基于分类的新闻用户兴趣模型研究

给了一种基于分类的新闻用户兴趣模型,通过AJAX异步方式收集用户的行为数据,以用户阅读新闻的相对速度度量用户的兴趣,依据新闻的类别建立基于分类的用户兴趣模型,并结合基于访问频率的遗忘函数动态的更新模型,从而在个性化新闻推荐中更准确地对用户兴趣进行建模。

基于信任度的协同过滤组合新闻推荐算法

针对常见单一推荐技术产生的推荐结果准确率不高并存在一定局限性问题，本文将社会学中的信任关系引入到个性化新闻推荐中，提出了基于信任度的协同过滤组合新闻推荐算法。首先通过推荐的准确率度量用户对推荐算法的信任度，然后基于信任度将Item—based协同过滤推荐算法和User-based协同过滤推荐算法的推荐结果进行组合，以提高推荐的质量。实验结果表明基于信任度的组合推荐算法能更多的向用户推荐感兴趣的新闻，具有更好的推荐效果。

基于XGBoost的网络安全设备告警误报检测模型

为了解决网络安全设备告警中误报率高的问题,有效提升电力网络安全的主动防御能力,本文提出了一种基于XGBoost的网络安全设备告警误报检测模型。首先,模型对海量多源异构性网络设备日志数据按照标准化格式进行数据融合,并采取数据去重、缺失值处理等数据预处理操作,提高数据质量;其次,基于对网络安全设备告警的先验知识,从攻击时间、IP地址、端口等原始数据特征中构造、提取、选择告警误报检测相关特征;最后,基于XGBoost算法训练模型并进行模型融合,实现对告警误报的准确分类识别。实证表明,本文提出的基于XGBoost的网络安全设备告警误报检测模型大幅度降低网络安全设备告警误报率,有效提升电力网络安全主动防御能力,为打造健康发展的电力网络环境提供了帮助。

云终端资源中心的桌面资源优化研究

桌面虚拟化技术的发展和应用,极大改变了企业桌面终端的部署方式和使用观念,构建云终端资源中心提供云终端服务是电力行业信息化建设一体化、集约化的必然结果。文章分析了云终端资源中心的系统架构和特点,并从云终端资源中心的桌面资源需求、桌面资源风暴、桌面资源优化等几方面讨论了其大规模集中部署需关注的问题。