基于热度矩阵的微博热点话题发现

现有微博热点话题发现模型对微博数量规模较敏感,发现速度较慢。为此,提出一种基于热度矩阵的主题模型。通过热度矩阵获取各潜在主题的热度和主题-词概率分布,并以词间的共有热度来挖掘其语义关系,进而准确识别数据中的热点话题及热点词汇。在真实微博数据上的实验结果表明,与潜在狄利克雷分布模型相比,该模型的效率和准确率较高,发现的热点话题与实时事件保持一致,具有较好的热点识别效果。

社区中基于QoS和相关度的Web服务推荐方法

随着Web服务技术的发展,越来越多的社区引入了Web服务。为了更好地满足用户的要求,本文提出了一种为社区用户推荐服务的方法CWSR。CWSR首先对服务质量即QoS给出了定量的测算,然后通过解析服务的WSDL文档提取出服务关键字,计算社区与服务关键字的相似性从而获得服务对社区的相关度,最后结合两者与历史评分数据训练得出某特殊社区的推荐模型,根据该模型预测其它服务对于该社区的推荐指数。实验表明,本文提出的方法具有比以往方法更优的推荐质量。

基于分页缓存模型的用户兴趣跟踪方法

对智能推荐系统中用户兴趣跟踪问题的研究,传统方法如时间窗口、遗忘函数等在表征用户兴趣模型时均未考虑兴趣主题概念相关性,无法充分利用用户历史数据,导致兴趣跟踪不准确。因此,本文提出了基于分页缓存的用户兴趣表征模型,形成基于主题的用户多兴趣域结构,并提出了相应的兴趣迁移检测SIM算法,该算法引入序列熵差,表征兴趣迁移的整体特性。实验表明,与传统方法相比,本文提出的方法具有更低的兴趣平均绝对偏差,能够更准确地表征用户兴趣迁移,从而获得更好的推荐质量和效率。

混合传感器网络中基于事件的位置相关查询

在混合传感器网络中,传感器移动性使得查询区域产生动态变化。针对动态查询区域内的数据聚集查询难以有效处理的问题,提出了一种基于事件的位置相关查询(ELAQ)处理方法,它包括查询分发算法、最大距离投影代理选择算法、网络内查询传播和聚集算法。ELAQ模型的特点是查询由事件触发,查询结果依赖于移动传感器的位置。实验结果显示,相比TinyDB查询处理方法,该方法提高了查询结果准确率,缩短了查询响应时间。