基于会话嵌入的应用程序使用预测

如今,智能手机用户在他们的手机上安装了几十个甚至上百个应用程序。预测应用程序的使用不仅有助于手机系统加快应用程序的启动,也能够减少用户寻找所需应用程序的时间。关注一种新颖的基于会话的应用程序的使用预测问题,即预测一段时间内将使用的一系列应用程序,提出了一个基于会话的嵌入框架(简称SEM)。针对应用程序会话的可变长性与会话语义上的异构性,提出了一种会话嵌入方法,形成了统一的特征表示,缓解了用户稀疏性的问题,得到了会话的向量表示;基于会话的嵌入表示,训练了一个2层的循环神经网络模型,用于应用程序使用会话的预测。基于真实数据集的大量实验结果表明,该框架优于传统的应用推荐方法。

空间目标天基光学成像观测现状研究

地球静止轨道(GEO)因其轨道特殊性,常常运行着各国天基信息网的关键节点卫星,对地球静止轨道带内目标的跟踪观测便显得极为重要。针对近年来国外对地球静止轨道带的观测方式和技术,对美国和加拿大等国的空间目标天基观测现状进行了研究。首先从时空角度、覆盖范围等方面总结了天基光学成像观测的优势,其次结合美国和加拿大近来的研究情况分析了地球静止轨道目标天基光学成像观测的研究现状和不足之处,最后给出了地球静止轨道目标天基光学成像观测的发展趋势。

电网信息系统运维管理自动化探索与研究

现阶段,我国处于快速发展阶段,而电力行业作为最重要的组成部分,对各个领域都会产生较高的影响力。从目前的发展情况来看,社会对电力的需求极高,因此电网信息系统的运维管理自动化系统压力很大。基于此,文章就对如何开展电网信息系统运维管理自动化系统工作展开研究,分析当前管理工作中存在的不足,并且根据问题分析运维管理自动化系统对策,帮助提升电网信息系统运维管理自动化系统效果。

牛前胃弛缓的辨证施治

前胃弛缓属脾经证候。病因复杂,是牛消化系统的临床综合证,又称脾胃不和证或脾胃不磨证,泛指胃纳水谷的机能紊乱和脾失健运所致的消化不良,食欲减退。一年四季均可发生。水黄牛多发。发病颇高,约占牛病门诊的70%,及时诊治可避免诱发其它疾病导致经济损失。故应引起兽医临床工作者的足够重视。

基于企业规模的呼叫中心选型

随着呼叫中心发展,各种类型呼叫中心层出不穷,呼叫类型按照规模可以分为中小型、大型、超大型呼叫中心,按照建设类型分为自建和外包呼叫中心。本文通过研究呼叫中心建设关键要素,即成本、选址、规模、系统、人员、运营模式等要素,通过分析不同规模呼叫中心各要素之间关联关系,给出各呼叫中心建议的建设模式。

主动式IT运维服务模式应用

在信息时代,各种信息技术在企业中有着一定应用,随着企业的信息化建设与发展,各种计算机软硬件系统的运行与维护工作的重要性就逐渐的凸显出来。同时,各种不同部门的不同维修工作,给企业的信息部门开展工作带来了一定难度。对此,对主动式IT运维服务模式应用含义及思路进行了阐述,对进行主动式IT运维服务模式应用方式了分析与阐述。

混合智能算法在电力大数据异常预测中的应用

针对传统电力系统运行日志处理与分析系统已无法满足电力系统运行状态数据呈爆炸性增长的现状。为了实现在电力大数据背景下高效、准确地处理日志数据并进行异常分析,文中提出了一种用于时间序列预测的混合智能算法。该算法采用权重加权线性组合的方法更新各独立算法的预测权重,使混合智能算法在每一步的预测过程中均能保证最优预测权重的分配。将该算法应用到电力系统日志数据分析中,采用传统的时间序列预测评价模型对混合智能算法性能进行评价,验证了该算法具有更优的准确性,混合智能算法能够显著提高电力大数据异常预测的可靠性。

朴素贝叶斯模型及马尔科夫链蒙特卡洛方法在客服中心监控预警系统中的应用

通过对客服中心业务系统监控预警的需求分析，提出一种信息系统运行风险的预警算法，并通过信息系统运行的历史大数据学 习训练逐步调整算法参数，成功对关键业务系统运行风险提出预警。

客服中心监控预警系统中数据采集组件设计及应用

通过对客服中心监控预警需求的分析,结合业内成熟的数据采集工具的实现技术,利用 SNMP 协议、端口侦听方式,设计并完 成了探针结合消息队列的监控预警系统的数据采集组件,并通过该组件成功收集监控预警系统中各类 IT 基础设施、业务系统、服务的关键 运行数据,以供预警计算使用。

牛前胃驰缓病的诊断和治疗

笔者根据多年的兽医临床实践并查阅相关资料,对牛前胃弛缓病的发病机理、临床症状、诊断、治疗和预防方法进行叙述,以期为养牛户和基层兽医人员提供参考。

电力信息系统运维管理自动化的解决措施

在信息时代,信息技术得到快速发展,且对人们生产生活产生了重要影响,日常生产生活中,电力系统为人们提供了充分电能,电力系统运行会对实际生产效率产生重要影响,随着电力系统中信息技术的应用,也使得电能传输更加可靠、稳定。另外,在信息技术的影响下,电力系统也逐渐朝着信息化与智能化的方向不断前行。