基于轨迹聚类的个性化信息服务策略

随着互联网与社交网络等技术的发展,个性化信息服务模式正在不断完善,如何快速获得用户的实时信息需求成为个性化信息服务的关键。目前信息需求获取的方式主要是通过用户主动提交信息、个性化调查以及通过数据挖掘等技术来获取用户的行为模式,这些服务策略可能导致信息滞后,从而无法为用户提供准确的信息服务。文章提出基于轨迹聚类的个性化信息服务策略,实时获取用户访问与检索的轨迹数据,结合轨迹聚类算法建立动态的用户检索模型,快速实现实时个性化信息服务。

社交媒体中学术会议信息的建模与应用

近年来,社交媒体在学术会议中的使用逐渐广泛,为学术会议的开展带来极大的便利,同时也在社交媒体中产生了大量有价值的学术会议信息。为了解社交媒体中的学术会议信息类别、特点以及应用前景,文章对社交媒体中的学术会议信息进行研究,提出了一种基于用户发文动机的社交媒体中学术会议信息模型。以Twitter为例,收集Twitter中的学术会议信息数据,对数据分布、词频差异等进行分析,总结社交媒体中的学术会议信息特点,并讨论其应用前景。

分布式多代多任务航天复杂系统架构设计

针对航天数据处理中心(Space Data Processing Center,SDPC)的时域、地域和功能等不同维度需求下的体系化建设,提出了一种分布式异地部署的多代多任务“云”平台架构,分析了长期在线并行任务系统的实现路径,介绍了多中心、多系统、多任务、多功能的复杂系统组成、连接和架构设计,研究了航天数据处理中心结合应用下的在线运行的系统切换、高可用的数据管理、安全防护的运维管理、用户分离的虚拟桌面等关键技术。通过在航天数据处理中心部署构建和应用,实现了航天数据处理中心在异地异构的容灾系统和备份中心系统并行运行、内部不同任务系统功能相对独立和不同用户操作相对分离条件下的高可靠运行,满足多年的航天器运控规划、卫星在轨服务、资源调度等多任务要求。

基于合作网络的学者动态学术影响力模式识别研究

【目的】利用高合作学者识别算法和学者影响力模式识别算法识别出团队的高合作学者以及其动态学术影响力模式,为团队中人才成长提供参考。【方法】根据学者的合作人数情况,区分出团队中的高合作学者;利用高合作学者的发文量和度数中心度指标测度学者的个人影响力和在团队的影响力,识别学者的动态学术影响力模式。【结果】不同团队中的高合作学者数量不一,为零至多个。高合作学者的动态学术影响力模式不同,识别为稳步增长或成熟波动模式。【局限】仅利用两个指标来测度学者影响力,对于较复杂情况的学者需引入更多的指标识别其动态学术影响力模式。【结论】高合作学者识别算法和学者影响力模式识别算法能够较合理地识别出团队中的高合作学者及其动态学术影响力模式。