异构文本数据转换中XML解析方法对比研究

对异构文本数据转换过程中解析XML文本的DOM、SAX、JDOM、DOM4J方法进行对比研究,以解析时间、内存堆占用空间、CPU占用率为评价指标来判定4种解析方法的优劣。该评价方法的优势在于当数据量或数据属性发生变化时,4种解析方法对评价结果的影响仍具有良好的区分度。通过对10份Web日志异构文本数据转换后的XML数据集进行比较,实验结果表明,当数据量增大且以解析时间为重点时,DOM4J解析方法优于其他3种解析方法,当以空间占用为重点时,SAX解析方法优于其他3种解析方法。

移动环境下基于情境感知的个性化影视推荐算法研究

针对在移动环境下使用传统推荐算法进行个性化影视推荐时存在的准确度不高的问题,提出了一种基于情境感知的矩阵分解算法。该算法在基本矩阵分解算法的基础上,通过融入全局偏置和情境偏置来进行未知评分预测。该算法的优势在于:一方面,使用矩阵分解的方式使得矩阵的规模远远小于原始评分矩阵;另一方面,该算法充分融入了情境要素对评分的影响,使得预测评分更加精准。通过在LDOS-CoMoDa数据集上进行实验,结果表明,该算法在准确度上优于基于用户的协同过滤算法、基本矩阵分解算法和baseline预测算法。