名人网页相关度评价的概率模型研究

以名人网页语料库为基础,研究名人网页的个性化检索设计,实现了名人网页相关度评价的概率模型．从模型的训练策略、相关度计算公式等方面进行实验分析,总结了概率模型的规律,提出了模型的改进方法．实验表明,通过选择合适的训练集、细化用户反馈信息,模型取得了较高的相关度评价准确率．     

支持叛逆者追踪的权重属性基加密方案

针对恶意用户出售私钥后难以被追责的问题,同时考虑到实际应用中用户属性存在重要程度不同的需求,提出一种支持叛逆者追踪的权重属性基加密方案,该方案将用户身份信息嵌入到用户的私钥中,从而追踪系统中泄露关键信息的恶意用户。另外将属性权重的思想引入该方案,将属性集通过属性集分割算法转化为属性权重的分割集,采用线性秘密共享实现访问控制,使其更贴近于实际环境。方案证明在q-BDHE(q-bilinear diffie-hellman exponent)假设下满足标准模型下选择明文攻击安全。与其他方案相比,该方案在通信代价和计算代价方面都有显著的提高,更加适用于移动终端设备在云计算中的应用。     

一种元搜索引擎的查询结果处理模型

为克服元搜索引擎查询速度慢、独立性差的缺点,设计了一个元搜索引擎的结果处理模型.在该模型中引入了一种4级结果集的结构,从而提高了元搜索引擎结果处理的效率.在结果提取部分提出了根据反馈信息自动调整权重的算法(FBWM),从而能够在没有人工干预的情况下自动监视各独立搜索引擎的性能变化,并随之动态调整其权重.在结果排序部分提出了改进的位置/全文排序法(IPFTS),在算法中引入了词条匹配等级的概念,提高了搜索结果和查询串的相关度的精度,保证了排名在前的搜索结果中链接地址的有效性.     

基于本体的信息过滤需求模型构造

在信息过滤系统中,由于缺乏语义模型作为支撑,基于关键词的用户需求模型难于准确地反映出用户的真实需求,成为影响过滤性能的主要瓶颈.提出了以本体构造用户需求模型的方法:采用领域相关度和领域一致度组合方法来确定查询关键词在特定领域的重要程度,建立查询关键词到本体概念的映射,然后利用本体的概念及属性构造用户需求模型.这种基于本体的用户需求模型构造方法能提高过滤系统性能.     

基于群决策的基础设施可持续性影响因素评价

针对基础设施可持续性影响因素复杂,传统的可持续性评价方法难以客观评估基础设施可持续性影响因素的权重,构建了基于关联度的多属性群决策模型,引入综合权重修正矩阵,从信息偏差、一致性和信息熵三个方面对可持续性影响因素权重进行优化,并以实际项目数据为依据,通过实证分析验证了模型的有效性.该评价模型的应用有助于提高基础设施可持续性评价的客观性.     

基于贝叶斯公式的信息反馈机制

提出了一种基于贝叶斯公式的信息反馈模型BIF.当系统拒绝用户对资源的访问时,BIF通过计算在当前的条件下改变某些访问条件的可能性,把用户的访问条件的替代方案限制到一个小而有用的集合,系统将具有最大可能性的选项反馈给用户.用户根据系统的反馈改变访问条件从而成功访问资源.BIF引入附加策略来保护敏感策略,在此过程中不会泄漏任何危及到系统安全和机密性的信息.实验证明,BIF模型在保护了系统敏感信息的同时,也提高了系统的可用性及访问成功的几率.     

基于词汇相关度模型的个性化信息检索算法

使用词汇之间的"相关度"来存储单个用户的个性化信息,提出了能够在用户进行检索的过程中利用用户偏好自动建立针对该用户的"词汇相关度网"的方法,以及3种不同的利用词汇相关度对底层搜索引擎所返回的结果进行重新评估并进行个性化排序的策略.在此基础上,提出了基于词汇相关度模型的个性化信息检索算法.设计了原型系统,对算法的相关性能进行了测试,结果显示,所提出的词汇相关度模型能正确存储和构造词汇之间的相关度,所提出的检索算法正确.     

住宅小区建筑设计方案评价的层次群决策方法

为了体现住宅小区特定用户或决策者的方案偏好对建筑设计方案评价的影响,建立了一类两层次多属性群决策模型.其中,专家评价层决策矩阵的获取体现了专家专业水平差异对决策的影响.用户评价层则采用不确定语言多属性决策方法来确定用户对方案的偏好.并建立了使2个决策层评价差异最小化的优化模型确定属性权重,该权重用于专家综合评价,充分考虑了用户方案偏好对决策的影响,结果表明模型能正确反映此类决策的实际情况.     

基于三角模糊数权重信息不完全的多属性决策方法

针对属性值为三角模糊数且权重信息不完全的多属性决策问题,提出了一种基于三角模糊数权重信息不完全的多属性决策方法.该方法首先利用权系数的不完全确定信息,建立关于各方案综合三角模糊数与理想解和负理想解的加权距离优化模型,通过求解优化模型得到各属性权重值,之后根据各方案到相对理想解的贴近度的大小进行排序.实例分析表明了该方法的有效性和可行性.     

基于粗糙集理论的火灾危险源风险评价权重确定

针对属性权重完全未知且属性值以专家经验给出的多属性决策问题,提出了利用属性重要度计算权重的分配方法.根据粗糙集中的相对正域概念,探讨了如何运用属性重要度确定各属性的权重.将权重确定问题转化为粗糙集中属性重要性评价问题,建立了关于风险评价的关系数据模型,经过属性值特征化建立了知识系统,在数据分析下通过分析评判方法对评价对象的支持度和重要性,计算出风险评价模型的权重.该方法克服了传统权重确定方法的主观性,使得风险评价方法更具客观性,从而提高了火灾危险源风险评价的精度,通过实例说明该方法更加有效合理.