一种资源与服务性能关系的建模方法

获取资源与服务性能的关系模型是在云环境中为服务合理分配虚拟资源的关键.然而,训练数据的规模往往显著影响这种非线性关系模型的准确率.针对现有方法不足,提出了将协同过滤推荐(CFR)和支持向量回归(SVR)相结合的服务性能动态建模方法(CSDM).该方法在服务部署与运行时同时训练两种模型,并选择二者中MAE占优的性能模型预测给定资源状态下的服务性能,从而保证预测精度.同时,CSDM引入择优阈值以降低模型训练代价.实验表明,CSDM在不同规模的训练数据上均有较高的预测准确率,且择优阈值对预测精度和建模效率具有显著影响.     

口头传统的电子媒介化——以温州鼓词的当代传承为个案

在当下,电子媒介已成为口头传统"朝向当下"研究中不可忽视的视域。作为地方标志性口头传统,温州鼓词自20世纪中期以来经历了广播、录音带和VCD的传播过程,形成了不同特征的口头表演形态。电子媒介已成为现代口头传统重要的传播载体,并作为内在的建构力量形塑了口头传统的多样形态,展现了当代口头传统的多重面向,也丰富了口头传统的传承形式。当下口头传统的研究应该探求电子媒介对口头传统传承方式和传统形态的革新,全面呈现当代口头传统的传承生态。     

口头传统作为抵抗策略:恩古吉早期三部曲对殖民主义的批判

口头传统作为非洲文化的特色,受到很多非洲作家的重视。肯尼亚作家恩古吉·瓦·提安哥将口头传统如神话、传奇、歌曲和谚语等融入自己的早期三部曲创作中,既体现了他非洲作家的地域身份,也是其对殖民主义乃至新殖民主义的抵抗策略。恩古吉希望在作品中借对口头传统的回忆和运用,唤起肯尼亚人民共同的族群记忆,建立民族的历史认同感,从而团结一致反抗殖民者的统治,减少肯尼亚独立后依然存在的种族矛盾与纷争。     

基于构建软件功能描述的可复用软件检索方法

软件复用技术能够有效降低新软件产品开发的时间、人力和成本.在软件复用中，基于待开发软件的基本描述与简单需求，如何衡量已有软件的可复用性并对大量已有软件进行快速、自动的可复用性评估，已成为首要解决的问题.目前已有较多评价软件产品或软件项目相似度的研究工作，但相似性并不等于可复用性.因此，该文通过调研软件产品可复用性的相关研究，定义了一套适用于开源软件仓库中软件项目的可复用性评价指标，并设计了基于待开发软件项目的基本需求快速查询可复用软件项目的算法，实现了可复用软件项目检索系统.通过实验及专家对检索结果的评价，验证了所提描述方法的高效性和可用性.     

《少儿科技》连续11年入选农家书屋重点报刊推荐目录

“农家书屋”工程是党中央、国务院确定的公共文化惠民工程之一,从2007年开始在全国范围内实施。每年,国家新闻岀版署会印发农家书屋重点出版物推荐目录,以促进农家书屋出版物配备工作。自2009年以来,本刊己连续11年选该目录。     

基于权重调节和用户偏好的协同过滤算法

针对传统相似度计算方法只利用用户的评分信息这一显性反馈行为进行推荐, 导致推荐效果不理想的问题, 提出一种新的相似度计算方法, 通过引入权重调节机制及用户行为偏好等隐性反馈信息, 提升推荐的准确度. 首先, 根据负采样的反用户频率, 降低流行物品全局软件工程的影响程度, 并使用共同评分行为的最小权重, 调节因共同评分数过少而导致的推荐准确度偏差. 其次, 提出项目偏好词定义, 根据项目偏好词矩阵计算出在项目特征上具有共同偏好的用户. 最后, 在MovieLens数据集上进行实验对比分析, 实验结果表明, 改进后的相似度计算有较优的MAE值, 且有更高的推荐准确性.     

算法推荐技术的逻辑"陷阱"及规避

介绍了算法和算法推荐技术的逻辑.作为数据和人工智能的节点,算法推荐技术在智媒时代的信息传播中,是一种用户权力的让渡和技术的赋权.由于"把关人"缺失和媒介追求流量、利润的导向,在信息筛选、匹配、分发、推送中存在数据滥用、侵犯隐私、信息泄露、技术黑箱、信息茧房等伦理失范问题和"陷阱".提出需从法律规范、技术监管、多元推送等方面入手,在效率效益与公正责任两者之间找到平衡点,消解、规避算法推荐产生的不良影响.     

基于序列特征的点击率预测模型

点击率预测模型是主流推荐系统中十分重要的部分.根据点击率预测的打分来调整商品的展示策略,对提高业务的转化率、改进用户体验等有着重要的意义.传统的点击率预测模型是利用用户特征和商品特征,对点击率进行预测.然而,用户行为序列的结构特征,如周期性规律、趋势等也能一定程度地体现用户行为的倾向.针对部分信息利用上的空缺,使用时间序列分析单元,将提取用户行为序列的特征作为用户特征的扩展,结合因子分解机结构将其与用户、商品特征进行交叉,能够有效提高特征质量,优化点击率预测模型的性能.实验表明,结合用户行为序列特征进行交叉优化的方法能够对点击率预测模型的表现带来很大提升,提高点击率预测的精度.