面向电子商务的P2P发布/订阅系统

当前的电子商务(E-commerce)大多采用传统的B/S结构,同时向用户提供站内的搜索引擎,但事实上电子商务的资源很多时候是分散并且动态的,因此造成了网络拥堵、可靠性低和使用不便等问题。针对上述问题,提出将电子商务迁移到P2P网络环境下,并使用发布/订阅系统代替搜索引擎,以适应网络资源分散和动态的特点。在现有的发布/订阅系统中融入基于内容的多权值过滤算法,提高了系统的性能和信息反馈准确率。数值实验表明:改进的系统将使商业模式更加人性化,网络负载更加平衡,具有更强的鲁棒性。     

内容发布订阅系统的路由优化和负载均衡技术

研究在非均匀数据分布情况下的负载均衡和大规模系统中的事件路由效率问题.使用K-D树划分结构实现了内容发布/订阅系统的静态负载均衡.在此基础上,利用K-D树的索引机制,实现了系统事件代理之间的分层路由机制,将路由效率提高到O(lnN).基于区域匹配和路由2种负载特征,采用区域分裂和复制方法实现代理之间的负载调度.通过转移加入和动态探测的方法解决了动态负载均衡问题.性能分析和仿真实验表明,上述方法解决了基于事件空间划分的内容发布/订阅系统的高效路由和负载均衡问题.     

基于消息侦听的高效快速发布/订阅路由算法

针对MANET环境中密度驱动的发布/订阅路由算法在相邻Hill间转发消息过程中存在较大时延和冗余控制开销问题,提出一种消息侦听的高效快速发布/订阅路由算法(FEPML).该算法通过边缘节点侦听机制,快速构建相邻Hill之间的双向传输路径,提高内容匹配的效率;利用心跳消息转发时的捎带信息,避免向边缘状态的Hill转发消息,减少绕路;同时压缩消息头部字段,减少冗余开销.仿真结果显示:与现有的典型相关算法相比,FEPML可以有效地降低数据传输开销,快速实现发布消息和订阅节点的匹配,降低平均端到端时延.     

基于XML的发布/订阅系统的评测算法研究

提出了在XML数据流上有效评测XPath订阅的技术和方法。根据XPath层次结构的语义特征, 设计了基于非确定有限状态自动机的动态索引结构, 使得具有相同前缀的XPath查询可以共享存储索引的空间和共享查找索引的计算。基于栈的新评测算法设计了高速缓存软件预取技术, 以处理评测过程中频繁出现的cache缺项问题。系统取得了很高的性能, 通过全面的实验表明, 系统可以有效处理超过百万以上XPath查询的负载量。     

基于贝叶斯网络和用户行为日志挖掘的行为信任研究

深入研究信任管理和行为信任的模型及方法,设计基于贝叶斯网络的信任预测和控制算法,综合利用聚类和分布密度函数设置算法参数,建立可量化的证据与信任等级之间的对应关系,算法可预测多属性下的行为信任等级.深入IIS和.Net底层实现可配置的信任管理插件,形成用户行为日志,为预测和控制算法提供证据, 免除了一般Web日志的清洗工作.实验数据表明算法的应用提高了服务器各项性能,并约束了用户的商业行为.     

基于内容的发布/订阅模糊匹配路由过滤器

基于模糊匹配的优化思想,设计基于内容的发布／订阅模糊匹配路由过滤器,对基于覆盖路由的模糊匹配过滤器的构造原理、模糊函数的构造和匹配规则、属性的隶属度函数和匹配阀值进行研究,并给出模糊匹配过滤器的算法描述和实验结果。研究结果表明:采用模糊匹配算法对属性进行过滤,可以快速找到符合订阅要求的发布事件消息,有效地提高系统性能。     

基于用户行为的公共图书馆移动信息服务设计

当前多数公共图书馆的移动信息服务水平不高。文章综合全国范围移动用户调查报告,分析了移动用户的媒介选择与信息获取行为倾向,以及公共图书馆移动信息服务对应的人群分布特征;提出了公共图书馆移动信息服务应嵌入到大众的日常生活情境,尊重、适应和引导其信息获取行为;给出了信息查询、资源呈现和服务协作等的服务设计策略。     

基于行为采集系统的用户特征挖掘及分析

结合用户行为时间序列和操作频次,融合FP-GROWTH算法设计了用户特征挖掘算法,建立网络形式的用户行为特征表达方法,设计了相应的用户行为采集系统,给出了相应的设计框架和存储结构。并以高校学生为研究对象采集了相应的数据对系统进行测试,实验结果表明该系统可以捕捉和分析用户行为,并对用户的习惯行为进行表达,进而揭示用户的行为习惯。     

云环境下基于贝叶斯网络的用户操作文档的行为预测

通过收集、整理、分析云环境下用户操作文档行为的记录,建立用户操作文档行为模型,使用贝叶斯网络结构学习算法推理计算出文档操作的潜在风险系数。实验结果表明,贝叶斯网络能够有效地预测用户操作文档的风险,为云环境中文档的安全提供了一种预警机制,提高了文档的安全性。     

基于内容发布/订阅系统中的事件匹配和路由算法

基于内容的发布/订阅是一种新型的通信方式。在这样的系统中,事件通知的发布者不必给消息明确的目的地址,消息的目的地址由匹配订阅者申明的选择谓词的消息内容确定。因此,订阅与事件的匹配,路由成为基于内容发布订阅系统中面临的关键问题。详细分析了几个有影响的基于内容发布/订阅系统原型中使用的事件匹配和路由算法,和算法的特点和适用范围     

一种基于移动代理的数据交换模型

传统的消息中间件和WebService技术虽然提供了跨平台数据访问能力,但是不能满足数据交换对可靠性、实时性的需求。分析了移动代理适配器在单域及跨域数据交换过程中的模型框架,提出了一种基于移动代理的数据交换模型。仿真结果表明,新的交换机制与RPC技术比较,在响应时间、带宽利用方面具有明显的优越性。     

基于用户移动行为相似性聚类的Markov位置预测

由于采集点丢失或出现新用户等原因,GPS轨迹数据往往具有稀疏性,使得基于单个用户数据的位置预测准确率较低.针对这种情况,提出了基于移动行为相似性和用户聚类的Markov位置预测方法.首先,基于Voronoi图和原始GPS轨迹进行区域划分,位置预测基于区域轨迹进行;其次,提出了同时考虑用户转移特性和用户区域特性的移动行为相似性计算方法;再次,根据移动行为相似性对用户进行聚类,并在聚类的用户组上采用一阶Markov模型进行位置预测,提高了位置预测的准确性.真实GPS轨迹数据上的实验表明了所提出方法的有效性.     

基于多Agent搜索行为分析的用户兴趣模型

为解决传统搜索引擎个性化的局限性问题,在研究用户感兴趣搜索引擎现状基础上,通过多Agent较全面记录、分析用户搜索的行为,提出了一种新的综合用户搜索行为,构建用户感兴趣搜索引擎研究框架--基于多Agent搜索行为分析的用户兴趣模型。研究结果表明,依据用户搜索行为构建用户兴趣模型,使搜索引擎返回结果更贴近用户需求。满足用户个性化服务,提高了信息搜索的查全率和查准率。     

基于二次组合的特征工程与XGBoost模型的用户行为预测

特征构造的难题在数据挖掘过程中一直存在,传统固化的特征工程对于业务场景千变万化的数据挖掘任务所带来的效益十分有限,因此解决特征工程的特征构造问题已经成为数据挖掘的瓶颈之一;尤其在机器学习算法快速发展的情况下,特征逐渐成为模型中急需重视的部分。基于电商平台的用户行为数据,在原有特征群的基础上提出了二次组合统计特征的构建方法。利用二次交叉衍生出丰富而又切合业务场景的特征群,同时结合两种滑动窗口的方法,分别是定长滑动窗口获取更多的训练样本,变长滑动窗口获取具有时间权重的训练特征,以此来最大限度地还原出用户真实的行为习惯。最后,使用不同的特征组合结合降维的方法建立对照检验模型;并利用线性的逻辑回归模型、线性支持向量机以及树模型极端随机森林与XGBoost对模型进行交叉验证。结果表明,组合特征在树模型的算法中得到了非常好的表达效果;而且无论在线性模型还是树模型中衍生特征群模型的F1值都优于基础特征群。     

基于贝叶斯分析的阶段性自主体育锻炼行为预测

为了提高阶段性自主体育锻炼行为分析和判断能力,提出基于贝叶斯分析的阶段性自主体育锻炼行为预测方法。构建阶段性自主体育锻炼行为预测的统计时间序列分析模型,采用大数据特征检测方法进行体育锻炼行为大数据挖掘和特征提取,基于贝叶斯分析预测思想进行行为统计特征序列的有序聚类,结合模糊C均值聚类分析方法进行体育锻炼行为预测过程中的信息聚类和属性归并,提取统计时间序列的关联规则特征量,在加权马尔可夫链中实现对阶段性自主体育锻炼行为量的准确预测。仿真结果表明,采用该方法进行阶段性自主体育锻炼行为预测的准确性较高,提高了自主体育锻炼行为的量化分析能力。     

基于门户网站的信息发布管理系统研究

针对门户网站信息发布存在的问题,对某门户网站信息发布管理系统的文档管理、内容审核和监管、CP／SP管理等模块进行了重新设计,并给出了该系统的实现方案,实现网站各种资源的统一管理,以及网站各个频道信息加载和审核的集中控制。     

基于用户行为的数据关联关系获取方法

在对数据空间领域的研究中，对数据资源之间关联关系的研究逐渐成为一个研究热点.目前数据关系的研究主要集中在基于数据自身属性方面，基于此建立的数据关联关系没有考虑到用户对其产生的作用，所以在对数据管理、组织以及应用数据服务的过程中很难体现出用户的意愿.为此，提出一种基于用户行为的数据关联获取方法，通过对用户历史行为进行R/S分析，以判断用户行为是否为用户的有意识访问；并在此基础上对用户行为序列进行模式挖掘，得到用户行为模式，最终将行为模式包含的数据通过iTrail的形式建立数据关联关系.实验证明，采用本文方法可以取得较好的效果.