾、建立主动服务机制.论述了信息过滤技术中的原及其实现方法.采用话题为基本单位,分析了信息的特征,建立的用户兴趣模型;根据用户反馈来动态地了解用户的兴趣变化,提出了潜在语义标引的过滤算法,并依据用户设定的不良信息库更有效地过滤出用户所需要的信息.利用Visual J++(VJ)实现了信息过滤软件基本功能,实验证明上述过滤算法的有效性.最后给出了在信息过滤技术中正在研究的几个问题.     

基于情境聚类和用户评级的协同过滤推荐模型

协同过滤是电子商务推荐系统中广泛应用的推荐技术, 但面临着严重的用户评分数据高维化和稀疏性问题. 同时, 传统协同过滤中的相似度度量方法没有考虑用户评分行为对其他用户的影响, 因而对评分预测的精度影响较大. 此外, 在移动环境下, 传统协同过滤未结合情境信息, 导致推荐质量下降. 对此, 提出一种基于情境聚类和用户评级的协同过滤模型. 首先, 根据情境信息对用户进行聚类, 降低用户评分数据维度和稀疏性; 然后, 引入社会网络理论分析用户间关系, 建立用户评级模型用于评价用户推荐能力, 并结合评级指标进行评分预测. 通过MovieLens和NetFlix数据集对基于该模型的SlopeOne算法和其它三种方法的比较验证结果表明: 本模型在所有数据集上都获得了最高的预测精度, 同时还具有最佳的推荐覆盖度, 可显著提高预测精度, 更适用于移动电子商务环境下的个性化推荐问题.     

基于向量空间模型文本过滤算法

文本过滤是指从大量的文本中寻找满足用户需求的文本的过程.本文详细地论述了基于向量空间模型的文本过滤算法,该算法由训练和自适应过滤两个阶段组成,在训练阶段,通过主题处理和特征抽取建立初始的过滤模板,设置初始阈值;在过滤阶段,则根据用户的反馈信息自适应地调整模板和阈值,以获得最佳的过滤性能.     

基于PCA-SOM的混合协同过滤模型

针对推荐系统中协同过滤技术面临的数据稀疏性和推荐实时性难以保证的问题,提出一种基于主成分分析(Principle component analysis)和SOM(Self-organizing map)聚类的混合协同过滤模型.首先对原始评分数据进行全局降维,并在转换后的主成分空间上进行用户聚类,缩小了目标用户的最近邻搜索空间,减少了在线计算时间复杂度,最后对真实的电子政务门户网站Log日志数据进行了几种常用的推荐算法的比较,实验结果证明新的推荐模型具有较好的预测精度.     

基于用户兴趣的混合推荐模型

从用户特征描述出发,分析用户兴趣模型的表达机制,提出一种基于用户兴趣的混合模式推荐方法.该方法将内容过滤和协同过滤的预测值进行加权求和,形成最终的综合相似度.实验结果表明,该方法的性能同时优于基于用户协同过滤的推荐方法和基于内容过滤的推荐方法,推荐系统的推荐质量得到显著提高.     

基于情境化用户偏好的协同过滤推荐模型

协同过滤推荐是目前个性化推荐系统中使用最为广泛的方法.然而,传统协同过滤推荐一方面仅根据用户对项目的评分来判断用户之间是否存在共同喜好具有一定的片面性,因而降低了近邻搜索的质量;另一方面忽略了不同情境对用户偏好影响的差异性,进而影响了个性化推荐的效果.为此,提出一种基于情境化用户偏好的协同过滤推荐模型.首先,在模型中采用信息熵理论分析不同情境对用户偏好产生影响的重要程度,并结合用户-商品评分和用户对商品属性的偏好来搜索近邻用户;在此基础上,将情境重要度的权重引入到协同过滤推荐的生成过程中进而产生推荐结果.通过MovieLens数据集对该模型和其它两种协同过滤推荐进行比较的结果表明:本模型具有较低的平均误差,进而表明了考虑情境化用户偏好的协同过滤可明显改善个性化推荐的质量.     

基于信息传播理论的微博协同过滤推荐模型

高速发展的微博带来信息富余,也带来了信息过载,不断新增的非结构化微博文本内容和复杂的社会网络关系导致个性化推荐难以实施.针对微博网站特征,提出一种基于信息传播模拟的协同过滤推荐模型并给出推荐框架图,解决推荐的数据稀疏性和冷启动问题.首先,通过自然语言处理技术处理非结构化文本内容,获取关键词为推荐对象,构建用户-关键词偏好模型;然后,采用一阶马尔可夫随机游走模拟用户偏好在社会网络中的传播过程,得到用户-关键词偏好矩阵.实验使用来自新浪微博的数据集,采用平均绝对误差、准确率和召回率三个指标评价推荐模型,并与基准模型进行对比.实验结果表明,因整合了社会网络结构信息,基于信息传播的协同过滤推荐模型的效率比基准模型有明显提高.     

基于用户兴趣变化和社会化标注信息的协同过滤推荐方法

随着Web 2.0技术的发展和推广,社会化标注系统为用户提供了有效表达自我和抒发感情的机会。针对社会化标签的特征,本文提出了一种考虑用户兴趣变化和用户标注信息的协同过滤推荐方法。首先,基于用户的历史记录信息构建了用户原始数据模型;然后将基于艾宾浩斯遗忘曲线的遗忘函数引入原始数据模型构建了用户兴趣模型,其中,利用融合时间权重的文本挖掘技术TF-IDF建立了基于项目类别标签的用户兴趣模型,综合标注标签加权频数和用户评分构建了基于标注标签的用户兴趣模型,融合时间权重和项目评分构建了基于评分的用户兴趣模型;进一步,基于用户兴趣模型并利用余弦相似性以及改进的Pcarson相关系数可计算融合用户评分和标签的用户兴趣相似度,根据用户兴趣相似度可为目标用户构建近邻集合从而生成推荐。实验结果表明,本文所提方法可以较好的考虑到用户的兴趣变化以及用户对标注标签的偏好,并通过对比实验证实该方法比传统的协同过滤方法推荐质量更高。     

多导弹发射单元HLA仿真系统中数据分发管理的应用

根据基于HLA的多导弹发射单元分布式仿真系统中数据分发和过滤的具体需求,在对HLA中数据分发管理策略深入研究的基础上,文章提出了多层次区域面序列和多层次路径空间序列的数据分发管理方案.通过在路径空间中创建平行的区域面序列和在空间中创建平行的二维路径空问序列,实现多导弹发射单元分布式仿真系统中数据信息的分类、分层次分发过滤,同时采用措施优化区域匹配、减少组播组分配,进一步提高数据分发的效率.仿真结果证明了方案的有效性.     

面向协同过滤的真实偏好高斯混合模型

针对协同过滤问题,提出了一种基于高斯混合的概率模型,称为真实偏好高斯混合模型.用户对项目的评分由三个因素决定:用户对项目主题和内容的真实偏好,用户的评分习惯,以及项目的公众评价.引入了两个隐含变量,分别用于描述用户类和项目类,用户和项目依概率可以同时属于多个类.模型包括离线建模过程和在线预测过程,在线预测可以在常数时间内完成.实验表明新模型的预测结果明显优于其他几种协同过滤算法.     

一种空间信息融合的D-S算法研究

多传感器信息融合技术已获得了普遍的关注和广泛的应用,其理论和方法已成为智能信息处理的一个重要领域,证据理论是主要的技术之一。在目标识别系统中,为了获得可靠的识别结果需要考虑时间和空间的融合问题。从多传感器信息的时间域和空间域的融合出发,提出了在目标识别中多传感器信息的时空两级融合模型,以及基于证据理论的信息融合算法。仿真结果表明,该模型和算法具有方法简单、运算量小、可靠等优点,具有一定的理论意义和使用价值。     

信息系统工程监理机制研究

讨论了信息系统建设中工程监理机制的概念及必要性,分析了用户方、开发方和监理方的职能及组织关系。在此基础上提出了信息系统工程监理的主要内容,即从对现行管理体制的认知;信息系统开发策略制定;系统分析;系统设计;系统实现及运行维护;监理组织和监理人员等方面进行了研究。该研究对信息系统建设具有一定的理论指导意义。     

基于Agent的Web网信息传播仿真模型

web网上的信息传播是社会复杂网络与信息复杂网络相互作用的结果。分析了web网和网民社会关系的结构特征,定义了信息价值时变函数,将网民基本行为归纳为读、写、评、传四类。基于多Agent建模方法建立web网信息传播仿真模型,用BA算法生成虚拟信息环境,采用WS模型刻画虚拟社会关系;定义了网民Agent的属性和行为规则,以及网民和网站的交互规则。设计了相关算法,实现了仿真模型,仿真结果表明该模型能够较好地模拟常态下的网络信息传播规律。

Abstract：

Information diffusion on the worldwide web results from the interactions between social network and information network.The structural characteristic of Worldwide Web and users＇ social network was analyzed,the time-dependent function of information value was defined,and users＇ basic behavior was classified into read,write,review and propagate.An agent-based model of information diffusion on the web was built,the virtual information environment was generated by BA algorithm,and the virtual social network was depicted with WS algorithm.The property of agents,the behavior rules of users,and the interaction rules between user and web site were described.All the related algorithms were designed and the simulation model was implemented.The results show that some information diffusion rules in normal situation can be reproduced.     

网络信息传播动力学建模研究

对网络传播机理建模是利用或控制网络传播的基础。网络信息传播系统具有复杂的动力学特征,其中的个体行为具有适应性。采用社会物理学研究思路,借鉴物理学振动传播的概念,对网络传播系统中各动力学因子进行了类比定义。根据动力学因子对网民传播行为的影响机理,建立具有随机性和适应性的网民信息传播微观动力学模型,使微观个体行为与宏观的系统状态关联起来。在此基础上构建仿真模型,通过仿真实验分析了网络传播系统S型函数的非线性演化特征,为类似系统的建模提供了新思路。

Abstract：

Modeling the mechanism of information diffusion is the basis of network diffusion utilizing and controlling. The diffusion of information on the Internet is with dynamical complexity, and the individual behavior is adaptive. Adopting the thinking in social physics, the dynamic factors in the information diffusion system on the analog of the spread of vibration in physics was defined. Then the microscopic dynamic model of net user’s randomicity and adaptability behavior was quantitatively built based on the mechanism of dynamic factor taking effect on the behavior of net users. In this way, the microscopic behavior was associated with system evolution at macro level. Simulation software was developed based on those models. The S_shape nonlinear evolution characteristics of information diffusion on the Internet with computing experiments were analyzed. This solution may be used in modeling similar systems.     

一种Web信息的三级发布体系结构

提出了一种WWW信息的三级发布体系结构,用于大规模用户共享海量信息。它通过信息的三级发布和数据冗余存储将有用信息及时送给用户,使用户获取网上信息的方式由传统的访问远程静态数据库变为访问动态数据流,并从动态数据流中选择符合用户个性化需求的数据下载到本地机中,供用户离线浏览,从而极大地提高了响应速度。该体系结构具有较高的可伸缩性,可节省网络带宽、减轻服务器负载。     

协同过滤推荐算法研究: 考虑在线评论情感倾向

协同过滤推荐算法通常是基于兴趣相似的用户行为来实现个性化推荐, 其核心义用户之间的兴趣相似度. 本文在传统的协同过滤推荐算法基础上, 考虑在线评论对用似度识别的影响. 在混合商品推荐中, 粗粒度识别评论情感极性; 而在同类商品推荐中, 细粒别每个商品特征的情感极性. 如果用户对产品的某个特征评价次数大于平均次数, 表明用户对征较关注; 如果对产品的某个特征评价低于平均评价, 表明用户对该特征较挑剔. 进而根据用户评论来建立用户偏好模型, 用户在评论中反映出来的相似度越高, 表明用户之间的偏好越. 实验表明, 同传统的协同过滤算法相比, 基于在线评论情感分析的用户协同过滤算法在率和召回率指标上有显著提升.     

Power allocation for MIMO-OFDM systems with multi-user decoupling and scheduling

1 .INTRODUCTIONRecentinformation-theoretic results haveshownthat multi-ple-input multiple-output ( MI MO) channels have a greatpotential to i mprove spectral efficiency in rich scatteringwireless channels[1 ,2].Si multaneously,orthogonal frequen-cy division multiplexing (OFDM) has gained anincreasinginterest as a promisingalternativeforfuture highrate wide-band wireless systems because of its lowcomplexity signalprocessingto counteract frequency selectivity. The combi-nationof MI MOsy…